Prowadzone przez instruktorów kursy szkoleniowe na żywo z zakresu Computer Vision online lub na miejscu demonstrują poprzez interaktywną dyskusję i praktyczne ćwiczenia podstawy Computer Vision, podczas gdy uczestnicy przechodzą przez proces tworzenia prostych aplikacji Computer Vision.
Szkolenie Computer Vision jest dostępne jako "szkolenie na żywo online" lub "szkolenie na miejscu". Szkolenie na żywo online (inaczej "zdalne szkolenie na żywo") odbywa się za pośrednictwem interaktywnego, zdalnego pulpitu. Szkolenie na żywo na miejscu może być prowadzone lokalnie w siedzibie klienta w Trójmiasto lub w korporacyjnych centrach szkoleniowych NobleProg w Trójmiasto.
NobleProg - lokalny dostawca szkoleń
Gdynia
Hotel Nadmorski, Ejsmonda 2, Gdynia, Polska, 81-409
Sala szkoleniowa znajduje się zaledwie 3 kilometry od Dworca PKP/PKS w Gdyni, co sprawia, że jest łatwo dostępna dla uczestników podróżujących pociągiem lub autobusem. Dodatkowo, jest oddalona tylko o 400 metrów od przystanku autobusowego, ułatwiając dojazd nawet tym, którzy podróżują komunikacją miejską. Wyposażona jest w niezbędne narzędzia do prowadzenia szkoleń, takie jak rzutnik, ekran oraz flipchart, co zapewnia komfortowe warunki dla uczestników i prowadzącego zajęcia.
Gdańsk
Hotel Fahrenheit, Grodzka 19, Gdańsk, Polska, 80-841
Sala szkoleniowa znajduje się w samym sercu malowniczej gdańskiej starówki, co sprawia, że otoczenie jest nie tylko inspirujące, ale także wyjątkowo atrakcyjne dla uczestników. W niedalekiej odległości można znaleźć dworzec PKP oraz PKS, ułatwiając przyjazd zarówno tym podróżującym pociągiem, jak i autobusem. Dodatkowo, lotnisko i port są również w zasięgu ręki, co czyni tę lokalizację wygodną dla osób przybywających z dalszych miejscowości, zarówno z kraju, jak i spoza jego granic.
Szkolenie prowadzone przez instruktora w Trójmiasto (online lub na miejscu) jest skierowane do inżynierów komputerowego wzroku, developerów AI i profesjonalistów IoT na poziomie średniozaawansowanym do zaawansowanym, którzy chcą wdrażać i optymalizować modele komputerowego wzroku do przetwarzania w czasie rzeczywistym na urządzeniach krawędziowych.
Po zakończeniu tego szkolenia uczestnicy będą w stanie:
Zrozumieć podstawy Edge AI i jej zastosowania w komputerowym wzroku.
Wdrażać optymalizowane modele uczenia głębokiego na urządzeniach krawędziowych do analizy obrazów i wideo w czasie rzeczywistym.
Korzystać z frameworków takich jak TensorFlow Lite, OpenVINO i NVIDIA Jetson SDK do wdrażania modeli.
Optymalizować modele AI pod kątem wydajności, efektywności energetycznej i niskiego opóźnienia wnioskowania.
Ten szkolenie prowadzone przez instruktora w formie Trójmiasto (online lub na miejscu) skierowane jest do profesjonalistów na zaawansowanym poziomie, którzy chcą pogłębić swoją wiedzę na temat wizji komputerowej i eksplorować możliwości TensorFlow do tworzenia zaawansowanych modeli wizyjnych przy użyciu Google Colab.
Po zakończeniu tego szkolenia uczestnicy będą mogli:
Budować i trenować sieci neuronowe konwolucyjne (CNNs) przy użyciu TensorFlow.
Korzystać z Google Colab do skalowalnego i wydajnego rozwoju modeli w chmurze.
Wdrażać techniki przetwarzania obrazów do zadań związanych z wizją komputerową.
Wdrażać modele wizji komputerowej do rzeczywistych zastosowań.
Używać transfer learningu do poprawy wydajności modeli CNN.
Wizualizować i interpretować wyniki modeli klasyfikacji obrazów.
CANN SDK (Compute Architecture for Neural Networks) oferuje potężne narzędzia do wdrażania i optymalizacji aplikacji AI w czasie rzeczywistym dla wizji komputerowej i przetwarzania języka naturalnego, szczególnie na sprzęcie Huawei Ascend.
Ta prowadzona przez instruktora szkolenia na żywo (online lub stacjonarnie) jest skierowana do pośrednio zaawansowanych praktyków AI, którzy chcą tworzyć, wdrażać i optymalizować modele wizji i języka przy użyciu CANN SDK dla przypadków produkcyjnych.
Na końcu tego szkolenia uczestnicy będą w stanie:
Wdrażać i optymalizować modele CV i NLP przy użyciu CANN i AscendCL.
Korzystać z narzędzi CANN do konwertowania modeli i integrowania ich w potoki na żywo.
Optymalizować wydajność wnioskowania dla zadań takich jak detekcja, klasyfikacja i analiza sentymentu.
