Sigmoidal — Notebooks de Visão Computacional e Deep Learning

---

Repositório com os Jupyter Notebooks dos artigos publicados no Sigmoidal.ai, o blog de Data Science e Visão Computacional do Carlos Melo.

Cada pasta contém o notebook completo com código, dados e instruções para rodar no Google Colab.

Sobre o autor

Carlos Melo é Data Scientist com mais de 8 anos de experiência e especialização em Visão Computacional. Trabalha com Python, PyTorch, TensorFlow e Scikit-learn em projetos de deep learning aplicado. Portador de Green Card EB1A (Extraordinary Ability), concedido a profissionais reconhecidos por realizações excepcionais em sua área.

Antes da carreira em dados, foi piloto militar com mais de 1.000 horas de voo, executando missões em condições extremas e coordenando operações aeroespaciais complexas.

Notebooks

Notebook	Abrir no Colab
Vision Transformer (ViT)
Grad-CAM: Visualizando CNNs
Transfer Learning com PyTorch
YOLOv9: Dataset Personalizado
YOLOv9: Detecção de Objetos
Depth Anything
Detecção de Blur com FFT
Calibração de Câmera com OpenCV
Amostragem e Quantização
Equalização de Histograma com OpenCV
Geometria e Formação de Imagens
Processamento de Nuvens de Pontos com Open3D
Introdução ao MediaPipe e Pose Estimation
ORB-SLAM 3: Guia de Instalação
k-NN para Classificação de Estrelas RR Lyrae
Redshifts Fotométricos com k-NN

Como usar

Todos os notebooks podem ser executados diretamente no Google Colab. Basta abrir o notebook desejado e clicar no botão "Open in Colab" no topo do arquivo.

Para rodar localmente:

git clone https://github.com/carlosfab/blog-sigmoidal.git
cd blog-sigmoidal
pip install -r requirements.txt  # quando disponível na pasta do notebook

Licença

O código deste repositório é disponibilizado para fins educacionais. Consulte cada notebook para detalhes específicos de licenciamento.