Técnicas de visão computacional com aprendizado de máquina e aprendizado profundo.
- Detectando objetos com Zero Shot Detection multimodal com Grounding Dino.
- Módulo CNN
- Redes Neurais Convolucionais com Pytorch e TensorFlow Keras (Aplicação rápida)
- Análise de performance de Redes Neurais Convolucionais.
- Aplicando regularização em redes no Pytorch e Keras.
- Aplicando o método de Early Stopping.
- Visualização de aprendizado e classificação de CNN's com TensorFlow Keras.
- Explicabilidade de CNN com método CAM.
- Modelos pré-treinados e suas arquiteturas (LeNet, VGG, Inception, Resnet, MNASNet).
- Ranks de previsão.
- Fundamentos
- Leitura básica de imagens
- Conceitos importantes de Numpy e manipulação de matrizes.
- Conceitos de aprendizado de máquina.
- Pipeline de treinamento.
- Redes Neurais Convolucionais (Teoria e prática).
- Redes Residuais.
- Regularização.
- Técnicas extras para otimizar treino.
- Trabalhando com dados reais.
- Processando e treinando com GPU.
- Refinando redes.
- Segmentação semântica.
- Codificadores e Decodificadores.
- Auto Enconders.
- Módulo de atenção e Transformers.
- CLIP
- VLMs
- Geração de imagens
- Análise de desempenho e eficiência.
- Detecção de pontos salientes.
- Materiais didáticos.