PSI3472 (2021): Concepção e Implementação de Sistemas Eletrônicos Inteligentes

Materiais:

Para acompanhar esta disciplina, é recomendável que o aluno conheça o conteúdo ensinado em PSI3471 Fundamentos de Sistemas Eletrônicos Inteligentes (PSI3471).


Informações sobre o curso durante a pandemia (parte do prof. Hae):

Email do professor Hae Yong Kim: hae.kim@usp.br
Email do especialista Mauricio Oscar Perez Lisboa: mlisboa@usp.br

Funcionamento do curso :

Alun@s do PSI-3472, 2º semestre de 2021:

Devido à pandemia, as aulas desta disciplina serão remotas. Vou dar aulas online baseado em apostilas "ensino à distância" [apostila]. Essas apostilas procuram ser auto-explicativas (isto é, não é necessário assistir aulas para entendê-las). Essas apostilas podem ser modificadas até o dia/hora da aula.

As minhas aulas serão via Zoom. O código e senha da sala está em edisciplinas e enviarei também via email.

As aulas serão gravadas e disponibilizadas posteriormente no site. A aula expositiva durará algo como 60-70 minutos. O horário final da aula (30-40 minutos) será reservado para os alunos fazerem as "lições de casa", de preferência em duplas, e para tirarem dúvidas.

Avaliações:

É difícil aplicar provas remotamente. Assim, a avaliação será baseada somente em "lições de casa" e em "exercício programa".

1) "Lições de casa":

No horário final da aula (ou em casa após a aula), vocês deverão fazer uma "lição de casa", normalmente um exercício computacional. Essas lições deverão ser feitas preferencialmente em grupos de dois alunos. Se não conseguir encontrar um aluno para formar dupla, excepcionalmente pode fazer individualmente. Não pode fazer em grupos de três. No final da aula, vou abrir "breakout rooms" para que as duplas possam trabalhar em grupo.

1a) Se conseguirem terminar a lição de casa durante a aula, pode mostrá-la ao especialista Maurício Perez que atribuirá imediatamente uma nota. Neste caso, deve entregar apenas uma "lição vazia" em edisciplinas, para ficar registrado que fizeram a lição. Escrevam no campo "comentários sobre o envio" a frase "lição entregue durante a aula" (junto com os nomes).

1b) Se não terminarem a lição durante a aula, devem gravar um vídeo de no máximo 40s (por aula), demonstrando que fizeram a lição. Não pode enviar vídeo com mais de 40s - pode haver desconto na nota. É necessário que o vídeo contenha áudio com explicações. Assistindo o seu vídeo, o professor/especialista deve ficar convencido de que as lições foram feitas e estão funcionando corretamente. Vocês não precisam explicar teorias. Podem gravar a tela do computador usando celular ou usando algum programa de captura de tela (por exemplo, uso "OBS Studio" para gravar as aulas). 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). Podem enviar o vídeo em si (.mkv, .mp4, etc.) ou um link para o vídeo (youtube, google drive, etc.) no campo "comentários sobre o envio". No segundo caso, deve assegurar que o professor/especialista tenha acesso ao seu vídeo. A correção será feita em princípio baseado somente nesse vídeo. Quando o professor/especialista ficar com alguma dúvida, poderá olhar também os códigos-fontes. Assim, entreguem também os códigos-fontes (.py ou link para Google Colab) das lições. Não entreguem .ipynb.

1c) Cada dupla deve fazer uma única entrega ("vazia" ou "com vídeo e programa") até o domingo seguinte à aula, via edisciplinas. 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. A dupla deve se alternar na gravação dos vídeos, isto é, se Fulano gravou vídeo 1, Ciclano deve gravar vídeo 2, etc.

2) 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):

1 - (23/08) Introdução. Tensorflow/Keras/PyTorch, Google Colab.
2 - (24/08) Rede neural densa.
3 - (30/08) Rede neural convolucional; LeNet; classificação MNIST.
4 - (31/08) Modelos pré-treinados para ImageNet.
5 - (20/09) Cifar10; data augmentation. redes avançadas: VGG, GoogLeNet, ResNet.
6 - (21/09) Redes avançadas: VGG, GoogLeNet, ResNet.
7 - (04/10) Redes avançadas: VGG, GoogLeNet, ResNet. Transfer learning.
8 - (05/10) Segmentação semântica. Fully convolutional net, U-Net, PSPNet.
9 - (18/10) Class Activation Map e Grad-CAM.
10 - (19/10) Auto-encoder/GAN
11 - (25/10) One-shot learning
12 - (26/10) Yolo

A maior parte das duas primeiras aulas recordações de PSI3471-2021.

A nota final do prof. Hae será MHae=(ML+EP)/2, onde ML é a média das lições de casa e EP é a nota do exercício-programa.

A frequência será calculada pela quantidade de lições de casa entregues.

Transparências auxiliares:


Exercícios programas: