Você tem um projeto em mente mas falta qualificação? Neste programa, uma equipe de especialistas em Robótica lhe fornecerá as ferramentas para avançar na indústria 4.0"

A Robótica faz parte de nossa vida diária. As máquinas não estão presentes apenas no setor industrial, que cresceu enormemente graças aos avanços técnicos e científicos, mas a robótica também se aproximou do público. Não é mais incomum ver alguém com certa educação operando um drone, possuindo óculos virtuais com os quais poderá imergir nos mais recentes videogames ou casas que possuem esta tecnologia que resolve todos os tipos de problemas.

Robótica é um termo comum, presente e com um amplo futuro para profissionais de TI que desejam se capacitar em uma área com grandes possibilidades de crescimento. Este Mestrado fornece um amplo conhecimento que permitirá aos estudantes adquirir aprendizagem nas áreas de Realidade Aumentada, Inteligência Artificial, tecnologias aeroespaciais ou industriais. Tudo isso lhe permitirá ter acesso a empresas de diferentes setores ou criar seus próprios projetos de robótica.

Para que os estudantes atinjam seu objetivo, a TECH reuniu neste programa 100% online uma equipe de profissionais especializados com ampla experiência em projetos internacionais de prestígio no campo da Robótica Este perfil didático proporciona aos profissionais de TI uma abordagem teórica e prática, onde eles não somente aprenderão sobre os últimos desenvolvimentos em Robótica, mas também serão capazes de aprender sobre sua aplicação em ambientes reais.

Uma excelente oportunidade para progredir com uma qualificação que fornece desde o início um programa completo que consiste em resumos em vídeo, leituras essenciais, vídeos detalhados e exercícios de autoconhecimento. Desta forma, os estudantes adquirirão uma visão global da Robótica de forma conveniente, pois poderão acessar todo o conteúdo a qualquer momento e distribuir a carga didática de acordo com suas necessidades.  Desta forma, você poderá conciliar a aprendizagem acadêmica inovadora com suas responsabilidades pessoais.

Conecte-se sempre que quiser e a qualquer momento em todo o conteúdo deste programa de estudos. A TECH se adapta a você"

 

Este Mestrado em Robótica conta com o conteúdo mais completo e atualizado do mercado. Suas principais características são:

• O desenvolvimento de casos práticos apresentados por especialistas em Engenharia Robótica
• O conteúdo gráfico, esquemático e extremamente útil fornece informações científicas e práticas sobre as disciplinas indispensáveis para o exercício da profissão
• Exercícios práticos onde o processo de autoavaliação é realizado para melhorar a aprendizagem
• Destaque especial para as metodologias inovadoras
• Lições teóricas, perguntas aos especialistas, fóruns de discussão sobre temas controversos e trabalhos de reflexão individual
• Disponibilidade de acesso a todo o conteúdo a partir de qualquer dispositivo, fixo ou portátil, com conexão à Internet

Matricule-se agora e não perca a oportunidade de avançar nas principais tecnologias do SLAM visual"

O corpo docente do programa conta com profissionais do setor, que transferem toda a experiência adquirida ao longo de suas carreiras para esta capacitação, além de especialistas reconhecidos de instituições de referência e universidades de prestígio.

O conteúdo multimídia, desenvolvido com a mais recente tecnologia educacional, permitirá ao profissional uma aprendizagem contextualizada, ou seja, realizada através de um ambiente simulado, proporcionando uma capacitação imersiva e programada para praticar diante de situações reais.

A estrutura deste programa se concentra na Aprendizagem Baseada em Problemas, onde o profissional deverá tentar resolver as diferentes situações de prática profissional que surjam ao longo do curso acadêmico. Para isso, contará com a ajuda de um inovador sistema de vídeo interativo realizado por especialistas reconhecidos.

