Počítačové vidění s Pythonem Počítačový Kurz

Tento intenzivní praktický kurz se zabývá pokročilými technikami programování v Pythonu, inženýrskými osvědčenými postupy a nejběžněji používanými návrhovými vzory určenými k tvorbě udržovatelných, testovatelných a vysoce výkonných aplikací v Pythonu. Klade důraz na moderní nástroje, typovou kontrolu, modely souběžnosti, architektonické principy a pracovní postupy vhodné pro nasazení do produkce.

Toto živé školení pod vedením lektora (online nebo na místě) je určeno pro programátory Pythonu na středně pokročilé až pokročilé úrovni, kteří si přejí osvojit profesionální postupy a návyky potřebné k vývoji systémů vhodných pro produkční prostředí.

Po absolvování tohoto kurzu budou účastníci schopni:

• Používat typové anotace, datové třídy a nástroje na kontrolu typů pro zvýšení spolehlivosti kódu.
• Aplikovat návrhové vzory a architektonické principy při strukturování robustních aplikací.
• Správně implementovat mechanismy souběžnosti a paralelnosti s využitím knihoven asyncio a multiprocessing.
• Vytvářet dobře testovaný kód pomocí nástroje pytest, testů založených na vlastnostech a systémů CI.
• Profilovat, optimalizovat a zabezpečovat Pythonové aplikace určené k nasazení do produkce.
• Sbalovat, distribuovat a nasazovat projekty v Pythonu pomocí moderních nástrojů a kontejnerů.

Formát kurzu

• Interaktivní přednášky doprovázené krátkými ukázkami.
• Praktické laboratoře a programovací cvičení každý den.
• Závěrečný mini-projekt, který spojuje naučené vzory, testování i nasazení.

Možnosti přizpůsobení kurzu

• Pokud si přejete požádat o individuálně upravený program nebo zaměření (např. na data, web či infrastrukturu), kontaktujte nás a domluvíme se.

Tento kurz představuje praktické inženýrské techniky pro navrhování, tvorbu, testování a nasazení agentických (autonomních) systémů pomocí jazyka Python. Probereme agenty cyklus, integraci nástrojů, správu paměti a stavu, vzory orchestrace, bezpečnostní opatření a aspekty připravenosti do produkce.

Jedná se o interaktivní školení pod vedením instruktora (online nebo na místě), určené pro inženýry strojového učení, vývojáře AI a softwarové inženýry na středně pokročilé a pokročilé úrovni, kteří si přejí vyvíjet robustní a do produkce použitelné autonomní agenty v Pythonu.

Po absolvování tohoto kurzu budou účastníci schopni:

• Navrhnout a implementovat agentický cyklus i procesy rozhodování.
• Integovat externí nástroje a API za účelem rozšíření možností agentů.
• Vytvořit architektury krátkodobé i dlouhodobé paměti pro agenty.
• Koordinovat vícestupňové orchestrace a kombinace několika agentů.
• Aplikovat osvědčené postupy v oblasti bezpečnosti, řízení přístupu a sledování chování nasazených agentů.

Formát kurzu

• Interaktivní přednášky a diskuse.
• Praktické cvičení vytvářející agenty pomocí Pythonu a populárních SDK.
• Projektové úkoly vedoucí k výsledným nasaditelným prototypům.

Možnosti přizpůsobení kurzu

• Pokud si přejete kurz uzpůsobit vašim potřebám, kontaktujte nás a domluvíme se na detailních variantách.

Tento kurz se zabývá praktickými aspekty datové vědy a umělé inteligence s využitím jazyka Python – poskytuje profesionálům dovednosti potřebné k analýze dat, tvorbě modelů strojového učení a nasazování aplikací založených na umělé inteligenci v podnikovém prostředí. Prochází se pracovními postupy CRISP-DM, statistickou analýzou, monitorováním nad dohledem i bez něj, hlubokým učením s využitím knihovny Tensorflow, zpracováním přirozeného jazyka, prací s velkými daty prostřednictvím Sparku a také tvorbou sdělení založených na datech. Je ideální volbou pro začátečníky, kteří usilují o certifikaci v oblasti datové vědy s použitím Pythonu a o profesionální školení zaměřené na analytiku.

Umělá inteligence s Pythonem spočívá v tvorbě inteligentních systémů pomocí rozsáhlého ekosystému knihoven pro AI a strojové učení, který Python nabízí.

Tento kurz pod vedením instruktora (v online či prezenční formě) je určen programátorům s Pythonem na středně pokročilé úrovni, kteří chtějí navrhovat, implementovat a nasazovat řešení založená na umělé inteligenci.

Po absolvování tohoto kurzu budou účastníci schopni:

• Implementovat algoritmy umělé inteligence s využitím hlavních knihoven pro Python.
• Pracovat s modely učení s dohledem, bez dohledu i s posilovacím učením.
• Integrovat řešení umělé inteligence do stávajících aplikací a pracovních postupů.
• Hodnotit výkonnost modelů a optimalizovat je z hlediska přesnosti i efektivity.

