modeling and understanding
Gustau Camps-Valls小組開設的視覺科學、機器學習和圖像處理課程資料學的學習與分享。這些課程與他的研究密切相關，課程適合大學(遙感、電子工程和神經科學碩士)，以及視覺科學(IOBA)博士和碩士課程和計算機視覺碩士課程。課程的詳細介紹如下(包含：詳細的PPT講義和Matlab代碼)：
Gustau Camps-Valls（IEEE Fellow，IEEE傑出講師，物理學博士學位）目前是電氣工程專業的教授，並且是圖像和信號處理（ISP）組的負責人，網址為https://isp.uv.es。他對開發用於地球科學和遙感數據分析的機器學習算法感興趣。他是約200篇期刊論文，200餘篇會議論文，20篇國際書籍章節的作者，並且是有關內核方法和深度學習的4本書的編輯。他擁有Hirsch的指數h = 60，在2011年進入了ISI的「高被引科學家」名單，湯姆森路透社《科學觀察》將他的一篇關於基於核的高光譜圖像分析論文確定為快速移動前沿研究。他獲得了兩項歐洲研究委員會（ERC）贈款：ERC整合者贈款「用於地球觀測數據分析的統計學習」（2015年）和ERC協同贈款「通過機器學習理解和建模地球系統」（2019年）。
Machine learning and signal processing for remote sensing data analysis (IGARSS14 tutorial) - G. Camps-Valls and D. Tuia在本教程中，我們將介紹遙感圖像處理鏈，並帶領參與者了解用於數據理解的特徵提取、分類、分離、檢索和模式分析的不同策略。一方面，我們將展示遙感數據分類的強大方法:從數據中提取知識，包括通過主動學習的交互方法，編碼先驗知識的分類器和不變性。
Hyperspectral image processing
(60 hours) - G. Camps-Valls
介紹了高光譜圖像處理的主要概念。我們首先軟介紹高光譜圖像處理，標準處理鏈和目前在該領域的挑戰。然後從特徵提取、監督分類、分離和豐度估計和生物物理參數檢索等幾個方面分析了生物物理參數提取技術的研究現狀。所有的方法和技術的研究是回顧的理論和通過MATLAB練習。
Information Theory for Visual
Communication (30 hours) - J. Malo
在這門課程中，我將介紹資訊理論的基本要素，以了解為何密度函數的均變化或高斯化以及系統中的噪聲是視覺信息傳輸的關鍵。這一知識是我們長期以來為單值化(SPCA, PPA, DRR)和高斯化(RBIG)開發可逆變換的基礎，也是我們在視覺系統和分裂歸一化模型中校準神經噪聲的研究的基礎。
Statistical Signal Processing (60 hours)
(統計)信號處理碩士課程教材。我介紹了對信號處理感興趣的工程師和物理學家的基本背景知識:概率和隨機變量、離散時間隨機過程、譜估計、信號分解和變換，以及對資訊理論的介紹。
攝影圖像的統計規律表明，一定的空間信息表示在編碼效率方面優於其他空間信息表示。在本課程中，我們將介紹圖象編碼中非監督特徵提取或字典學習所需的資訊理論概念(熵、多資訊、相關及負熵)。介紹了圖像和序列的冗餘性，並介紹了壓縮信息表示的基本技術，如矢量量化、預測編碼和轉換。
Kernel methods in machine learning (30 hours) - G. Camps-Valls機器學習中的兩個基本操作，如回歸和分類，涉及到通過一組(標記或未標記)訓練樣本繪製非線性邊界或函數。這些邊界或函數在某些(測試)樣本可以推導出測試樣本與訓練樣本之間的相似性。這些相似性可以被編碼到核中，並且可以使用代表定理在任何測試樣本中獲得函數的表達式。在本課程中，我們也將回顧。
Google Earth Engine introduction - Emma Izquierdo & Jordi Muñoz-Marí A short introducttion to Google Earth Engine.
Hyperspectral image processing (60 hours) - G. Camps-Valls:
（包括172頁的PPT一個，以及Matlab代碼及其示例數據：）
https://isp.uv.escourses.html