Desenvolva técnicas de programação limpas e eficientes em PLC com este programa universitário"

Domine a Robótica mais avançada graças à contribuição deste Mestrado sobre agentes de hardware e software"

Neste programa, ministrado em uma modalidade online, os estudantes terão acesso a um amplo conteúdo no campo da Robótica estruturado em 10 módulos que podem ser acessados a qualquer momento. A visão teórica e prática do programa de estudos pode ser adquirida mais rapidamente graças aos recursos multimídia e ao sistema Relearning, baseado na repetição do conteúdo. Desta forma, o profissional de TI terá ao seu alcance todos os conhecimentos necessários para avançar nesta área.

Matricule-se já em um programa que lhe forneça os últimos desenvolvimentos em Robótica e a Indústria 4.0"

Módulo 1. Robótica. Projeto e modelagem de robôs

1.1. Robótica e Indústria 4.0

1.1.1. Robótica e Indústria 4.0
1.1.2. Campos de aplicação e casos de uso
1.1.3. Subáreas de especialização em Robótica

1.2. Arquiteturas de hardware e software de robôs

1.2.1. Arquiteturas hardware e tempo real
1.2.2. Arquiteturas de software de robôs
1.2.3. Modelos de comunicação e tecnologias de Middleware
1.2.4. Integração de software com Robot Operating System (ROS)

1.3. Modelagem matemática de robôs

1.3.1. Representação matemática de sólidos rígidos
1.3.2. Rotações e translações
1.3.3. Representação hierárquica do estado
1.3.4. Representação distribuída do estado em ROS (Biblioteca TF)

1.4. Cinemática e dinâmica de robôs

1.4.1. Cinemática
1.4.2. Dinâmica
1.4.3. Robôs subatuados
1.4.4. Robôs redundantes

1.5. Modelagem de robôs e simulação

1.5.1. Tecnologias de modelagem de robôs
1.5.2. Modelagem de robôs com URDF
1.5.3. Simulação de robôs
1.5.4. Modelagem com simulador Gazebo

1.6. Robôs manipuladores

1.6.1. Tipos de robôs manipuladores
1.6.2. Cinemática
1.6.3. Dinâmica
1.6.4. Simulação

1.7. Robôs móveis terrestres

1.7.1. Tipos de robôs móveis terrestres
1.7.2. Cinemática
1.7.3. Dinâmica
1.7.4. Simulaçã

1.8. Robôs móveis aéreos

1.8.1. Tipos de robôs móveis aéreos
1.8.2. Cinemática
1.8.3. Dinâmica
1.8.4. Simulação

1.9. Robôs móveis aquáticos

1.9.1. Tipos de robôs móveis aquáticos
1.9.2. Cinemática
1.9.3. Dinâmica
1.9.4. Simulação

1.10. Robôs bioinspirados

1.10.1. Humanoides
1.10.2. Robôs com quatro ou mais pernas
1.10.3. Robôs modulares
1.10.4. Robôs com peças flexíveis (Soft-Robotics)

Módulo 2. Agentes inteligentes. Aplicação da Inteligência Artificial a Robôs e Softbots

2.1. Agentes Inteligentes e Inteligência Artificial

2.1.1. Robôs inteligentes. Inteligência Artificial
2.1.2. Agentes inteligentes

2.1.2.1. Agentes hardware. Robôs
2.1.2.2. Agentes software. Softbots

2.1.3. Aplicações na Robótica

2.2. Conexão cérebro e argoritmo

2.2.1. Inspiração biológica da Inteligência Artificial
2.2.2. Raciocínio implementado em algoritmos. Tipologia
2.2.3. Explicabilidade dos resultados em algoritmos de Inteligência Artificial
2.2.4. Evolução dos algoritmos até o  Deep Learning

2.3. Algoritmos de busca no espaço de soluções

2.3.1. Elementos na busca no espaço de soluções
2.3.2. Algoritmos de busca de soluções para problemas de Inteligência Artificial
2.3.3. Aplicações de algoritmos de busca e otimização
2.3.4. Algoritmos de busca aplicados à aprendizagem automática

2.4. Aprendizagem automática

2.4.1. Aprendizagem automática
2.4.2. Algoritmos de aprendizagem supervisionada
2.4.3. Algoritmos de aprendizagem não supervisionada
2.4.4. Algoritmos de Aprendizagem por Reforço

