(este material tambien esta disponible en las clases de cada capitulo)
- 1.0 MÓDULO CV.01.A
- 1.1 Cap 02: GEOMETRÍA — ¿Qué es Visión por Computador?
- 1.1 Presentación [PPT]
- 0.0 MÓDULO CV.00
- 0.0 PRESENTACIÓN DEL CURSO — En qué consiste el curso?
- 0.1 Programa del curso Reconocimiento de Patrones [PDF]
- 0.1 Reglamento del Curso [PDF]
- 0.1 Documentos adicionales
- 0.1 Lineamientos del uso de la IA del DCC [PDF]
- 0.1 Lineamientos del uso de la IA en Ingeniería UC [PDF]
- 0.1 Bibliografía
- 0.1 Neural Networks and Deep Learning (Aggarwal, 2019) [Book]
- 0.1 Deep Learning (Goodfellow, 2016) [Book]
- 0.1 Computer Vision (Szeliski, 2010) [Book]
- 0.1 Multiple View Geometry in Computer Vision (Hartley, 2004) [Book]
- 0.1 Computer Vision for X-ray Testing (Mery, Pieringer, 2021) [Book]
- 0.1 Computer Vision for X-ray Testing (Mery, 2015 - Muestra Gratis) [Book]
- 1.1 ---------------------------------------------------------
- 2.0 MÓDULO CV.02.A
- 2.1 Cap 02: Geometría — Coordenadas Homogéneas
- 2.1 Presentación [PDF] [PPT]
- 2.2 Pyhton: Ejemplo de Coordenadas Homogéneas [Colab]
- 2.2 Material de apoyo para la clase
- 2.2 Datos usados en el ejemplo [Carpeta]
- 2.1 Apuntes de Visión (ver pág. 17-20) [Apuntes]
- 2.1 Libro de Visión (ver pág. 54-56) [Libro]
- 2.0 MÓDULO CV.02.B
- 2.1 Cap 02: Geometría — Transformaciones 2D
- 2.1 Presentación [PDF] [PPT]
- 2.3 Pyhton: Ejemplo de Transformaciones 2D [Colab]
- 2.3 Pyhton: Ejemplo de Mosaicos con SIFT [Colab]
- 2.1 Material de apoyo para la clase
- 2.1 Apuntes de Visión (ver pág. 21-29) [Apuntes]
- 2.1 Libro de Visión (ver pág. 56-58) [Libro]
- 2.1 ---------------------------------------------------------
- 2.1 MÓDULO CV.E01
- 2.1 Cap 02: GEOMETRÍA — Ejercicio en Clases CV.E01
- 2.1 Enunciado CV.E01 - Hacia dónde mira John Lennon [Colab]
- 2.1 Solución CV.E01 [Colab]
- 2.0 MÓDULO CV.02.C
- 2.1 Cap 02: Geometría — Transformaciones 3D
- 2.1 Presentación [PDF] [PPT]
- 2.3 Pyhton: Ejemplo de Transformaciones 3D [Colab]
- 2.1 Material de apoyo para la clase
- 2.1 Apuntes de Visión (ver pág. 29-34, 91-96) [Apuntes]
- 2.1 Libro de Visión (ver pág. 58-60, 104-106) [Libro]
- 2.0 MÓDULO CV.02.D
- 2.1 Cap 02: Geometría — Calibración
- 2.1 Presentación [PDF] [PPT]
- 2.3 Pyhton: Ejemplo de RANSAC [Colab]
- 2.3 Pyhton: Ejemplo de Calibración Simple [Colab]
- 2.3 Pyhton: Ejemplo de Calibración Pro [Colab]
- 2.3 Pyhton: Ejemplo de Calibración No Lineal [Colab]
- 2.1 Material de apoyo para la clase
- 2.1 Apuntes de Visión (ver pág. 17-20) [Apuntes]
- 2.1 Libro de Visión (ver pág. 60-71, 81-88) [Libro]
- 2.1 ---------------------------------------------------------
- 2.0 MÓDULO CV.E02
- 2.1 Cap 02: GEOMETRÍA — Ejercicio en Clases CV.E02
- 2.1 Ejercicio en clases CV.E02
- 2.1 Enunciado CV.E02 - Rectificación de perspectiva de un reloj [Colab]
- 2.1 Solución CV.E02 [Colab]
- 2.0 MÓDULO CV.02.E
- 2.1 Cap 02: Geometría — Epipolar
- 2.1 Presentación [PDF] [PPT]
- 2.3 Pyhton: Ejemplo de Geometría Epipolar [Colab]
- 2.1 Material de apoyo para la clase
- 2.1 Resumen del capítulo CV02 [Apuntes]
- 2.1 Libro de Visión (ver pág. 61-74) [Libro]
- 2.0 MÓDULO CV.02.F
- 2.1 Cap 02: Geometría — Múltiples Vistas
- 2.1 Presentación [PDF] [PPT]
- 2.3 Pyhton: Ejemplo de Reconstrucción 3D [Colab]
- 2.3 Pyhton: Ejemplo de Geometría de Multiples Vistas (Trifocal) [Colab]
- 2.1 Material de apoyo para la clase
- 2.1 Apuntes de Visión (ver pág. 17-20) [Apuntes]
- 2.1 Apuntes de Visión (ver pág. 74-87) [Apuntes]
- 2.1 Libro de Visión (ver pág. 99-102) [Libro]
- 2.0 MÓDULO CV.E03
- 2.1 Cap 02: GEOMETRÍA — Ejercicio en Clases CV.E03
- 2.1 Ejercicio en clases CV.E03
- 2.1 Enunciado CV.E03 - Calibración Cámara [Colab]
- 2.1 Solución CV.E03 [Colab]
- 2.2 ---------------------------------------------------------
- 2.0 MÓDULO CV.E04
- 2.2 Cap 02: GEOMETRÍA — Ejercicio en Clases CV.E04
- 2.2 Ejercicio en clases CV.E04
- 2.2 Enunciado CV.E04 - Geometría Epipolar [Colab]
- 2.2 Solución CV.E04 [Colab]
- 3.1 MÓDULO CV.03.A
- 3.3 Cap 03: DEEP LEARNING — Introducción
- 3.1 Presentación [PDF] [PPT]
- 3.3 ---------------------------------------------------------
- 3.1 MÓDULO CV.03.B
- 3.3 Cap 03: DEEP LEARNING — CNN
- 3.1 Presentación [PDF] [PPT]
- 3.1 Python: Ejemplo CNN ojo nariz [Colab]
- 3.1 Python: Ejemplos CNN (en VisionColab) [Colab]
- 3.3 Material de apoyo para la clase
- 3.1 Apuntes: Intro a Redes Neuronales (material del curso Reconocimiento de Patrones) [Link]
- 3.1 Apuntes: Como usar Pytorch para entrenar CNN [Blog]
- 3.1 MÓDULO CV.03.C
- 3.3 Cap 03: DEEP LEARNING — YOLO
- 3.2 Presentación [PDF] [PPT]
- 3.2 Python: Ejemplo Object Detection con YOLO [Colab]
- 3.1 MÓDULO CV.E05
- 3.3 Cap 03: DEEP LEARNING — Ejercicio en Clases CV.E05
- 3.1 Enunciado CV.E05 - CNN [Colab]
- 3.1 Solución CV.E05 [Colab]
- 3.3 ---------------------------------------------------------
- 3.1 MÓDULO CV.E06
- 3.3 Cap 03: DEEP LEARNING — Ejercicio en Clases CV.E06
- 3.2 Enunciado CV.E06 - YOLO [Colab]
- 3.2 Solución CV.E06 [Colab]
- 3.1 MÓDULO CV.03.D
- 3.3 Cap 03: DEEP LEARNING — Análisis Facial
- 3.1 Presentación [PDF] [PPT]
- 3.1 Python: Ejemplo de Reconocimiento Facial y Detección de Caras [Colab]
- 3.1 MÓDULO CV.E07
- 3.3 Cap 03: DEEP LEARNING — Ejercicio en Clases CV.E07
- 3.1 Enunciado CV.E07 - Reconocimiento Facial [Colab]
- 3.1 Solución CV.E07 [Colab]
- 3.1 MÓDULO CV.03.E
- 3.3 Cap 03: DEEP LEARNING — UNet
- 3.4 Presentación [PDF] [PPT]
- 3.4 Python: Ejemplos Segmentacion Unet [Colab]
- 3.3 Material de apoyo para la clase
- 3.4 Paper: UNet [PDF]
- 3.3 ---------------------------------------------------------
- 3.1 MÓDULO CV.E08
