Indice degli argomenti
-
Caros alunos,
Os horários das aulas da disciplina PSI3501 - Processamento de Voz e Aprendizagem de Máquina são: segunda-feira das 16:50 às 18:30 e quarta-feira das 15:00 às 16:40. As aulas serão realizadas no mezanino da sala C1-05.
A disponibilização dos materiais e as entregas de atividades serão feitas através do e-Disciplinas. Pedimos que todos acessem periodicamente a plataforma.
Atenciosamente,
Profs. Miguel e Wesley
-
-
Notas Compito
-
-
Caros alunos,
As apresentações finais ocorrerão nos dias 27 e 29 de novembro de 2023.
Peço que escolham o dia que pretendem apresentar na enquete abaixo. Para facilitar a organização, vocês podem optar pelas duas datas indicando que não possuem preferência de dia de apresentação.
A prova P2 será realizada no dia 04 de dezembro de 2023.
Dia 27/11 apresentarão:
Lua Nowacki Scavacini Santilli
Mario Guilherme Batista
Marcelo Antunes
Dia 29/11 apresentarão:
Anton Bulle Labate
Henrique Madruga Tavares
Guilherme Marques da Silva Nicolino
-
-
Notas de prova Compito
-
-
-
Proj5 - Instruções File
-
-
-
Proj4 - Orientações File
-
Entrega do Proj4 Compito
-
-
Entrega do Proj3 com respectivas apresentações em 27/09/2023.
Ordem de apresentações
Luã, Mário, Henrique, Anton, Guilherme.
-
Proj3 - Orientações File
-
Entrega do Proj3 Compito
-
-
-
Proj2 - Orientações File
-
Entrega do Proj2 Compito
-
-
-
Proj1 - Orientações File
-
Entrega do Proj1 Compito
-
-
-
Apresentação File
-
-
-
Representações e Modelos File
-
-
-
Notebooks - Python e Librosa File
-
Link para o Github da disciplina URL
-
Tarefa1 - Entrega 30/08/2023 Compito
-
-
-
Redes Neurais: Gradientes e Retropropagação File
-
Método da Máxima Verossimilhança, Divergência de Kullback-Leibler com Desigualdade de Jensen File
-
-
-
Redes Neurais Recorrentes: Estados, Gradientes e Retropropagação através do Tempo RNN: BPTT File
-
Aprendizagem de sequências File
-
-
-
PyTorch Notebooks File
-
PyTorch - Slides File
-
-
-
PyTorch - MLP File
-
-
-
Quantizador de Linde-Buzo e Gray (LBG) e Agrupador k-means File
-
-
-
Modelos de misturas de gaussianas (GMMs) File
-
-
-
K-means - Notebook File
-
GMM - Notebook File
-
-
-
Modelos Gráficos Probabilisticos File
-
-
-
Inferência Aproximada File
-
-
-
0_RNN_Basics File
-
1_RNN_Classification File
-
2_RNN_Seq2Seq_Attention File
-
3_Self_Attention File
-
4_Transformers File
-
-
-
CNN_Slides File
-
CNN File
-
-
-
Alinhamento Temporal Dinâmico (DTW): Reconhecimento de Voz por Alinhamento e Reconhecimento de Padrões File
-
-
-
Modelos de Markov e Modelos Ocultos de Markov (HMM): Reconhecimento de Voz File
-
-
-
Autoencoder_Slides File
-
Autoencoder File
-
-
-
Métodos dos núcleos – “Kernel methods” File
-