Ferramentas e Conceitos usados no Inovisão
Lista de ferramentas e conceitos populares no Inovisão (para vários deles tem vídeo no meu canal no youtube):
FERRAMENTAS: terminal Linux com BASH, conda, GIT, python, google colab, pytorch, R, overleaf com Latex, roboflow, labelme, opencv, scikit-learn, vscode com copilot.
CONCEITOS: estrutura IMRaD para um artigo científico, tarefas de visão computacional (classificação, segmentação semântica, rastreamento, etc), diferentes arquiteturas de redes profundas (deep learning), ajuste de hiperparâmetros das redes (E.g.: tamanho de lote, taxa de aprendizagem, otimizador, função de perda, etc), aumento de dados, transferência de dados com ajuste fino (transfer learning e fine tuning), validação cruzada em n dobras estratificada, sobreajuste (overfitting), conjuntos de treino, validação e teste, gráfico do histórico da aprendizagem por épocas, métricas de desempenho (E.g.: acurácia, precisão, revocação, medida-F, RMSE, etc), boxplot, matriz de confusão, testes de hipótese (Exemplo: teste-t, ANOVA, etc).
FERRAMENTAS: terminal Linux com BASH, conda, GIT, python, google colab, pytorch, R, overleaf com Latex, roboflow, labelme, opencv, scikit-learn, vscode com copilot.
CONCEITOS: estrutura IMRaD para um artigo científico, tarefas de visão computacional (classificação, segmentação semântica, rastreamento, etc), diferentes arquiteturas de redes profundas (deep learning), ajuste de hiperparâmetros das redes (E.g.: tamanho de lote, taxa de aprendizagem, otimizador, função de perda, etc), aumento de dados, transferência de dados com ajuste fino (transfer learning e fine tuning), validação cruzada em n dobras estratificada, sobreajuste (overfitting), conjuntos de treino, validação e teste, gráfico do histórico da aprendizagem por épocas, métricas de desempenho (E.g.: acurácia, precisão, revocação, medida-F, RMSE, etc), boxplot, matriz de confusão, testes de hipótese (Exemplo: teste-t, ANOVA, etc).