2.5. Aprendizagem supervisionada

2.5.1. Métodos de aprendizagem supervisionada
2.5.2. Árvores de decisão para classificação
2.5.3. Máquinas de suporte de vetores
2.5.4. Redes neurais artificiais
2.5.5. Aplicações da aprendizagem supervisionada

2.6. Aprendizagem não supervisionada

2.6.1. Aprendizagem não supervisionada
2.6.2. Redes de Kohonen
2.6.3. Mapas auto-organizados
2.6.4. Algoritmo K-médias

2.7. Aprendizagem por reforço

2.7.1. Aprendizagem por reforço
2.7.2. Agentes baseados nos processos Markov
2.7.3. Algoritmos de Aprendizagem por Reforço
2.7.4. Aprendizagem por Reforço aplicado à Robótica

2.8. Redes neurais artificiais e Deep Learning

2.8.1. Redes neurais artificiais. Tipologia
2.8.2. Aplicações de redes neurais
2.8.3. Transformação do Machine Learning ao Deep Learning
2.8.4. Aplicações de Deep Learning

2.9. Inferência probabilística

2.9.1. Inferência probabilística
2.9.2. Tipos de inferência e definição do método
2.9.3. A inferência Bayesiana como um estudo de caso
2.9.4. Técnicas de inferência não paramétricas
2.9.5. Filtros Gaussianos

2.10. Da teoria à prática: desenvolvendo um agente inteligente robótico

2.10.1. Inclusão de módulos de aprendizagem supervisionada em um agente robótico
2.10.2. Inclusão de módulos de aprendizagem por Reforço em um agente robótico
2.10.3. Arquitetura de um agente robótico controlado por Inteligência Artificial
2.10.4. Ferramentas profissionais para a implementação de agentes inteligentes
2.10.5. Fases na implementação de algoritmos de IA em agentes robóticos

Módulo 3. A robótica na automação de processos industriais

3.1. Design de sistemas automatizados

3.1.1. Arquiteturas de hardware
3.1.2. Controladores lógicos programáveis
3.1.3. Redes de comunicação industrial

3.2. Projeto elétrico avançado I: automação

3.2.1. Projeto de painéis elétricos e simbologia
3.2.2. Circuitos de potência e controle. Harmônicas
3.2.3. Elementos de proteção e aterramento

3.3. Projeto elétrico avançado II: determinismo e segurança

3.3.1. Segurança das máquinas e redundância
3.3.2. Relés de segurança e disparadores
3.3.3. PLCs de segurança
3.3.4. Redes seguras

3.4. Funcionamento elétrico

3.4.1. Motores e servomotores
3.4.2. Variadores de frequência e controladores
3.4.3. Robótica industrial de acionamento elétrico

3.5. Acionamento hidráulico e pneumático

3.5.1. Projeto hidráulico e simbologia
3.5.2. Projeto pneumático e simbologia
3.5.3. Ambientes ATEX em automação

3.6. Transdutores em Robótica e Automação

3.6.1. Medição de posição e velocidade
3.6.2. Medição de força e temperatura
3.6.3. Medida de presença
3.6.4. Sensores para visão

3.7. Programação e configuração de controladores lógicos programáveis PLCs

3.7.1. Programação PLC: LD
3.7.2. Programação PLC: ST
3.7.3. Programação PLC: FBD e CFC
3.7.4. Programação PLC: SFC

3.8. Programação e configuração de equipamentos em plantas industriais

3.8.1. Programação de variadores e controladores
3.8.2. Programação de HMI
3.8.3. Programação de robôs manipuladores

3.9. Programação e configuração de equipamentos TI industriais

3.9.1. Programação de sistemas de visão
3.9.2. Programação de SCADA/software
3.9.3. Configuração de redes

3.10. Implementação de automatismos

3.10.1. Projeto de máquinas de estado
3.10.2. Implementação de máquinas de estado em PLCs
3.10.3. Implementação de sistemas de controle analógico PID em PLCs
3.10.4. Manutenção da automação e higiene do código
3.10.5. Simulação de automatismos e plantas