Forma kurzu

• Interaktivní přednášky a diskuze.
• Množství cvičení a praktických úkolů.
• Praktická implementace v prostředí reálného laboratorního testování.

Možnosti přizpůsobení kurzu

• Pokud si přejete požádat o individuálně připravený kurz, kontaktujte nás za účelem domluvy.

SDK CANN (Compute Architecture for Neural Networks) nabízí výkonné nástroje pro nasazení a optimalizaci reálných AI aplikací v oblastech počítačového vidění a zpracování přirozeného jazyka, zejména na hardwaru Huawei Ascend.

Tento živý školení pod vedením instruktora (online nebo na místě) je určeno pro AI odborníky středně pokročilé úrovně, kteří chtějí s pomocí SDK CANN budovat, nasazovat a optimalizovat modely pro zpracování obrazu a textu v produkčním prostředí.

Po absolvování tohoto školení budou účastníci schopni:

• Nasazovat a optimalizovat modely pro počítačové vidění i zpracování přirozeného jazyka pomocí nástrojů CANN a AscendCL.
• Využívat nástroje SDK CANN k konverzi modelů a jejich integraci do fungujících pipeline.
• Optimalizovat výkon při provádění inferencí – například detekce objektů, klasifikace nebo analýza sentimentu.
• Vytvářet reálné pipeline pro počítačové vidění a zpracování jazyka určené k nasazení na okraji sítě nebo v cloudu.

Formát školení

• Interaktivní přednášky a praktická ukázky.
• Praktické cvičení s nasazením modelů a analyzováním jejich výkonu.
• Návrh reálných pipeline na základě konkrétních případů použití v oblasti počítačového vidění a NLP.

Možnosti přizpůsobení kurzu

• Chcete-li si vyžádat školení na míru, kontaktujte nás a domluvíme si detaily.

Toto živé školení pod vedením instruktora České republice (online nebo na místě) je určeno pro vývojáře umělé inteligence a inženýry počítačového vidění na středně pokročilé úrovni, kteří chtějí budovat robustní vizuální systémy pro autonomní řízení.

Po absolvování tohoto kurzu budou účastníci schopni:

• Pochopit základní koncepty počítačového vidění v autonomních vozidlech.
• Implementovat algoritmy pro detekci objektů, rozpoznávání jízdních pruhů a semantickou segmentaci.
• Integrovat vizuální systémy s dalšími subsystémy autonomních vozidel.
• Využívat metody hlubokého učení k řešení pokročilých úkolů v oblasti vnímání prostředí.
• Vyhodnocovat výkonnost modelů počítačového vidění v reálných podmínkách.

Toto živé školení pod vedením instruktora České republice (online nebo na místě) je určeno profesionálům na pokročilé úrovni, kteří si chtějí prohloubit znalosti v oblasti počítačového vidění a seznámit se s možnostmi TensorFlow při tvorbě sofistikovaných modelů za pomoci Google Colab.

Po absolvování tohoto kurzu budou účastníci schopni:

• Vytvářet a trénovat konvoluční neurální sítě (CNN) pomocí TensorFlow.
• Využívat Google Colab k škálovatelnému a efektivnímu vývoji modelů v cloudovém prostředí.
• Aplikovat techniky předzpracování obrazu při řešení úloh počítačového vidění.
• Nasazovat modely počítačového vidění do reálných aplikací.
• Využívat přenosové učení ke zvýšení výkonnosti modelů CNN.
• Vizualizovat a interpretovat výsledky modelů určených k klasifikaci obrazu.

Toto školení pod vedením lektora České republice (online nebo na místě) je určeno pro programátory Pythonu a analytiky dat středně pokročilé úrovně, kteří si chtějí rozšířit dovednosti při manipulaci s daty pomocí knihoven Pandas a NumPy.

Po absolvování školení budou účastníci schopni:

• Nastavit vývojové prostředí obsahující Python, Pandas i NumPy.
• Vytvořit aplikaci na analýzu dat využívající Pandas a NumPy.
• Provádět pokročilou transformaci, řazení a filtrování dat.
• Provádět agregace a analyzovat časové řady.
• Vytvářet vizualizace pomocí knihoven jako Matplotlib.
• Ladit a optimalizovat svůj kód na zpracování dat.

Toto živé školení pod vedením instruktora v České republice (online nebo na místě) je určeno pro inženýry počítačového vidění, vývojáře AI a odborníky na IoT se středně pokročilými až pokročilými znalostmi, kteří chtějí implementovat a optimalizovat modely počítačového vidění pro reálné zpracování na hraničních zařízeních.

