Processamento de Sinais Biológicos

Informações gerais do professor, disciplina e ensino:

Este repositório foi criado para o desenvolvimento de materiais que servirão de apoio para as aulas das disciplinas de Reconhecimento de Padrões e Tópicos Avançados em Ciência da Computação 2 do Departamento Acadêmico de Ciência da Computação da Universidade Tecnológica Federal do Paraná, Campus Campo Mourão. O repositório funciona como um caderno interativo que serve para ilustrar exemplos de algoritmos apresentados em aula.

Professor: Rodrigo Hübner

Horário de atendimento (mais conhecido como PAluno):

• Segunda-feira das 15:50 - 17:30;
• Terça-feira das 13:50 - 15:30.

Usando o Jupyter Notebook localmente

Instalação do Jupyter Notebook e pré-requisitos:

Os bons costumes de programação em python nos orienta a desenvolver diferentes projetos em diferentes virtual environments. Começamos criando um ambiente virtual python e o ativando:

Será utilizado comandos baseados em distribuição linux DEB (Debian, Ubuntu, Linux Mint, Elementary, etc) e majoritariamente a versão >= python 3.5.

$ sudo apt install python3-pip python3-virtualenv
$ mkdir aula && cd aula/
$ virtualenv -p python3 .
$ source bin/activate

Com o ambiente virtual python 3 instalado, é hora de instalar o Jupyter Notebook:

(aula) $ pip install --upgrade pip
(aula) $ pip install numpy scipy matplotlib scikit-learn jupyter mne

Execução do Jupyter Notebook:

(aula) $ git clone https://github.com/rodrigohubner/PSB.git && cd PSB/
(aula) $ jupyter notebook

Sequência das aulas

1. Carregamento e preparação de datasets;
2. Aplicação de filtros temporais e espaciais;
3. Exemplo de aplicação de um Multilayer Perceptron;