- 2.1 Cap 03: DEEP LEARNING — Ejercicio en Clases CV.E08
- 3.4 Enunciado CV.E08 - Unet [Colab]
- 3.4 Solución CV.E08 [Colab]
- 3.1 MÓDULO CV.03.F
- 3.3 Cap 03: DEEP LEARNING — GAN y Detección de Anomalías
- 3.3 Presentación [PDF] [PPT]
- 3.3 Python: Ejemplos GAN [Colab]
- 3.2 Python: Ejemplos Anomaly Detection [Colab]
- 3.3 ---------------------------------------------------------
- 3.1 MÓDULO CV.E09
- 3.3 Cap 03: DEEP LEARNING — Ejercicio en Clases CV.E09
- 3.3 Enunciado CV.E09 - GAN [Colab]
- 3.3 Solución CV.E09 [Colab]
- 3.1 MÓDULO CV.03.G
- 3.3 Cap 03: DEEP LEARNING — CLIP
- 3.2 Presentación [PDF] [PPT]
- 3.2 Python: CLIP [Colab]
- 3.1 MÓDULO CV.03.H
- 3.3 Cap 03: DEEP LEARNING — Transformers
- 3.3 Presentación [PDF] [PPT]
- 3.3 Material de apoyo para la clase
- 3.3 Apuntes: Tutorial de Transformers from Scratch by Umar Jamil [PPT]
- 3.3 Podcast Transformers (NotebookLM) [Audio]
- 3.3 ---------------------------------------------------------
- 3.1 MÓDULO CV.E10
- 3.3 Cap 03: DEEP LEARNING — Ejercicio en Clases CV.E10
- 3.3 Enunciado CV.E10 - Transformers [Colab]
- 3.3 Solución CV.E10 [Colab]
- 3.1 MÓDULO CV.03.I
- 3.3 Cap 03: DEEP LEARNING — Visual Transformers
- 3.3 Presentación [PDF] [PPT]
- 3.3 Python: Transformers with HuggingFace [Colab]
- 3.3 ---------------------------------------------------------
- 3.3 MÓDULO CV.03.J
- 3.3 Cap 03: DEEP LEARNING — Stable Difussion
- 3.3 Presentación [PDF] [PPT]
- 3.3 Material de apoyo para la clase
- 3.3 Difussion Models [Nota]
- 3.3 ---------------------------------------------------------
- 3.3 AYUDANTIA INTERROGACIÓN I2
- 4.1 MÓDULO CV.04.B
- 4.1 Cap 04: ÉTICA —Desafíos éticos del reconocimiento facial
- 4.2 Presentación [PPT]
- 4.1 MÓDULO CV.04.A
- 4.1 Cap 04: ÉTICA — Lo bueno, lo malo y lo feo de la IA
- 4.1 Presentación [PDF] [PPT]
- 2.1 Material de apoyo para la clase
- 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]
- 4.1 ---------------------------------------------------------
- 4.1 MÓDULO CV.04.C
- 4.1 Cap 04: ÉTICA — Herramientas I
- 4.1 Presentación [PPT]
- 4.1 PPT: Explicabilidad [PPT]
- 4.1 Material de apoyo para la clase
- 4.1 La nueva Ley 19628 de protección de datos personales Chile [YouTube]
- 4.1 Video: Adversarial Attacks [YouTube]
- 4.1 MÓDULO CV.04.D
- 4.1 Cap 04: ÉTICA — Herramientas II
- 4.1 PPT: Bias y Fairness [PPT]
- 4.2 PPT: Buenas Practicas [PPT]
- 4.1 PPT: Explicabilidad usando MinPlus [PPT]
- 2.1 Material de apoyo para la clase
- 4.1 Paper: MinPlus [Paper]
- 4.1 Python: MinPlus [Colab]
- 4.1 PPT: Challenges [PPT]
- 4.1 ---------------------------------------------------------
- 4.1 MÓDULO CV.E11
- 4.1 Cap 04: ÉTICA — Ejercicio en Clases CV.E11
- 4.1 Enunciado CV.E11 - Ética [Canvas]
- 4.1 Solución CV.E11 [Canvas]
- 4.1 AYUDANTIA PARA EXAMEN FINAL
Updated on 19-Nov-2026 at 10:52 by Domingo Mery