Aulas
planejadas (pode mudar ao longo do quadrimestre) |
Linguagem |
Entrega
lição (sem desconto - com desconto) |
|
11/03 aula 01 |
Introdução. Conceitos básicos de processamento
de imagens. Componentes conexos, crescimento de
semente, fila, pilha. |
C++/OpenCV |
18/03 - 24/03 |
18/03
aula 02 |
Filtros e convolução. Casamento de modelo. | C++/OpenCV | 24/03
- 31/03 |
25/03 aula 03 |
Transformações geométricas. Introdução ao aprendizado de máquina. | C++/OpenCV | 31/03
- 07/04 |
01/04 aula 04 | Projeto de filtros por aprendizado. Aprendizado clássico para classificar MNIST. | C++/OpenCV | 07/04
- 14/04 |
08/04 aula 05 | Introdução ao aprendizado profundo. Tensorflow/Keras. Google Colab. Rede neural densa para classificar MNIST. | Python/Keras | 21/04
- 28/04 |
15/04 |
Semana Santa |
||
22/04
aula 06 |
Rede neural convolucional "tipo LeNet". Modelos pré-treinados para ImageNet. Cifar10. | Python/Keras | 28/04
- 05/05 |
29/04 aula 07 |
Redes
avançadas. Data
augmentation. |
Python/Keras | 05/05
- 12/05 |
06/05
aula 08 |
Transfer learning. | Python/Keras |
12/05
- 19/05 |
13/05 aula 09 |
Diferenciação automática. | Python/Keras |
19/05
- 26/05 |
20/05 aula 10 |
Segmentação semântica. Detecção de objetos. | Python/Keras |
26/05
- 02/06 |
27/05 aula 11 | One-shot learning, reconhecimento facial. Class Activation Map e Grad-CAM. | Python/Keras | 02/06 - 09/06 |
03/06 aula 12 ??? |
Generative
Adversarial
Network (GAN).
Introdução à
processamento
de linguagem
natural.
Classificação
de séries
temporais por
CNN. |
Python/Keras |
Exercícios-programas 2019