(este material tambien esta disponible en las clases de cada capitulo)
- 0.1 PRESENTACIÓN DEL CURSO
- 0.1 Programa del Curso (oficial) [PDF]
- 0.1 PPT: Programa del Curso [PPT]
- 0.1 Bibliografía
- 0.1 Libro: Neural Networks and Deep Learning (Aggarwal, 2019) [Book]
- 0.1 Libro: Deep Learning (Goodfellow, 2016) [Book]
- 0.1 Libro: Computer Vision (Szeliski, 2010) [Book]
- 0.1 Libro: Multiple View Geometry in Computer Vision (Hartley, 2004) [Book]
- 0.1 Libro: Computer Vision for X-ray Testing (Mery, Pieringer, 2021) [Book]
- 0.1 Libro: Computer Vision for X-ray Testing (Mery, 2015 - Muestra Gratis) [Book]
- 0.1 Video: Clase grabada (2021): Programa del Curso [YouTube]
- 1.1 Video: Clase grabada (2021): Definiciones, historia, perspectiva [YouTube]
- 2.1 Video: Clase grabada (2021): coordenadas homogeneas, lineas, puntos [YouTube]
- 1.1 INTRODUCCIÓN
- 1.1 PPT: Definiciones [PPT]
- 1.1 GEOEMETRÍA
- 2.1 PPT: Coordenadas homogeneas: puntos, lineas, planos [PPT]
- 2.1 Python: Ejemplo puntos y lineas [Colab]
- 1.2 PPT: Historia (parte 1) [PPT]
- 2.1 Apuntes: Ejercicios puntos y lineas [Guia de Ejercicio]
- 2.1 GEOEMETRÍA (cont.)
- 2.1 Python: Trabajo en Clase: E01 - Donde mira John Lennon [Colab]
- 2.1 Python: Trabajo en Clase: E01 - Soluucion [Colab]
- 2.1 PPT: Transformaciones 2D-2D [PPT]
- 2.3 PPT: Homografias [PPT]
- 2.1 Apuntes: Geometria en Vision por Computador [PDF]
- 1.2 Apuntes: Vanishing points - perspective [Video]
- 1.2 Video: Maquina de la perspectiva [Video]
- 2.1 Video: Clase grabada (2021): > Python: Trabajo en Clases - John Lennon [YouTube]
- 2.1 Video: Clase grabada (2021): Transformaciones 2D, homografias [YouTube]
- 1.1 Video: Clase grabada (2021): Definiciones, historia, perspectiva [YouTube]
- 2.1 GEOEMETRÍA (cont.)
- 2.3 Python: Ejemplo Homografias [Colab]
- 2.1 Apuntes: Ejercicio Homografias [PDF]
- 2.1 Python: Ejemplo Transformaciones 3D [Colab]
- 1.2 PPT: Historia (parte 2) [PPT]
- 2.2 Video: Clase grabada (2021): Transformaciones 3D, perspectiva [YouTube]
- 2.3 Video: Clase grabada (2021): > Python: Trabajo en Clases - Rectificacion geometrica [YouTube]
- 2.1 GEOEMETRÍA (cont.)
- 2.1 PPT: Transformaciones 3D-3D [PPT]
- 2.1 PPT: Transformaciones 3D-2D [PPT]
- 2.3 Python: Trabajo en Clase E02: Rectificacion de reloj [Colab]
- 2.3 Python: Trabajo en Clase E02: Rectificacion de reloj SOLUCION [Colab]
- 2.2 Apuntes: Demostracion minimos cuadrados [Apuntes]
- 2.2 Apuntes: Demostracion descomposicion SVD [Apuntes]
- 2.1 GEOEMETRÍA (cont.)
- 2.2 PPT: Estimacion de parametros en modelos geometricos [PPT]
- 2.2 PPT: Calibracion [PPT]
- 2.2 PPT: Estimacion de parametros en modelos geometricos (RANSAC) [PPT]
- 2.2 Python: Ejemplo de Estimacion de una recta con RANSAC [Colab]
- 2.2 Video: Clase grabada (2021): Estimacion de parametros [YouTube]
- 2.1 GEOEMETRÍA (cont.)
- 2.3 PPT: Mosaicos [PPT]
- 2.2 Python: Ejemplo Mosaicos con SIFT [Colab]
- 2.2 Video: Clase sobre SIFT (2021) de Reconocimieto de Patrones [YouTube]
- 2.2 Python: Ejemplo de Calibracion [Colab]
- 2.2 Python: Ejemplo Calibracion Pro [Colab]
- 2.2 Python: Ejemplo Calibracion No Lineal [Colab]
- 2.2 Python: Trabajo en Clases E03: Calibrar camara de proyecto [Colab]
- 2.3 Python: Solucion al > Python: Trabajo en Clase E03 [Colab]
- 2.2 Video: Clase grabada (2021): > Python: Trabajo en Clases - Calibracion [YouTube]
- 2.1 GEOEMETRÍA (cont.)
- 2.2 PPT: Reconstruccion 3D [PPT]
- 2.1 Apuntes: Geometria en Vision por Computador [PDF]
- 2.1 Python: Ejemplo Reconstruccion 3D (python) [Colab]
- 2.2 Python: Calibracion Python [Python]
- 2.2 Matlab: Ejemplo 3D de una piramide [Matlab]
- 2.2 Matlab: Ejemplo perspectiva (GUI) [Matlab]
- 2.2 Ejemplo perspectiva (fig file necesario para GUI) [Matlab]
- 2.2 Ejemplo perspectiva (funcion necesaria para GUI) [Matlab]
- 2.2 Ejemplo perspectiva (funcion necesaria para GUI) [Matlab]
- 2.2 Ejemplo perspectiva (datos mesh para GUI) [Matlab]
- 2.2 Ejemplo perspectiva (datos de perspectiva para GUI) [Matlab]
- 2.1 Apuntes: Ejercicios de transformaciones 2D y 3D [Guia de Ejercicio]
- 2.2 Video: Video de ejemplo de Reco 3D [YouTube]
- 2.2 Video: Clase grabada (2021): Transformaciones 3D, perspectiva [YouTube]
- 2.2 Video: Clase grabada (2021): Reconstruccion 3D, calibracion [YouTube]
- 2.1 GEOEMETRÍA (cont.)
- 2.4 PPT: Geometria Epipolar [PPT]
- 2.4 Python: Ejemplo geometria epipolar [Colab]
- 2.4 Video: Clase grabada (2021): Geometria epipolar [YouTube]
- 2.4 Python: Trabajo en Clase E04: Geometria epipolar [Colab]
- 2.4 Python: Solución al Trabajo en Clase E04 [Colab]
- 2.4 PPT: Proyecto [PPT]
- 2.1 GEOEMETRÍA (cont.)
- 2.4 Video: Clase grabada (2021): > Python: Trabajo en Clases - Geometria epipolar [YouTube]
- 2.4 Demo Geometría Epipolar [Matlab]
- 2.4 PPT: Aplicaciones de multiples vistas [PPT]
- 2.1 GEOEMETRÍA (cont.)
- 2.4 PPT: Geometria Trifocal [PPT]
- 2.4 Python: Ejemplo de Geometria Trifocal [Colab]
- 2.4 Matlab: Geometria Trifocal [Matlab]
- 2.4 Apuntes: Resumen del capitulo [PDF]
- 2.4 Apuntes: Geometria en Vision por Computador [PDF]
- 2.4 Video: Clase grabada (2021): Geometria trifocal, multiples vistas [YouTube]
- 0.1 Libro: Computer Vision for X-ray Testing (Mery, Pieringer, 2021) [Book]
- 0.1 Libro: Computer Vision for X-ray Testing (Mery, 2015 - Muestra Gratis) [Book]
- 3.1 DEEP LEARING
- 3.1 PPT: Introduccion a Deep Learning [PPT]
- 3.1 PPT: CNN [PPT]
- 3.1 Apuntes: Intro a Redes Neuronales (material de Patrones) [Link]
- 3.1 Apuntes: Como usar Pytorch para entrenar CNN [Blog]
- 3.1 Python: Ejemplos CNN (en VisionColab) [Colab]
- 3.1 Video: Video complementario para CNN [YouTube]
- 3.1 Video: Clase grabada (2021): Introduccion a Deep Learning [YouTube]
- 3.1 Video: Clase grabada (2021): CNN [YouTube]
- 3.1 DEEP LEARING (cont.)
- 3.1 Python: Trabajo en Clases E05: Entrenamiento CNN [Colab]
- 3.1 Python: Solucion al > Python: Trabajo en Clase E05 [Colab]
- 3.1 Python: Ejemplo CNN ojo nariz [Colab]
- 3.1 Video: Clase grabada (2021): > Python: Trabajo en Clases - CNN [YouTube]
- 3.1 DEEP LEARING (cont.)
- 3.2 PPT: Object Detection (YOLO) + Tracking [PPT]
- 3.2 Python: Ejemplo Object Detection con YOLO [Colab]
- 3.2 Video: Clase grabada (2021): YOLO [YouTube]
- 3.1 DEEP LEARING (cont.)
- 3.2 Python: Trabajo en Clases E06: YOLO (Deteccion de Mascarilla) [Colab]
- 3.2 Python: Trabajo en Clases E06: solucion [Colab]
- 3.2 Video: Clase grabada (2021): > Python: Trabajo en Clases - YOLO [YouTube]
- 3.1 DEEP LEARING (cont.)
- 3.1 PPT: Facial Analysis [PPT]
- 3.1 Python: Ejemplos Facial Analysis [Colab]
- 3.1 Video: Clase grabada (2021): Analisis facial [YouTube]
- 3.1 DEEP LEARING (cont.)
- 3.1 PPT: Facial Analysis - Analisis Social [PPT]
- 3.1 Python: Face Recognition con AdaFace Basico [Colab]
- 3.1 Python: Trabajo en Clases E07: Ejercicio de analisis facial [Colab]
- 3.1 Python: Solucion al > Python: Trabajo en Clase E07 [Colab]
- 3.1 Video: Clase grabada (2021): > Python: Trabajo en Clases - Reconocimiento facial [YouTube]
- 3.1 DEEP LEARING (cont.)
- 3.4 PPT: Unet [PPT]
- 3.4 Python: Ejemplos Segmentacion Unet [Colab]
- 3.4 Paper: UNet [PDF]
- 3.4 Video: Clase grabada (2021): Unet, GAN, deteccion de anomalias [YouTube]
- 3.4 Python: Trabajo en Clases E08: Segmentacion con Unet [Colab]
- 3.4 Python: Solucion al > Python: Trabajo en Clase E08 [Colab]
- 3.4 Tarea 02 [PPT]
- 3.1 DEEP LEARING (cont.)
- 3.3 PPT: GAN [PPT]
- 3.3 Python: Ejemplos GAN [Colab]
- 3.3 Video: Clase grabada (2021): Unet, GAN, deteccion de anomalias [YouTube]
- 3.2 Estadisticas para la deteccion del proyecto [Colab]
- 3.1 DEEP LEARING (cont.)
- 3.3 Python: Trabajo en Clases E09: Creacion de imagenes con GAN [Colab]
- 3.3 Python: Solución al Trabajo en Clases E09 [Colab]
- 3.2 PPT: Anomaly detection [PPT]
- 3.2 Python: Ejemplos Anomaly Detection [Colab]
- 3.1 DEEP LEARING (cont.)
- 3.2 PPT: CLIP [PPT]
- 3.2 Python: CLIP [Colab]
- 3.2 Video: Clase grabada (2021): Unet, GAN, deteccion de anomalias [YouTube]
- 3.1 DEEP LEARING (cont.)
- 3.3 PPT: Transformers [PPT]
- 3.3 Video: Tutorial de Transformers from Scratch by Umar Jamil [YouTube]
- 3.3 Apuntes: Tutorial de Transformers from Scratch by Umar Jamil [PPT]
- 3.3 Podcast Transformers (NotebookLM) [Audio]
- 3.1 DEEP LEARING (cont.)
- 3.3 PPT: Visual Transformers (ViT) [PPT]
- 3.3 Python: Transformers with HugginFace [Colab]
- 3.3 Python: Trabajo en Clases E10: Ejercicio de Transformers [Colab]
- 3.3 Python: Solución al Trabajo en Clases E10 [Colab]
- 4.1 ÉTICA
- 4.1 PPT: Lo Bueno lo Malo y lo Feo de la IA [PPT]
- 4.1 Descripcion del Ensayo (T03) [Canvas]
- 4.1 DEEP LEARNING (cont.)
- 3.3 PPT: Stable Difussion [PPT]
- 3.3 Difussion Models [Nota]
- 4.1 ÉTICA (cont.)
- 4.2 PPT: Desafios eticos en reconocimiento facial [PPT]
- 4.1 Paper: Fairness and Machine Learning: Barocas,Hardt, Narayanan [Book]
- 4.1 Video: Ethics in AI: A Challenging Task - Ricardo Baeza-Yates [YouTube]
- 4.1 Video: Fairness, part 1 - Moritz Hardt - MLSS 2020 [YouTube]
- 4.1 Video: Fairness, part 2 - Moritz Hardt - MLSS 2020 [YouTube]
- 4.1 Paper: A Tutorial on Fairness in Machine Learning [Nota]
- 4.2 Video: Clase grabada (2021): Etica en reconocimiento facial [YouTube]
- 4.1 ÉTICA (cont.)
- 4.2 PPT: Desafios eticos en reconocimiento facial [PPT]
- 4.1 PPT: Federated / Swarm Learning [PPT]
- 4.1 PPT: Explicabilidad [PPT]
- 4.1 Video: Clase grabada (2021): Explicabilidad [YouTube]
- 4.1 ÉTICA (cont.)
- 4.1 PPT: Bias y Fairness [PPT]
- 4.2 PPT: Buenas Practicas [PPT]
- 4.1 PPT: Explicabilidad usando MinPlus [PPT]
- 4.1 Paper: MinPlus [Paper]
- 4.1 Python: MinPlus [Colab]
- 4.1 PPT: Challenges [PPT]
- 4.2 E11 - Quiz (Canvas) [Canvas]
- 4.1 Video: Clase grabada (2021): Bias y fairness [YouTube]
- 4.1 PPT: Explicabilidad usando MinPlus [PPT]
- 4.1 Adversarial Attacks [YouTube]
- 4.1 Ayudantía []
Updated on 06-Nov-2025 at 09:48 by Domingo Mery