Módulo 4. Sistemas de Controle Automático em Robótica

4.1. Análise e design de sistemas Não linear

4.1.1. Análise e modelagem de sistemas não lineares
4.1.2. Controle com retroalimentação
4.1.3. Linearização por retroalimentação

4.2. Projeto de técnicas de controle para sistemas não lineares avançados

4.2.1. Controle em modo deslizante (Sliding Mode control)
4.2.2. Controle baseado em Lyapunov e Backstepping
4.2.3. Controle baseado em passividade

4.3. Arquiteturas de controle

4.3.1. O paradigma da robótica
4.3.2. Arquiteturas de controle
4.3.3. Aplicações e exemplos de arquiteturas de controle

4.4. Controle de movimento para braços robóticos

4.4.1. Modelagem cinemática e dinâmica
4.4.2. Controle no espaço das articulações
4.4.3. Controle no espaço operacional

4.5. Controle de força em atuadores

4.5.1. Controle de força
4.5.2. Controle de Impedância
4.5.3. Controle híbrido

4.6. Robôs móveis terrestres

4.6.1. Equações de movimento
4.6.2. Técnicas de controle para robôs terrestres
4.6.3. Manipuladores móveis

4.7. Robôs móveis aéreos

4.7.1. Equações de movimento
4.7.2. Técnicas de controle para robôs aéreos
4.7.3. Manipulação aérea

4.8. Controle baseado em técnicas de aprendizagem automática

4.8.1. Controle por aprendizagem supervisionada
4.8.2. Controle por aprendizagem reforçado
4.8.3. Controle por aprendizagem não supervisionada

4.9. Controle baseado em visão

4.9.1. Visual Servoing baseado em posição
4.9.2. Visual Servoing baseado em imagem
4.9.3. Visual Servoing híbrido

4.10. Controle preditivo

4.10.1. Modelagem e estimativa de estado
4.10.2. MPC aplicado a Robôs Móveis
4.10.3. MPC aplicado aos UAVs

Módulo 5. Algoritmos de planejamento de robôs

5.1. Algoritmos de planejamento clássico

5.1.1. Planejamento discreto: espaço de estados
5.1.2. Problemas de planejamento em Robótica. Modelos de sistemas robóticos
5.1.3. Classificação de planejadores

5.2. O problema de planejamento da trajetória em robôs móveis

5.2.1. Formas de representação do ambiente: grafos
5.2.2. Algoritmos de busca em grafos
5.2.3. Introdução de custos nos grafos
5.2.4. Algoritmos de busca em grafos pesados
5.2.5. Algoritmos com enfoque de qualquer ângulo

5.3. Planejamento em sistemas robóticos de alta dimensionalidade

5.3.1. Problemas de Robótica de alta dimensionalidade: manipuladores
5.3.2. Modelo cinemático direto/inverso
5.3.3. Algoritmos de planejamento de amostragem PRM e RRT
5.3.4. Planejamento para restrições dinâmicas

5.4. Planejamento de amostras otimizado

5.4.1. Problemas dos planejadores baseados em amostras
5.4.2. Conceito de otimização probabilística RRT*
5.4.3. Etapa de reconexão: restrições dinâmicas
5.4.4. CForest. Planejamento paralelo

5.5. Implementação real de um sistema de planejamento de movimentos

5.5.1. Problema de planejamento geral. Ambientes dinâmicos
5.5.2. Ciclo de ação, sensorização. Aquisição de informações do ambiente
5.5.3. Planejamento local e global

5.6. Coordenação em sistemas multi-robô I: sistema centralizado

5.6.1. Problema de coordenação multi-robô
5.6.2. Detecção e resolução de colisões: modificação de trajetória com Algoritmos Genéticos
5.6.3. Outros algoritmos de bioinspiração: enxame de partículas e fogos de artifício
5.6.4. Algoritmo para evitar colisões por escolha de manobras

5.7. Coordenação em sistemas multi-robô II: abordagens distribuídas I

5.7.1. Uso de funções de objetivo complexas
5.7.2. Eficiência de Pareto
5.7.3. Algoritmos evolutivos multiobjetivo

5.8. Coordenação em sistemas multi-robô III: abordagens distribuídas II

5.8.1. Sistemas de planificação de ordem 1
5.8.2. Algoritmo ORCA
5.8.3. Adicionadas  de restrições cinemáticas e dinâmicas na ORCA