Tworzyć potoki CV/NLP w czasie rzeczywistym dla scenariuszy wdrożenia na brzegu lub w chmurze.
Format kursu
Interaktywna prezentacja i pokaz.
Praktyczne laboratorium z wdrażaniem modeli i profilowaniem wydajności.
Projektowanie potoków na żywo przy użyciu prawdziwych przypadków CV i NLP.
Opcje dostosowywania kursu
Aby zapytać o dostosowane szkolenie dla tego kursu, prosimy skontaktować się z nami, aby uzgodnić szczegóły.
To szkolenie prowadzone przez instruktora, dostępne online lub na miejscu, jest przeznaczone dla programistów AI i inżynierów komputerowego widzenia na poziomie średnim, którzy chcą budować niezawodne systemy wizyjne dla aplikacji autonomicznego jazdy.
Na zakończenie tego szkolenia uczestnicy będą w stanie:
Zrozumieć podstawowe koncepcje komputerowego widzenia w pojazdach autonomicznych.
Wdrożyć algorytmy do wykrywania obiektów, wykrywania pasów i segmentacji semantycznej.
Integrować systemy wizyjne z innymi podsystemami pojazdów autonomicznych.
Zastosować techniki uczenia głębokiego do zaawansowanych zadań percepcji.
Oceniać wydajność modeli komputerowego widzenia w rzeczywistych scenariuszach.
Ten szkolenie prowadzone przez instruktora w Trójmiasto (online lub stacjonarne) jest skierowane do początkujących pracowników służb prawnych, którzy chcą przejść od ręcznego rysowania portretów do wykorzystywania narzędzi AI do tworzenia systemów rozpoznawania twarzy.
Po zakończeniu tego szkolenia uczestnicy będą mogli:
Zrozumieć podstawy Sztucznej Inteligencji i Machine Learning.
Nauczyć się podstaw obróbki cyfrowych obrazów i ich zastosowania w rozpoznawaniu twarzy.
Rozwinąć umiejętności w używaniu narzędzi i ram AI do tworzenia modeli rozpoznawania twarzy.
Zdobyć doświadczenie praktyczne w tworzeniu, trenowaniu i testowaniu systemów rozpoznawania twarzy.
Zrozumieć etyczne aspekty i najlepsze praktyki w używaniu technologii rozpoznawania twarzy.
To prowadzone przez instruktora szkolenie na żywo w Trójmiasto (online lub stacjonarnie) jest skierowane do początkujących i średnio zaawansowanych badaczy oraz profesjonalistów laboratoryjnych, którzy chcą przetwarzać i analizować obrazy związane z tkankami histologicznymi, komórkami krwi, glonami i innymi próbkami biologicznymi.
Na koniec tego szkolenia uczestnicy będą w stanie:
Przeglądać interfejs Fiji i wykorzystywać podstawowe funkcje ImageJ.
Wstępnie przetwarzać i poprawiać obrazy naukowe w celu lepszej analizy.
Analizować obrazy ilościowo, w tym zliczanie komórek i pomiar powierzchni.
Automatyzować powtarzające się zadania przy użyciu makr i wtyczek.
Dostosowywać przepływy pracy do konkretnych potrzeb analizy obrazów w badaniach biologicznych.
To szkolenie prowadzone przez instruktora, dostępne online lub na miejscu w Trójmiasto, jest skierowane do profesjonalistów średnio zaawansowanych, którzy chcą używać Vision Builder AI do projektowania, wdrażania i optymalizowania automatycznych systemów inspekcji dla procesów SMT (Surface-Mount Technology).
Na zakończenie tego szkolenia uczestnicy będą w stanie:
Konfigurować i ustawiać automatyczne inspekcje za pomocą Vision Builder AI.
Nabywać i przetwarzać wysokiej jakości obrazy do analizy.
Wdrażać logiczne decyzje dotyczące wykrywania defektów i walidacji procesu.
Generować raporty inspekcji i optymalizować wydajność systemu.
Ten prowadzony przez instruktora, na żywo prezentowany kurs w Trójmiasto (online lub stacjonarny) jest skierowany do programistów o poziomie średnim i zaawansowanym, badaczy i data scientistów, którzy chcą nauczyć się jak zaimplementować wykrywanie obiektów w czasie rzeczywistym przy użyciu YOLOv7.
Fiji to otwarte oprogramowanie do przetwarzania obrazów, które zawiera ImageJ (program do przetwarzania obrazów naukowych wielowymiarowych) oraz wiele wtyczek do analizy obrazów naukowych.
W tym szkoleniu prowadzonym przez instruktora uczestnicy nauczą się korzystać z dystrybucji Fiji i jej podstawowego programu ImageJ, aby stworzyć aplikację do analizy obrazów.
