PSI3471 (2022): Fundamentos de Sistemas Eletrônicos Inteligentes

Informações sobre o curso (2022):


Este curso será dado por mim (Hae) e pelo prof. Magno. Ele está dividido em 3 partes:
Parte 1 – Hae: Introdução à aprendizagem de máquina.
Parte 2 – Magno: Redes neurais artificiais.
Parte 3 – Hae: Aplicações de aprendizagem de máquina em visão computacional.

Materiais do prof. Hae:


Transparências auxiliares


Informações sobre a minha parte da disciplina:
Este ano (2022), vou dar aulas presenciais, mas baseadas em apostilas para aulas virtuais "ead" [apostila] que preparei durante a pandemia. Elas procuram ser auto-explicativas. Essas apostilas podem ser alteradas até o dia/hora da aula.

Avaliações:

A avaliação será baseada em "lições de casa" (LC) e num "exercício programa" (EP). Na minha parte da disciplina, EP substituirá a prova (isto é, não haverá prova da minha parte).

1) "Lições de casa":

Cada aula pode ter uma (ou nenhuma) "lição de casa", normalmente um exercício computacional. As lições de casa acumuladas de 2 (ou 3) aulas devem ser entregues até a data prevista definida em edisciplinas (normalmente o próximo domingo). Essas lições deverão ser feitas em grupos de dois alunos (ou, excepcionalmente, sozinho). Os alunos podem mudar de grupo ao longo do semestre. 

Após resolverem as "lições de casa", vocês devem gravar um vídeo de no máximo 40s, mostrando que fizeram os exercícios. Não pode enviar vídeo com mais de 40s, pois a quantidade de alunos do curso não nos permite corrigi-los - pode haver desconto na nota. Vocês devem convencer o espectador do vídeo (o professor vai corrigir a sua lição) que fizeram os exercícios computacionais solicitados e que eles estão funcionando
corretamente. Não precisam explicar teorias que o professor já conhece. Cada dupla deve enviar um único vídeo (não postem o mesmo vídeo duas vezes). A dupla deve se alternar na gravação de vídeo, isto é, se Fulano gravou vídeo 1, Ciclano deve gravar vídeo 2, etc. É necessário que o vídeo contenha áudio, pois é muito difícil entender um vídeo sem a explicação falada. O vídeo não pode ter sido acelerado para diminuir a duração, pois dificulta entender a fala.

Podem gravar a tela do computador usando celular ou usando algum programa de captura de tela (por exemplo Zoom, Google Meet, ou OBS Studio). Em algum momento, deve aparecer no vídeo o rosto e algum documento do aluno que gravou o vídeo (como a carteira USP, RG, CNH, etc). Vocês podem enviar o vídeo em si (.mkv, .mp4, .avi, etc.) ou um link para o vídeo (youtube, google drive, etc). No segundo caso, deve assegurar que todos os professores (Hae, Renato e Magno - hae.kim@usp.br, renatocan@gmail.com, magno.silva@usp.br) tenham acesso ao seu vídeo. Não se esqueçam de escrever os nomes da dupla (ou do único aluno, escrevendo: "exercício feito individualmente") em três lugares diferentes: no campo "comentários sobre o envio", no início do vídeo e no início dos programas-fontes. Caso contrário, um dos alunos da dupla pode ficar sem a nota.

A correção será feita em princípio baseado somente nesse vídeo. Quando o professor ficar com alguma dúvida, poderá olhar também os códigos-fontes. Assim, entreguem também os códigos-fontes (.cpp ou .py - não entreguem .ipynb) das lições. Nos códigos-fontes, coloquem os nomes da dupla na primeira linha. Devem fazer a entrega em edisciplinas até a data prevista. Exercícios entregues com atraso terão desconto de 0,5 ponto por dia de atraso. Para podermos entregar a nota final dentro do prazo, as lições não podem ser entregues após 10/julho.

2) Além das lições de casa, haverá um exercício-programa para fazer. As instruções do EP estarão no seu enunciado.

3) Cálculo da média final:

MHae = (MLC + EP) / 2

onde MHae é média final da minha parte da disciplina, MLC é a média das lições de casa e EP é a nota do exercício-programa.

Importante: Para ser aprovado na disciplina, o aluno deve tirar nota >= 3 nas duas partes da disciplina (do Hae e do Magno).

Importante: Como qualquer disciplina de graduação da USP, é necessário a presença em 70% das aulas. Controlaremos a presença com lista de chamada.
 
Planejamento das 12 aulas (pode mudar ao longo do semestre):

1 - Introdução à Inteligência Artificial e Aprendizagem de Máquina. Problema ABC.
2 - Classificação de flor "Iris"
3 - Classificar dígitos "3" e "5"

4 - Conceitos básicos para processamento de imagens.
5 - Componentes conexos.
6 - Filtros.
7 - Template matching.
8 - Transformações geométricas.
9 - Aprendizagem para projetar filtros.
10 - Classificação de MNIST pela aprendizagem clássica
11 - Extração de características para classificação.
12 - Introdução à aprendizagem profunda para processamento de imagens.
13 - Rede neural densa em Tensorflow Keras.
14 - Rede neural convolucional em Keras.


Exercícios-programas de outros anos: