fbpx
Sigmoidal
  • Home
  • Cursos
  • Pós-Graduação
  • Blog
  • Sobre Mim
  • Contato
Sem Resultado
Ver Todos Resultados
  • English
  • Home
  • Cursos
  • Pós-Graduação
  • Blog
  • Sobre Mim
  • Contato
Sem Resultado
Ver Todos Resultados
Sigmoidal
Sem Resultado
Ver Todos Resultados

Construindo Roma em um dia: Reconstrução 3D com Visão Computacional

Carlos Melo por Carlos Melo
abril 15, 2023
em Deep Learning, Teoria, Visão Computacional
0
59
COMPARTILHAMENTOS
2k
VIEWS
Publicar no LinkedInCompartilhar no FacebookCompartilhar no Whatsapp

Você sabia que é possível fazer uma reconstrução 3D de uma cidade inteira com técnicas de Visão Computacional a partir de fotos encontradas na internet? Eu digo, fotos que outras pessoas publicaram por aí em redes sociais como Flickr, Instagram, entre outras.

Os resultados experimentais publicados no paper “Building Rome in a Day” demonstrou que é possível reconstruir algumas cidades inteiras, com até 150.000 imagens, em menos de um dia, usando um cluster com 500 núcleos de computação. Se você quer aprender mais sobre essa técnica de Visão Computacional, acompanhe a minha análise neste nosso post!

Reconstrução 3D de Cidades com Visão Computacional

Em 2009, na conferência International Conference on Computer Vision, da IEEE (Instituto de Engenheiros Elétricos e Eletrônicos), foi publicado o artigo “Building Rome in a Day” (Construindo Roma em um Dia). Nele, foi apresentado um método inovador que utiliza visão computacional para criar modelos 3D de alta resolução de cidades inteiras a partir de imagens coletadas de fontes disponíveis na internet (2D).

Os autores demonstram a eficácia do sistema em várias cidades, incluindo Roma, por isso o nome do artigo. Utilizando um grande número de imagens coletadas na internet, o método proposto foi capaz de reconstruir automaticamente modelos 3D detalhados das cidades.

Em comparação a outros métodos de modelagem 3D, o método proposto pelos autores tem várias vantagens. A primeira, por ser totalmente automatizado e poder lidar com grandes conjuntos de dados de imagens de alta resolução de maneira eficiente, o que significa que pode ser usado para modelar cidades inteiras com relativamente pouco esforço humano. Além disso, a abordagem de fotogrametria automatizada é menos intrusiva do que outras técnicas de coleta de dados 3D, como a varredura a laser, o que pode ser importante em áreas sensíveis ou históricas.

O sistema utiliza uma série de algoritmos paralelos e distribuídos de correspondência e reconstrução, projetados para maximizar o paralelismo em cada etapa do processo e minimizar gargalos de serialização. Essa abordagem permite escalar de forma eficiente tanto com o tamanho do problema quanto com a quantidade de recursos computacionais disponíveis.

Reconstrução Densa da Praça de São Marcos (Piazza San Marco, em italiano).

A reconstrução 3D em escala de cidade já foi explorada anteriormente na literatura de visão computacional e é amplamente empregada em plataformas como Google Earth e Microsoft’s Virtual Earth. No entanto, os sistemas de estrutura a partir do movimento (SfM) em grande escala existentes operam com dados provenientes de fontes estruturadas, como fotografias aéreas tiradas por aeronaves de levantamento ou imagens capturadas por veículos em movimento. Esses sistemas se baseiam em fotografias tiradas com câmeras calibradas e, geralmente, utilizam outros sensores, como GPS e unidades de navegação inercial, simplificando significativamente os cálculos envolvidos.

Por outro lado, as imagens coletadas da web não possuem essas características simplificadoras. Elas são tiradas com diferentes câmeras, sob condições de iluminação variáveis, e muitas vezes não possuem informações geográficas ou de calibração da câmera. Essa variabilidade torna as coleções de fotos mais difíceis de trabalhar para fins de SfM, mas também as torna uma fonte extremamente rica de informações sobre o mundo. Essas imagens capturam aspectos interessantes e dignos de serem fotografados, incluindo interiores e artefatos, além de exteriores.

Em função dessas características, o artigo apresenta um avanço significativo na construção de modelos 3D de cidades e tem implicações importantes em certas áreas, como cartografia, turismo virtual e planejamento urbano.

Reconstrução 3D da Catedral de Notre-Dame (Paris), com o método SfM.

Entendendo a Metodologia para Reconstrução 3D de Cidades

Há três etapas na reconstrução 3D de cidades, em ordem: captura de imagens, correspondência de imagens e reconstrução 3D. O processo começa com a captura de um grande número de imagens da cidade que se deseja modelar. No caso, os autores testaram seu método na cidade de Roma e usaram mais de 150.000 imagens do Flickr.

Essas imagens são então carregadas em um software que usa a técnica de correspondência de recursos (algoritmos de correspondência de imagem) para encontrar pontos comuns em cada imagem e construir uma rede de pontos de interesse. Esses pontos são usados para calcular a posição e orientação da câmera em cada imagem e para criar uma nuvem de pontos 3D aproximada da cena.

Em seguida, o software usa as imagens e a nuvem de pontos aproximada para gerar uma malha 3D densa da cena, que representa a superfície da cidade com detalhes precisos. Para fazer isso, o método proposto pelos autores utiliza uma técnica chamada “stereo matching”, que encontra correspondências entre as imagens usando a geometria epipolar e as diferenças de luminância entre as imagens.

Por fim, os autores aplicam uma técnica de texturização para adicionar detalhes de cor e textura à malha 3D. Isso é feito automaticamente, utilizando as imagens originais para extrair informações de cor e textura e projetá-las na malha 3D. O resultado final é um modelo 3D altamente detalhado e realista da cidade, que pode ser usado para visualização, planejamento urbano, simulações de desastres naturais, entre outros fins.

O processo de reconstrução 3D de cidades a partir de imagens pode ser dividido em várias etapas, como segue:

  1. Captura de imagens: o primeiro passo é capturar imagens da cidade de diferentes ângulos e posições usando câmeras de mão ou carros equipados com câmeras. É importante capturar imagens suficientes para cobrir toda a área da cidade que se deseja reconstruir.
  2. Calibração da câmera: antes de processar as imagens, é necessário calibrar a câmera para determinar seus parâmetros intrínsecos e extrínsecos. Os parâmetros intrínsecos incluem a distância focal e o ponto principal da câmera, enquanto os parâmetros extrínsecos incluem a posição e orientação da câmera em relação à cena. A calibração pode ser feita usando padrões de calibração ou técnicas de auto calibração.
  3. Correspondência de recursos: em seguida, as imagens são processadas para encontrar correspondências entre pontos de interesse em pares de imagens. Isso pode ser feito usando técnicas de correspondência de recursos, como SIFT (Scale-Invariant Feature Transform) ou SURF (Speeded Up Robust Features), que identificam pontos de interesse em cada imagem e encontram correspondências entre eles em pares de imagens.
  4. Triangulação: depois de encontrar as correspondências, os pontos 3D correspondentes podem ser estimados usando a triangulação. A triangulação é um método para encontrar a posição 3D de um ponto a partir de sua projeção em duas ou mais imagens. Esses pontos 3D são geralmente imprecisos e ruidosos, mas formam uma nuvem de pontos aproximada da cena.
  5. Otimização da nuvem de pontos: a nuvem de pontos estimada pode ser refinada usando técnicas de otimização, como a minimização de energia ou a otimização de gráfico, para melhorar a precisão da posição 3D de cada ponto.
  6. Geração da malha 3D: depois de obter uma nuvem de pontos 3D refinada, é possível gerar uma malha 3D da cidade usando técnicas de triangulação ou Delaunay, que conectam os pontos 3D vizinhos para formar uma superfície 3D contínua.
  7. Texturização da malha 3D: por fim, a malha 3D pode ser texturizada usando as imagens de entrada, para criar uma representação visualmente realista da cidade reconstruída.

Aplicações diversas da Reconstrução 3D

A reconstrução 3D de cidades tem revolucionado diversas áreas de atuação, abrindo portas para novas possibilidades e aplicações práticas. Desde o planejamento urbano até a indústria do turismo e a arqueologia, esta tecnologia tem proporcionado avanços significativos e soluções inovadoras. Nesta seção, discutiremos algumas das principais aplicações da reconstrução 3D de cidades e como elas estão transformando diversos setores.

A partir de restos de esqueletos encontrados em 1923, foi possível a reconstrução 3D de uma mulher da Idade da Pedra de 4.000 anos atrás.

A tecnologia de reconstrução 3D de cidades tem sido amplamente usada em diversos setores, conforme a lista exemplificativa abaixo.

  • Planejamento urbano e arquitetura: as reconstruções 3D podem ajudar arquitetos e urbanistas a projetar construções de acordo com as características da área e das estruturas existentes. Por exemplo, as autoridades municipais podem usar a tecnologia para visualizar como novas construções afetarão o visual e o tráfego da cidade, bem como para identificar áreas de risco de inundação ou desastres naturais.
  • Análise de dados geoespaciais: os modelos tridimensionais podem ser integrados com outras fontes de dados, como mapas e dados de satélite, para fornecer insights sobre o tráfego, o uso do solo e a densidade populacional.
  • Arqueologia e patrimônio cultural: a reconstrução 3D de cidades pode ser utilizada para fins de preservação histórica e cultural, sendo possível criar modelos tridimensionais precisos de edifícios antigos ou sítios arqueológicos, permitindo que eles sejam estudados e preservados virtualmente, mesmo que já tenham sido demolidos ou danificados;
  • Simulação e modelagem: os modelos 3D podem ser usados para simular e modelar cenários urbanos e ajudar os pesquisadores a entender como as cidades evoluem ao longo do tempo; 
  • Aprendizado de máquina e visão computacional: os modelos 3D podem ser usados para treinar algoritmos de aprendizado de máquina e visão computacional para reconhecer objetos e padrões em ambientes urbanos.
  • Turismo: essa tecnologia pode ser usada na indústria do turismo para criar experiências imersivas e educativas. Por exemplo, um museu pode criar um tour virtual de uma cidade histórica, permitindo que os visitantes vejam como a cidade era no passado. Da mesma forma, as agências de turismo podem criar guias turísticos interativos que ajudam os visitantes a explorar a cidade e seus pontos turísticos.
  • Jogos: a reconstrução 3D de cidades é frequentemente usada na indústria de jogos para criar ambientes realistas. Por exemplo, um jogo pode usar uma reconstrução 3D de uma cidade existente como base para a criação de um mundo virtual para os jogadores explorarem. Da mesma forma, um jogo histórico pode usar uma reconstrução 3D de uma cidade antiga para criar um ambiente autêntico.
  • Segurança: usada em planejamento de emergência e resposta a desastres, permitindo que as equipes de resgate visualizem os locais afetados e planejem as operações de salvamento de forma mais eficiente. Os modelos tridimensionais podem ser usados para prever como os desastres afetariam diferentes áreas da cidade e quais seriam as rotas de fuga mais seguras. Assim como pode ajudar a melhorar a segurança pública, permitindo que as autoridades monitorem e analisem padrões de tráfego, fluxo de pedestres e atividades criminosas em áreas urbanas. 
  • Orçamento público: planejar o uso de recursos públicos, como na iluminação pública, no monitoramento de tráfego e no gerenciamento de resíduos.

Em suma, a tecnologia de reconstrução 3D de cidades tem um impacto profundo em várias áreas, possibilitando análises mais detalhadas, planejamento eficiente e experiências imersivas. À medida que a tecnologia avança e se torna mais acessível, espera-se que o uso da reconstrução 3D de cidades se expanda ainda mais, abrangendo novos setores e aplicações. Sem dúvida, a reconstrução 3D de cidades está remodelando o mundo à nossa volta, criando novas oportunidades e abrindo portas para inovações futuras.

Desafios e limitações

Evidentemente, toda tecnologia possui suas limitações e desafios a serem ultrapassados. As limitações da tecnologia usada na reconstrução 3D de cidades estão muito vinculadas às imagens, do ponto de vista numérico e qualitativo. 

Para modelar uma cidade inteira com detalhes, é necessário capturar um grande número de imagens de diferentes ângulos e posições, o que pode ser um desafio logístico e de custo. Também há dependência de fotos de boa qualidade (o que é difícil logística e economicamente em áreas remotas), capturadas com boas condições de iluminação e clima para obter bons resultados. Além disso, a qualidade do modelo final pode ser afetada pela calibração da câmera, a qual, se incorreta, pode levar a erros na determinação da posição e orientação da câmera em cada imagem, o que afeta diretamente a precisão da modelagem final.

A privacidade é uma preocupação importante quando se trata de coletar imagens aéreas ou terrestres de áreas urbanas. Porque as imagens podem conter informações pessoais, como matrículas de carros, rostos de pessoas e até mesmo a disposição interna de prédios, o que pode comprometer a segurança e a privacidade dos cidadãos. Assim, é importante que as empresas e instituições envolvidas na criação de reconstruções 3D de cidades estabeleçam diretrizes claras para o uso ético dos dados e protejam a privacidade das pessoas.

Perspectivas e oportunidades

A reconstrução 3D de cidades é uma área em rápida evolução e com um futuro promissor, com muitas oportunidades para avanços tecnológicos e novas aplicações. Algumas das principais perspectivas e oportunidades estão listadas abaixo.

  1. Aumento da resolução e precisão: com o avanço da tecnologia de imagem, espera-se que as câmeras e sensores se tornem mais poderosos, permitindo a coleta de dados de alta resolução e maior precisão. Isso permitirá a criação de reconstruções 3D ainda mais detalhadas e precisas.
  2. Uso de drones e robôs: a utilização de drones e robôs para coleta de dados pode tornar o processo de reconstrução 3D mais eficiente e preciso, especialmente em áreas difíceis de alcançar ou perigosas.
  3. Aprendizado de máquina e inteligência artificial: o uso de técnicas de aprendizado de máquina e inteligência artificial pode ajudar a automatizar o processo de reconstrução 3D, permitindo a coleta e processamento de grandes quantidades de dados de forma mais rápida e eficiente.
  4. Integração com outras tecnologias: a reconstrução 3D de cidades pode ser integrada com outras tecnologias, como realidade aumentada e virtual, permitindo que os usuários interajam com as cidades de uma forma ainda mais imersiva e envolvente.
  5. Aplicações em áreas emergentes: a reconstrução 3D de cidades tem grande potencial para ser usada em áreas emergentes, como planejamento urbano, monitoramento ambiental, prevenção de desastres naturais e avaliação de riscos.

Conclusão

A reconstrução 3D e a visão computacional estão se tornando ferramentas cada vez mais valiosas na análise e preservação do passado. À medida que a tecnologia continua a avançar, é provável que vejamos ainda mais aplicações e inovações nesse campo, ajudando a desvendar os mistérios das civilizações antigas e a proteger nosso patrimônio histórico para as gerações futuras.

E para aqueles que desejam se aprofundar na reconstrução 3D, eu definitivamente recomendo ler o meu tutorial completo sobre ORB-SLAM, onde eu ensino o passo a passo para você aprender a transformar imagens e vídeos em mapas 3d.

Compartilhar4Compartilhar24Enviar
Post Anterior

ORB-SLAM 3: Tutorial Completo para Mapeamento 3D e Localização em Tempo Real

Próximo Post

Como Tirar o Máximo das suas Features

Carlos Melo

Carlos Melo

Engenheiro de Visão Computacional graduado em Ciências Aeronáuticas pela Academia da Força Aérea (AFA) e Mestre em Engenharia Aeroespacial pelo Instituto Tecnológico de Aeronáutica (ITA).

Relacionado Artigos

Review do Livro “Mãos à obra: Aprendizado de Máquina com Scikit-Learn, Keras & TensorFlow”
Livros

Review do Livro “Mãos à obra: Aprendizado de Máquina com Scikit-Learn, Keras & TensorFlow”

janeiro 18, 2025
Carlos Melo e Sérgio Sacani – Ciência Sem Fim
Youtube

Carlos Melo e Sérgio Sacani – Ciência Sem Fim

por Carlos Melo
janeiro 16, 2025
Visão Computacional

Processamento de Nuvens de Pontos com Open3D e Python

por Carlos Melo
janeiro 2, 2025
Meta Movie Gen para gerar vídeos a partir de textos
Youtube

Inteligência Artificial criando filmes? Conheça Movie Gen, a nova ferramenta da META.

por Carlos Melo
outubro 30, 2024
O que é Visão Computacional - Podcast Data Hackers
Carreira

O que é Visão Computacional — Data Hackers Episódio #92

por Carlos Melo
agosto 12, 2024
Próximo Post
Aprenda a tirar o máximo das suas Features

Como Tirar o Máximo das suas Features

Deixe um comentário Cancelar resposta

O seu endereço de e-mail não será publicado. Campos obrigatórios são marcados com *

Pós-Graduação em Data Science Pós-Graduação em Data Science Pós-Graduação em Data Science

Mais Populares

  • Introdução ao MediaPipe e Pose Estimation

    Introdução ao MediaPipe e Pose Estimation

    451 compartilhamentos
    Compartilhar 180 Tweet 113
  • Equalização de Histograma com OpenCV e Python

    112 compartilhamentos
    Compartilhar 45 Tweet 28
  • ORB-SLAM 3: Tutorial Completo para Mapeamento 3D e Localização em Tempo Real

    385 compartilhamentos
    Compartilhar 154 Tweet 96
  • Geometria da Formação de Imagens: Matrizes, Transformações e Sistemas de Coordenadas

    368 compartilhamentos
    Compartilhar 147 Tweet 92
  • Redes Neurais Convolucionais com Python

    92 compartilhamentos
    Compartilhar 37 Tweet 23
  • Em Alta
  • Comentários
  • Mais Recente
Como Tratar Dados Ausentes com Pandas

Como Tratar Dados Ausentes com Pandas

agosto 13, 2019
Como usar o DALL-E 2 para gerar imagens a partir de textos

Como usar o DALL-E 2 para gerar imagens a partir de textos

dezembro 25, 2022
Introdução ao MediaPipe e Pose Estimation

Introdução ao MediaPipe e Pose Estimation

julho 15, 2023

ORB-SLAM 3: Tutorial Completo para Mapeamento 3D e Localização em Tempo Real

abril 10, 2023
Como Analisar Ações da Bolsa com Python

Como Analisar Ações da Bolsa com Python

15
Setembro Amarelo: Análise do Suicídio no Brasil, com Data Science

Setembro Amarelo: Análise do Suicídio no Brasil, com Data Science

13
Como Aprender Data Science?

Como Aprender Data Science?

9
Qual o Cenário de Data Science no Brasil hoje?

Qual o Cenário de Data Science no Brasil hoje?

8
DeepSeek vazamento de dados de usuários

DeepSeek: Vazamento de dados expõe dados de usuários

fevereiro 1, 2025
DeepSeek R1 vs OpenAI o1 – Qual é o Melhor Modelo de IA

DeepSeek R1 vs OpenAI o1 – Qual é o Melhor Modelo de IA?

janeiro 25, 2025
Trump Anuncia Investimento de US$ 500 Bilhões em Infraestrutura de IA

Trump Anuncia Investimento de US$ 500 Bilhões em Infraestrutura de IA

janeiro 22, 2025
Trump revoga decreto de Biden sobre regulação de Inteligência Artificial

Trump revoga decreto de Biden sobre regulação de Inteligência Artificial

janeiro 21, 2025

Seguir

  • 🇺🇸 Green Card por Habilidade Extraordinária em Data Science e Machine Learning

Após nossa mudança para os EUA, muitas pessoas me perguntaram como consegui o Green Card tão rapidamente. Por isso, decidi compartilhar um pouco dessa jornada.

O EB-1A é um dos vistos mais seletivos para imigração, sendo conhecido como “The Einstein Visa”, já que o próprio Albert Einstein obteve sua residência permanente através desse processo em 1933.

Apesar do apelido ser um exagero moderno, é fato que esse é um dos vistos mais difíceis de conquistar. Seus critérios rigorosos permitem a obtenção do Green Card sem a necessidade de uma oferta de emprego.

Para isso, o aplicante precisa comprovar, por meio de evidências, que está entre os poucos profissionais de sua área que alcançaram e se mantêm no topo, demonstrando um histórico sólido de conquistas e reconhecimento.

O EB-1A valoriza não apenas um único feito, mas uma trajetória consistente de excelência e liderança, destacando o conjunto de realizações ao longo da carreira.

No meu caso específico, após escrever uma petição com mais de 1.300 páginas contendo todas as evidências necessárias, tive minha solicitação aprovada pelo USCIS, órgão responsável pela imigração nos Estados Unidos.

Fui reconhecido como um indivíduo com habilidade extraordinária em Data Science e Machine Learning, capaz de contribuir em áreas de importância nacional, trazendo benefícios substanciais para os EUA.

Para quem sempre me perguntou sobre o processo de imigração e como funciona o EB-1A, espero que esse resumo ajude a esclarecer um pouco mais. Se tiver dúvidas, estou à disposição para compartilhar mais sobre essa experiência! #machinelearning #datascience
  • 🚀Domine a tecnologia que está revolucionando o mundo.

A Pós-Graduação em Visão Computacional & Deep Learning prepara você para atuar nos campos mais avançados da Inteligência Artificial - de carros autônomos a robôs industriais e drones.

🧠 CARGA HORÁRIA: 400h
💻 MODALIDADE: EAD
📅 INÍCIO DAS AULAS: 29 de maio

Garanta sua vaga agora e impulsione sua carreira com uma formação prática, focada no mercado de trabalho.

Matricule-se já!

#deeplearning #machinelearning #visãocomputacional
  • Green Card aprovado! 🥳 Despedida do Brasil e rumo à nova vida nos 🇺🇸 com a família!
  • Haverá sinais… aprovado na petição do visto EB1A, visto reservado para pessoas com habilidades extraordinárias!

Texas, we are coming! 🤠
  • O que EU TENHO EM COMUM COM O TOM CRUISE??

Clama, não tem nenhuma “semana” aberta. Mas como@é quinta-feira (dia de TBT), olha o que eu resgatei!

Diretamente do TÚNEL DO TEMPO: Carlos Melo &Tom Cruise!
  • Bate e Volta DA ITÁLIA PARA A SUÍÇA 🇨🇭🇮🇹

Aproveitei o dia de folga após o Congresso Internacional de Astronáutica (IAC 2024) e fiz uma viagem “bate e volta” para a belíssima cidade de Lugano, Suíça.

Assista ao vlog e escreve nos comentários se essa não é a cidade mais linda que você já viu!

🔗 LINK NOS STORIES
  • Um paraíso de águas transparentes, e que fica no sul da Suíça!🇨🇭 

Conheça o Lago de Lugano, cercado pelos Alpes Suíços. 

#suiça #lugano #switzerland #datascience
  • Sim, você PRECISA de uma PÓS-GRADUAÇÃO em DATA SCIENCE.
  • 🇨🇭Deixei minha bagagem em um locker no aeroporto de Milão, e vim aproveitar esta última semana nos Alpes suíços!
  • Assista à cobertura completa no YT! Link nos stories 🚀
  • Traje espacial feito pela @axiom.space em parceria com a @prada 

Esse traje será usados pelos astronautas na lua.
para acompanhar as novidades do maior evento sobre espaço do mundo, veja os Stories!

#space #nasa #astronaut #rocket
  • INTERNATIONAL ASTRONAUTICAL CONGRESS - 🇮🇹IAC 2024🇮🇹

Veja a cobertura completa do evento nos DESTAQUES do meu perfil.

Esse é o maior evento de ESPAÇO do mundo! Eu e a @bnp.space estamos representando o Brasil nele 🇧🇷

#iac #space #nasa #spacex
  • 🚀 @bnp.space is building the Next Generation of Sustainable Rocket Fuel.

Join us in transforming the Aerospace Sector with technological and sustainable innovations.
  • 🚀👨‍🚀 Machine Learning para Aplicações Espaciais

Participei do maior congresso de Astronáutica do mundo, e trouxe as novidades e oportunidade da área de dados e Machine Learning para você!

#iac #nasa #spacex
  • 🚀👨‍🚀ACOMPANHE NOS STORIES

Congresso Internacional de Astronáutica (IAC 2024), Milão 🇮🇹
  • Projeto Aeroespacial do final de semana!👨‍🚀
Instagram Youtube LinkedIn Twitter
Sigmoidal

O melhor conteúdo técnico de Data Science, com projetos práticos e exemplos do mundo real.

Seguir no Instagram

Categorias

  • Aeroespacial
  • Artigos
  • Blog
  • Carreira
  • Cursos
  • Data Science
  • Deep Learning
  • Destaques
  • Entrevistas
  • IA Generativa
  • Livros
  • Machine Learning
  • Notícias
  • Python
  • Teoria
  • Tutoriais
  • Visão Computacional
  • Youtube

Navegar por Tags

camera calibration carreira chatgpt cientista de dados cnn computer vision Cursos dados desbalanceados data science data science na prática decision tree deep learning gpt-3 histograma IA generativa image formation inteligência artificial jupyter kaggle keras machine learning matplotlib mnist nft openai opencv overfitting pandas profissão python redes neurais redes neurais convolucionais regressão linear regressão logística salário scikit-learn seaborn sklearn tensorflow titanic tutorial visão computacional vídeo youtube árvore de decisão

© 2024 Sigmoidal - Aprenda Data Science, Visão Computacional e Python na prática.

Welcome Back!

Login to your account below

Forgotten Password?

Retrieve your password

Please enter your username or email address to reset your password.

Log In

Add New Playlist

Sem Resultado
Ver Todos Resultados
  • Home
  • Cursos
  • Pós-Graduação
  • Blog
  • Sobre Mim
  • Contato
  • English

© 2024 Sigmoidal - Aprenda Data Science, Visão Computacional e Python na prática.