Po absolvování tohoto kurzu budou účastníci schopni:

• Porozumět základům Edge AI a jeho využití v oblasti počítačového vidění.
• Nasazovat optimalizované modely hlubokého učení na hraniční zařízení pro zpracování obrazu a videa v reálném čase.
• Využívat nástroje jako TensorFlow Lite, OpenVINO a NVIDIA Jetson SDK při nasazování modelů.
• Optimalizovat modely AI z hlediska výkonu, energetické efektivnosti a minimální latence.

Toto praktické školení pod vedením instruktora v České republice (online nebo na místě) je určeno pro policisty začátečníky, kteří si přejí přejít od ručního kreslení portrétů k využívání nástrojů umělé inteligence při vývoji systémů na rozpoznávání obličejů.

Po absolvování tohoto školení budou účastníci schopni:

• Pochopit základy umělé inteligence a strojového učení.
• Seznámit se se základy digitálního zpracování obrazu a jeho využitím při rozpoznávání obličejů.
• Získat dovednosti potřebné k používání nástrojů a frameworků umělé inteligence při vytváření modelů pro rozpoznávání obličejů.
• Získat praktické zkušenosti s tvorbou, trénováním a testováním systémů na rozpoznávání obličejů.
• Porozumět etickým aspektům a osvědčeným postupům při využívání technologie rozpoznávání obličejů.

Tento kurz vedený lektorem (online nebo na místě) je určen vývojářům, kteří chtějí využít stack FARM (FastAPI, React a MongoDB) pro tvorbu dynamických, vysoce výkonných a škálovatelných webových aplikací.

Po absolvování kurzu budou účastníci schopni:

• Nastavit potřebné vývojové prostředí integrující FastAPI, React a MongoDB.
• Pochopit klíčové koncepty, vlastnosti a výhody stacku FARM.
• Vytvářet REST API pomocí frameworku FastAPI.
• Navrhovat interaktivní aplikace s využitím Reactu.
• Vyvíjet, testovat a nasazovat aplikace (jak na straně front-endu, tak back-endu) pomocí stacku FARM.

Toto školení pod vedením instruktora České republice (online nebo na místě) je určeno vývojářům, kteří chtějí s pomocí FastAPI efektivněji a rychleji vytvářet, testovat a nasazovat RESTful API.

Po absolvování tohoto kurzu budou účastníci schopni:

• Nastavit potřebné vývojové prostředí pro tvorbu API v Pythonu s využitím FastAPI.
• Rychleji a snadněji vytvářet API díky knihovně FastAPI.
• Vytvářet datové modely a schémata pomocí nástrojů Pydantic a OpenAPI.
• Připojit API k databázi s využitím knihovny SQLAlchemy.
• Zajistit zabezpečení a autentizaci v rámci API prostřednictvím nástrojů FastAPI.
• Sestavovat kontejnerové obrazy a nasazovat webová API na cloudový server.

Toto školení pod vedením instruktora České republice (online nebo prezenčně) je určeno pro začínající až středně pokročilé výzkumníky a laboratorní pracovníky, kteří chtějí zpracovávat a analyzovat snímky histologických tkání, krevních buněk, řas a dalších biologických vzorků.

Po absolvování tohoto kurzu budou účastníci schopni:

• Orientovat se v rozhraní programu Fiji a využívat základní funkce ImageJ.
• Předzpracovávat a vylepšovat vědecké snímky pro lepší analýzu.
• Provádět kvantitativní analýzu obrazů, včetně počítání buněk a měření ploch.
• Automatizovat opakující se úkoly pomocí maker a pluginů.
• Přizpůsobit pracovní postupy konkrétním potřebám analýzy obrazu v rámci biologického výzkumu.

Toto školení pod vedením instruktora České republice (online nebo na místě) je určeno pro profesionály středně pokročilé úrovně, kteří chtějí s pomocí Vision Builder AI navrhovat, implementovat a optimalizovat systémy automatizované inspekce pro procesy SMT (technologie povrchové montáže).

Po absolvování tohoto školení budou účastníci schopni:

• Nastavit a konfigurovat automatizované inspekce pomocí Vision Builder AI.
• Zachytávat a předzpracovávat vysoce kvalitní snímky pro analýzu.
• Používat logická rozhodnutí k detekci vad a ověřování správnosti procesů.
• Vytvářet inspekční zprávy a optimalizovat výkon celého systému.

Toto praktické školení pod vedením lektora České republice (online nebo na místě) je určeno pro vývojáře, výzkumníky a datové vědce se středně pokročilými a pokročilými znalostmi, kteří se chtějí naučit implementovat detekci objektů v reálném čase pomocí YOLOv7.

Po absolvování tohoto kurzu budou účastníci schopni:

• Pochopit základní koncepty detekce objektů.
• Nainstalovat a nakonfigurovat YOLOv7 pro úlohy spojené s detekcí objektů.
• Vytrénovat a otestovat vlastní modely na detekci objektů pomocí YOLOv7.
• Integrovat YOLOv7 s dalšími nástroji a frameworky určenými k zpracování obrazu.
• Řešit běžné problémy při implementaci YOLOv7.