Na koniec tego szkolenia uczestnicy będą w stanie:
Korzystać z zaawansowanych funkcji programistycznych i komponentów oprogramowania Fiji, aby rozszerzyć ImageJ
Łączyć duże 3D obrazy z nakładających się kafelków
Automatycznie aktualizować instalację Fiji podczas uruchamiania za pomocą wbudowanego systemu aktualizacji
Wybierać spośród szerokiego wachlarza języków skryptowych, aby tworzyć niestandardowe rozwiązania do analizy obrazów
Korzystać z potężnych bibliotek Fiji, takich jak ImgLib na dużych zestawach danych bioobrazowych
Wdrażać swoją aplikację i współpracować z innymi naukowcami nad podobnymi projektami
Format kursu
Interaktywna prezentacja i dyskusja.
Wieloćwiczeń i ćwiczeń praktycznych.
Praktyczna implementacja w środowisku laboratoryjnym na żywo.
Opcje dostosowywania kursu
Aby poprosić o dostosowanie szkolenia do indywidualnych potrzeb, prosimy o kontakt z nami.
OpenCV (Open Source Computer Vision Library: http://opencv.org) to biblioteka na licencji BSD o otwartym kodzie źródłowym, która zawiera kilkaset algorytmów widzenia komputerowego.
Odbiorcy
Ten kurs jest skierowany do inżynierów i architektów, którzy chcą wykorzystać OpenCV w projektach związanych z wizją komputerową
To prowadzone przez instruktora szkolenie na żywo w Trójmiasto (na miejscu lub zdalnie) jest przeznaczone dla inżynierów oprogramowania, którzy chcą programować w Python z OpenCV 4 do głębokiego uczenia się.
Pod koniec tego szkolenia uczestnicy będą mogli
Przeglądać, ładować i klasyfikować obrazy i filmy za pomocą OpenCV 4.
Wdrożyć głębokie uczenie w OpenCV 4 z TensorFlow i Keras.
Uruchamiać modele głębokiego uczenia i generować wpływowe raporty z obrazów i filmów.
Pattern Matching to technika używana do lokalizowania określonych wzorców na obrazie. Może być używana do określenia istnienia określonych cech w przechwyconym obrazie, na przykład oczekiwanej etykiety na wadliwym produkcie w linii produkcyjnej lub określonych wymiarów komponentu. Różni się od "Pattern Recognition" (który rozpoznaje ogólne wzorce w oparciu o większe zbiory powiązanych próbek) tym, że konkretnie określa, czego szukamy, a następnie mówi nam, czy oczekiwany wzorzec istnieje, czy nie.
Format kursu
Kurs ten wprowadza podejścia, technologie i algorytmy stosowane w dziedzinie dopasowywania wzorców w odniesieniu do Machine Vision.
Komputerowe widzenie jest dziedziną zajmującą się automatycznym wyciąganiem, analizowaniem i rozumieniem użytecznych informacji z cyfrowych mediów. Python jest językiem programowania wysokiego poziomu, słynącym ze swojej jasnej składni i czytelności kodu.
W tym szkoleniu prowadzonym przez instruktora uczestnicy poznają podstawy Komputerowego Widzenia, wykonując zestaw prostych aplikacji Komputerowego Widzenia za pomocą Pythona.
Na zakończenie tego szkolenia uczestnicy będą w stanie:
Zrozumieć podstawy Komputerowego Widzenia
Używać Pythona do wdrażania zadań Komputerowego Widzenia
Budować własne systemy wykrywania twarzy, obiektów i ruchu
SimpleCV to framework typu open source - co oznacza, że jest to zbiór bibliotek i oprogramowania, które można wykorzystać do tworzenia aplikacji wizyjnych. Umożliwia pracę z obrazami lub strumieniami wideo pochodzącymi z kamer internetowych, Kinectów, kamer FireWire i IP lub telefonów komórkowych. Pomaga tworzyć oprogramowanie, dzięki któremu różne technologie nie tylko widzą świat, ale także go rozumieją.
Odbiorcy
Ten kurs jest skierowany do inżynierów i programistów, którzy chcą rozwijać aplikacje widzenia komputerowego za pomocą SimpleCV.
Ta prowadzona przez instruktora, na żywo szkolenie w Trójmiasto (online lub stacjonarnie) jest skierowane do deweloperów backendowych i naukowców danych, którzy chcą zintegrować modele predzielane YOLO w swoje programy przedsiębiorstwa oraz zaimplementować opłacalne komponenty do wykrywania obiektów.
Na koniec tego szkolenia uczestnicy będą mogli:
Zainstalować i skonfigurować niezbędne narzędzia i biblioteki wymagane w wykrywaniu obiektów za pomocą YOLO.
Dostosowywać aplikacje wiersza poleceń Pythona działające na podstawie modeli predzielanych YOLO.
Zaimplementować ramkę modeli predzielanych YOLO dla różnych projektów wizji komputerowej.
Przekonwertować istniejące zestawy danych do wykrywania obiektów na format YOLO.
Instruktor był bardzo kompetentny i otwarty na opinie dotyczące tempa przejścia przez materiał i omawiane tematy. Zyskałem dużo dzięki szkoleniu i czuję, że teraz dobrze rozumiem manipulację obrazami oraz techniki tworzenia dobrego zestawu treningowego dla problemu klasyfikacji obrazów.
