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

As aulas serão presenciais baseadas em apostilas. Elas podem ser alteradas 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 próximo domingo.
Neste caso, precisa postar o vídeo. Escreva nas observações algo como “o exercício não foi corrigido na aula”.

Após resolverem as “lições de casa” em casa, vocês devem gravar um vídeo de no máximo 40s, mostrando que fizeram os exercícios.
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.
Os exercícios entregues com atraso terão desconto de 1 ponto por dia de atraso.
As lições não podem ser entregues com atraso de mais de uma semana.

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.


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

Aulas 1 (04/08) e 2 (07/08): Introdução e recordação. Rede neural densa. Rede neural convolucional. Diferenciação automática. (Entrega de lição: 10/08)
Aulas 3 (11/08) e 4 (14/08): Modelos pré-treinados para ImageNet. Cifar10. Data augmentation. Redes avançadas: VGG, Inception, ResNet. (Entrega de lição: 17/08)
Aulas 5 (18/08) e 6 (21/08): EfficientNet. Transfer learning. (Entrega de lição: 24/08)
Aulas 7 (25/08) e 8 (28/08): Segmentação semântica. Fully convolutional net. U-Net. Detecção de objetos. (Entrega de lição: 07/09)
Aulas 9 (08/09) e 10 (11/09): Diferenciação automática, e descida e subida de gradiente. One-shot learning, reconhecimento facial. (Entrega de lição: 14/09)
Aulas 11 (15/09) e 12 (18/09): Class Activation Map (CAM) e Grad-CAM. Auto-encoder. Generative Adversarial Network (GAN). Camada personalizada. (Entrega de lição: 21/09)
Aulas 13 (22/09) e 14 (05/10): Introdução à processamento de linguagem natural. Classificação de sinais biomédicos. (Entrega de lição: 05/10)

As lições não podem ser entregues após 05/10 - domingo.