Informações sobre o curso (parte 1 do prof. Hae):

As aulas serão presenciais baseadas em apostilas. Elas podem ser atualizadas até o dia/hora da aula.

Usarei o início da aula para exposição teórica e o fim para a prática.

• Segundas-feiras, 09:20-11:00, sala GD-06.
• Quintas-feiras, 7:30-9:10, sala GD-06.

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

1) "Lições de casa":

Cada conjunto de duas aulas (2ª-feira + 5ª-feira) pode ter uma ou mais "lições de casa" que consistem em exercícios computacionais.
Além disso, pode ter um exercício extra, mais desafiador e opcional, que vale pontos extras na nota.
Essas lições deverão ser resolvidas em grupos de dois alunos (ou, excepcionalmente, sozinho).
* Os alunos podem mudar de grupo ao longo do semestre.
* Essas “lições de casa” podem ser resolvidas durante a aula prática e mostradas ao professor/especialista. Neste caso, só precisa colocar o código-fonte (.py ou .ipynb) ou link para Google Colab em edisciplinas (não precisa postar o vídeo) e escreva nas observações de edisciplinas algo como “o exercício já foi corrigido na aula por Fulano.”
* Se não conseguir terminar essas “lições de casa” durante a aula prática, o grupo poderá terminar em casa até o domingo que antecede a próxima aula. Neste caso, precisa postar o vídeo. Escreva nas observações algo como “o exercício não foi corrigido na aula”.
* Os exercícios entregues após o prazo sofrerão o desconto de 1 ponto por dia de atraso.
* O prazo limite para envios em atraso é de, no máximo, uma semana.

Após resolverem as “lições de casa” em casa, vocês devem gravar um vídeo de no máximo 40s, mostrando que fizeram os exercícios.
Se vocês entregarem também “exercício extra”, o vídeo pode ter duração extra de 40s.
Se você resolveu os exercícios com a ajuda de IA, declare explicitamente no vídeo e no código, explicando brevemente o tipo de ajuda obtida.
* Não pode enviar vídeo com mais de 40s (para cada conjunto de duas aulas 2ª e 5ª), 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/especialista vai corrigir a sua lição) que fizeram os exercícios computacionais solicitados e que eles estão funcionando corretamente.
* Não precisam explicar teorias que o professor/especialista 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/especialistas (Hae e Maurício - hae.kim@usp.br, mlisboa@usp.br) tenham acesso ao seu vídeo.
* Não se esqueçam de escrever/falar 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.
* Após a correção, não serão aceitas novas entregas.
* A correção será feita em princípio baseado somente nesse vídeo.
* Quando o professor/pesquisador ficar com alguma dúvida, poderá olhar também os códigos-fontes (.cpp ou .py ou .ipynb).

2) "Exercício programa":

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

3) Cálculo da média final:

MHae = (ML + EP) / 2

onde MHae é média final da minha parte da disciplina, ML 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 Márcio).

Importante: Como qualquer disciplina de graduação da USP, é necessária a presença em 70% das aulas. Controlaremos a presença com lista de presença.

Planejamento das aulas de 2026 (este cronograma pode mudar ao longo do semestre):

Aulas	Datas	Conteúdo	Entrega da lição de casa
1, 2	3/8, 6/8	Introdução e recordação. Segmentação semântica. Fully convolutional net. U-Net.	9/8
3, 4	10/8, 13/8	Detecção de objetos. Diferenciação automática.	16/8
5, 6	17/8, 20/8	Vision Transformer. One-shot learning, reconhecimento facial.	23/8
7, 8	24/8, 27/8	Class Activation Map, Grad-CAM. Auto-encoder.	30/8
8, 10	31/8, 3/9	Introdução à processamento de linguagem natural. RNN.	13/9
11, 12	14/9, 17/9	Classificação de sinais 1D. Classificação de vídeos.	20/9
13, 14	21/9, 24/9	Introdução à Generative Adversarial Network (GAN).	27/9