Descrição: TEORIA (2 horas): - Fundamentos de processamento de imagem (pixel, espaços de cor, matrizes, convolução) - Datasets de imagens - Fundamentos de Redes Neurais Artificiais (Multi-layer Perceptron, multiplicação de matrizes em RNAs, backpropagation para treinamento de redes, Redes Convolucionais) - Tarefas básicas de reconhecimento de padrões em imagens (classificação, detecção, segmentação) PRÁTICA (2 horas): Usando Python no Google Colab (precisaremos de computadores ligados na Internet apenas): - Manipulação de imagens - MLPs - CNNs - Algumas redes pré-prontas - Avaliação de desempenho
Objetivo Geral: - Entender os fundamentos de processamento de imagem (pixel, espaços de cor, matrizes, convolução); - Identificar datasets de imagens; - Compreender os Fundamentos de Redes Neurais Artificiais (Multi-layer Perceptron, multiplicação de matrizes em RNAs, backpropagation para treinamento de redes, Redes Convolucionais); - Realizar tarefas básicas de reconhecimento de padrões em imagens (classificação, detecção, segmentação); - Praticar manipulação de imagens, MLPs, CNNs.
Justificativa: O avanço das tecnologias e a inteligência artificial aplicadas ao diagnóstico por imagens, tem impactado diferentes setores da área da saúde. Assim, Saber usar essas ferramentas que podem ajudar no aumento da precisão dos diagnósticos e consequentemente, ter impacto direto na agilidade dos atendimentos e encaminhamentos em saúde, é essencial tanto para a pesquisa, quando para o paciente atendido pelo SUS.
O curso tem por objetivos principais fornecer fundamentos de aprendizagem de máquina e processamento de redes neurais artificiais, bem como capacitar os alunos na manipulação de imagens em programas livres de pagamento disponíveis na internet.