5.9. Teoria do planejamento da decisão

5.9.1. Teoria da decisão
5.9.2. Sistemas de decisão sequencial
5.9.3. Sensores e espaços de informação
5.9.4. Planejamento de incertezas em sensoriamento e atuação

5.10. Sistemas de planejamento de aprendizagem por reforço

5.10.1. Obtenção da recompensa esperada de um sistema
5.10.2. Técnicas de aprendizagem por recompensa média
5.10.3. Aprendizagem por reforço inverso

Módulo 6. Técnicas de visão artificial em robótica: processamento e análise de imagens

6.1. Visão por computador

6.1.1. Visão por computador
6.1.2. Elementos de um sistema de visão computacional
6.1.3. Ferramentas matemáticas

6.2. Sensores óticos para robótica

6.2.1. Sensores óticos passivos
6.2.2. Sensores óticos ativos
6.2.3. Sensores não óticos

6.3. Aquisição de imagens

6.3.1. Representação de imagens
6.3.2. Espaço de cores
6.3.3. Processo de digitalização

6.4. Geometria das imagens

6.4.1. Modelos de lentes
6.4.2. Modelos de câmeras
6.4.3. Calibração de câmeras

6.5. Ferramentas matemáticas

6.5.1. Histograma de uma imagem
6.5.2. Convolução
6.5.3. Transformada de Fourier

6.6. Pré-processamento de imagens

6.6.1. Análise de ruídos
6.6.2. Suavização de imagem
6.6.3. Aperfeiçoamento de imagem

6.7. Segmentação de imagens

6.7.1. Técnicas baseadas em contornos
6.7.3. Técnicas baseadas em histograma
6.7.4. Operações morfológicas

6.8. Detecção de características na imagem

6.8.1. Detecção de pontos de interesse
6.8.2. Descritores de características
6.8.3. Correspondências entre características

6.9. Sistemas de visão 3D

6.9.1. Percepção 3D
6.9.2. Correspondência de características entre as imagens
6.9.3. Geometria com múltiplas vistas

6.10. Localização baseada na Visão Artificial

6.10.1. O problema da localização de robôs
6.10.2. Odometria visual
6.10.3. Fusão sensorial

Módulo 7. Sistemas de percepção visual de robôs com aprendizagem automática

7.1. Métodos de aprendizagem não supervisionados aplicados à visão artificial

7.1.1. Clustering
7.1.2. PCA
7.1.3. Nearest Neighbors
7.1.4. Similarity and matrix decomposition

7.2. Métodos de aprendizagem supervisionados aplicados à visão artificial

7.2.1. Conceito “Bag of words”
7.2.2. Máquinas de suporte de vetores
7.2.3. Latent Dirichlet Allocation
7.2.4. Redes Neurais

7.3. Redes Neurais Profundas: estruturas,  Backbones e Transfer Learning

7.3.1. Camadas geradoras de Features

7.3.3.1. VGG
7.3.3.2. Densenet
7.3.3.3. ResNet
7.3.3.4. Inception
7.3.3.5. GoogLeNet

7.3.2. Transfer Learning
7.3.3. Os dados. Preparação para o treinamento

7.4. Visão artificial com aprendizado profundo I: detecção e segmentação

7.4.1. Diferenças e semelhanças entre YOLO e SSD
7.4.2. Unet
7.4.3. Outras estruturas

7.5. Visão Computacional com aprendizagem profunda II: Generative Adversarial Networks

7.5.1. Super-resolução de imagens usando GAN
7.5.2. Criação de imagens realistas
7.5.3. Scene understanding

7.6. Técnicas de aprendizagem para localização e mapeamento em robótica móvel

7.6.1. Detecção de fechamento de loop e realocação
7.6.2. Magic Leap. Super Point e Super Glue
7.6.3. Depth from Monocular

7.7. Inferência Bayesiana e modelagem 3D

7.7.1. Modelos Bayesianos e aprendizagem "clássica"
7.7.2. Superfícies implícitas com processos gaussianos (GPIS)
7.7.3. Segmentação 3D usando GPIS
7.7.4. Redes neurais para modelagem de superfícies 3D

7.8. Aplicações End-to-End das Redes Neurais Profundas

7.8.1. Sistema End-to-end. Exemplo de identificação de pessoas
7.8.2. Manipulação de objetos com sensores visuais
7.8.3. Geração de movimentos e planejamento com sensores visuais

7.9. Tecnologias na nuvem para acelerar o desenvolvimento de algoritmos de Deep Learning

7.9.1. Uso de GPU para o Deep Learning
7.9.2. Desenvolvimento ágil com Google IColab
7.9.3. GPUs remotas, Google Cloud e AWS

7.10. Implantação de Redes Neurais em aplicações reais

7.10.1. Sistemas embutidos
7.10.2. Implantação de Redes Neurais. Uso
7.10.3. Otimizações de rede na implantação, exemplo com o TensorR

Módulo 8. SLAM Visual. Localização de robôs e mapeamento simultâneo através técnicas de Visão Artificial

8.1. Localização e Mapeamento Simultâneo (SLAM)

8.1.1. Localização e Mapeamento Simultâneo. SLAM
8.1.2. Aplicações do SLAM
8.1.3. Funcionamento do SLAM

8.2. Geometria projetiva

8.2.1. Modelo Pin-Hole
8.2.2. Estimativa de parâmetros intrínsecos de uma câmera
8.2.3. Homografia, princípios básicos e estimativa
8.2.4. Matriz fundamental, princípios e estimativa

8.3. Filtros Gaussianos

8.3.1. Filtro de Kalman
8.3.2. Filtro de informação
8.3.3. Ajuste e parametrização dos filtros Gaussianos

8.4. Estéreo EKF-SLAM

8.4.1. Geometria de câmera estéreo
8.4.2. Extração e busca de características
8.4.3. Filtro Kalman para SLAM estéreo
8.4.4. Ajustes de parâmetros de EKF-SLAM estéreo

8.5. Monocular EKF-SLAM

8.5.1. Parametrização de Landmarks em EKF-SLAM
8.5.2. Filtro de Kalman para SLAM monocular
8.5.3. Ajustes de parâmetros EKF-SLAM monocular

8.6. Detecção de fechamento de loop

8.6.1. Algoritmo de força bruta
8.6.2. FABMAP
8.6.3. Abstração usando GIST e HOG
8.6.4. Detecção mediante aprendizagem profunda

8.7. Graph-SLAM

8.7.1. Graph-SLAM
8.7.2. RGBD-SLAM
8.7.3. ORB-SLAM

8.8. Direct Visual SLAM

8.8.1. Análise do algoritmo Direct Visual SLAM
8.8.2. LSD-SLAM
8.8.3. SVO

8.9. Visual Inertial SLAM

8.9.1. Integração de medidas inerciais
8.9.2. Baixo acoplamento: SOFT-SLAM
8.9.3. Alto acoplamento: Vins-Mono

8.10. Outras tecnologias de SLAM

8.10.1. Aplicações além do SLAM visual
8.10.2. Lidar-SLAM
8.10.2. Range-only SLAM

Módulo 9. Aplicação à Robótica das Tecnologias de Realidade Virtual e Aumentada

9.1. Tecnologias imersivas em robótica

9.1.1. Realidade Virtual em Robótica
9.1.2. Realidade Aumentada em Robótica
9.1.3. Realidade Mistas em Robótica
9.1.4. Diferença entre realidades

9.2. Construção de ambientes virtuais

9.2.1. Materiais e texturas
9.2.2. Iluminação
9.2.3. Sons e cheiros virtuais

9.3. Modelagem de robôs em ambientes virtuais

9.3.1. Modelagem geométrica
9.3.2. Modelagem física
9.3.3. Padronização dos modelos

9.4. Modelagem da dinâmica e cinemática dos robôs: motores físicos virtuais

9.4.1. Motores físicos. Tipologia
9.4.2. Configuração de um motor físico
9.4.3. Motores físicos na indústria

9.5. Plataformas, periféricos e ferramentas mais comumente utilizadas em Realidade Virtual

9.5.1. Visores de Realidade Virtual
9.5.2. Periféricos de interação
9.5.3. Sensores virtuais

9.6. Sistemas de Realidade Aumentada

9.6.1. Inserção de elementos virtuais na realidade
9.6.2. Tipos de marcadores visuais
9.6.3. Tecnologias de Realidade Aumentada

9.7. Metaverso: ambientes virtuais de agentes inteligentes e pessoas

9.7.1. Criação de avatares
9.7.2. Agentes inteligentes em ambientes virtuais
9.7.3. Construção de ambientes multiusuários para VR/AR

9.8. Criação de projetos de Realidade Virtual para Robótica

9.8.1. Fases de desenvolvimento de um projeto de Realidade Virtual
9.8.2. Implantação de sistemas de Realidade Virtual
9.8.3. Recursos de Realidade Virtual

9.9. Criação de projetos de Realidade Aumentada para Robótica

9.9.1. Fases de desenvolvimento de um projeto de Realidade Aumentada
9.9.2. Implantação de Projeto de Realidade Aumentada
9.9.3. Recursos de Realidade Aumentada

9.10. Teleoperação de robôs com dispositivos móveis

9.10.1. Realidade mista em dispositivos móveis
9.10.2. Sistemas imersivos utilizando sensores de dispositivos móveis
9.10.3. Exemplos de projetos móveis

Módulo 10. Sistemas de comunicação e interação com robôs

10.1. Reconhecimento da fala: sistemas estocásticos

10.1.1. Modelagem acústica da fala
10.1.2. Modelos ocultos de Markov
10.1.3. Modelagem linguística da fala: N-Gramas, gramáticas BNF

10.2. Reconhecimento da fala: Deep Learning

10.2.1. Redes neurais profundas
10.2.2. Redes neurais recorrentes
10.2.3. Células LSTM

10.3. Reconhecimento da fala: prosódia e efeitos ambientais

10.3.1. Ruído ambiente
10.3.2. Reconhecimento de múltiplos locutores
10.3.3. Patologias na fala

10.4. Compreensão da linguagem natural: sistemas heurísticos e probabilísticos

10.4.1. Análise sintático-semântica: regras linguísticas
10.4.2. Compreensão baseada em regras heurísticas
10.4.3. Sistemas probabilísticos: regressão logística e SVM
10.4.4. Compreensão baseada em redes neurais

10.5. Gestão do diálogo: estratégias heurísticas/probabilísticas

10.5.1. Intenção do interlocutor
10.5.2. Diálogo baseado em modelos
10.5.3. Gestão do diálogo estocástico: redes Bayesianas

10.6. Gestão do diálogo: estratégias avançadas

10.6.1. Sistemas de aprendizagem baseados em reforços
10.6.2. Sistema baseada em redes neurais
10.6.3. Da fala à intenção em uma única rede

10.7. Geração de respostas e síntese da fala

10.7.1. Geração de respostas: da ideia ao texto coerente
10.7.2. Síntese da fala por concatenação
10.7.3. Síntese da fala estocástica

10.8. Adaptação e contextualização do diálogo

10.8.1. Iniciativa de diálogo
10.8.2. Adaptação ao locutor
10.8.3. Adaptação ao contexto do diálogo

10.9. Robôs e interações sociais: reconhecimento, síntese e expressão de emoções

10.9.1. Paradigmas de voz artificial: voz robótica e voz natural
10.9.2. Reconhecimento das emoções e análise dos sentimentos
10.9.3. Síntese de vozes emocionais

10.10. Robôs e interações sociais: interfaces multimodais avançadas

10.10.1. Combinação de interfaces de voz e de toque
10.10.2. Reconhecimento e tradução de linguagem de sinais
10.10.3. Avatares visuais: tradução de voz para linguagem de sinais

Acesse todo o conteúdo deste Mestrado desde o primeiro dia e avance o em uma área tecnológica com uma ampla variedade de oportunidades profissionais"