Ir para o conteúdo

Visão Computacional Aplicada

40 horasIntermediário7 módulos

2 de 7 módulos com ementa publicada

0 de 7 módulos gravados

Ementa

Parte de imagens como dados — pixels, canais, OpenCV — e sobe por CNNs (módulo compartilhado com Deep Learning), classificação com augmentation e detecção de objetos com YOLO, terminando em segmentação. PyTorch e limpeza de dados entram como base compartilhada com o tronco comum.

Módulos da formação

Os mesmos objetos do currículo completo. Um módulo aberto a partir de qualquer formação que o contenha é o mesmo módulo, com a mesma ementa e o mesmo estado.

  • CV-101Ementa publicada

    Imagens como dados (pixels, canais, OpenCV)

    Ementa detalhada ainda não escrita

  • CORE-104Ementa publicada

    Dados: coleta e limpeza

    Conteúdo
    Pandas, CSV/JSON/APIs, dados faltantes, EDA
    Prática
    Limpar e explorar um dataset real sujo

    valor estimado0 de 1 módulo publicado

  • CORE-203Ementa publicada

    PyTorch na prática

    Conteúdo
    Tensores, autograd, loops de treino, GPU
    Prática
    Reescrever a rede do CORE-202 em PyTorch

    valor estimado0 de 1 módulo publicado

  • DL-201Ementa publicada

    CNNs (compartilhado com Visão Computacional)

    Ementa detalhada ainda não escrita

  • CV-201Ementa publicada

    Classificação e augmentation

    Ementa detalhada ainda não escrita

  • CV-202Ementa publicada

    Detecção de objetos (YOLO)

    Ementa detalhada ainda não escrita

  • CV-301Ementa publicada

    Segmentação

    Ementa detalhada ainda não escrita

Nem tudo cabe em 40 horas. Estado da arte, treino distribuído, interpretabilidade, edge e os cinco projetos integradores existem apenas dentro das trilhas completas: Trilhas