Počítačové vidění s Pythonem Počítačový Kurz

Caffe je rámec pro hluboké učení navržený s výrazivostí, rychlostí a modularitou na mysli.

Tento kurz se zabývá použitím Caffee jako rámce pro hluboké učení pro rozpoznávání obrázků pomocí MNIST jako příkladu

Cílová skupina

Tento kurz je určený odborníkům na hluboké učení a inženýrům, kteří se zajímají o využití Caffee jako rámce.

Po absolvování tohoto kurzu budou účastníci schopni:

• porozumět struktuře a mechanismům nasazení Caffee
• provádět úkoly související s instalací, produkčním prostředím/architekturou a konfigurací
• posuzovat kvalitu kódu, provádět ladění a monitorování
• implementovat pokročilé produkční úlohy jako trénink modelů, implementace vrstev a logování

Tato vedená instruktorem živá školení (online nebo na místě) je zaměřena na datové analytiky a softwarové inženýry, kteří chtějí použít Dask s ekosystémem Pythonu k vytváření, škálování a analýze velkých datasetů.

Koncepcí tohoto školení je, že účastníci budou schopni:

• Nastavit prostředí pro zahájení vytváření zpracování velkých dat s Daskem a Pythonem.
• Prozkoumat funkce, knihovny, nástroje a rozhraní API dostupné v Dasku.
• Pochopit, jak Dask zrychluje paralelní výpočty v Pythonu.
• Naučit se škálovat ekosystém Pythonu (Numpy, SciPy a Pandas) pomocí Dasku.
• Optimalizovat prostředí Dask pro udržení vysokého výkonu při zpracování velkých datasetů.

Tento vedený instruktorem živý školení na místě nebo online je určen pro středně pokročilé Python vývojáře a analytiky dat, kteří chtějí posílit své dovednosti v analýze a manipulaci s daty pomocí Pandas a NumPy.

Do konce tohoto školení budou účastníci schopni:

• Nastavit vývojové prostředí, které zahrnuje Python, Pandas a NumPy.
• Vytvořit aplikaci pro analýzu dat pomocí Pandas a NumPy.
• Provádět pokročilou manipulaci s daty, řazení a filtrování operací.
• Provádět agregované operace a analyzovat časové série dat.
• Vizualizovat data pomocí Matplotlibu a dalších knihoven pro vizualizaci.
• Ladit a optimalizovat svůj kód pro analýzu dat.

Tento instruktorův živý kurz v České republice (online nebo na místě) je určen pro začátečnické personál kriminální policie, kteří chtějí přejít z ručního tvářového kreslení k použití nástrojů umělé inteligence pro vyvíjení systémů rozpoznávání tváří.

Po absolvování tohoto kurzu budou účastníci schopni:

• Porozumět základům umělé inteligence a strojového učení.
• Získat základní znalosti o digitálním zpracování obrazu a jeho aplikaci v rozpoznávání tváří.
• Rozvíjet dovednosti ve využívání nástrojů a rámčových architektur umělé inteligence pro vytvoření modelů rozpoznávání tváří.
• Získejte praktické zkušenosti s vytvářením, tréninkem a testováním systémů rozpoznávání tváří.
• Porozumět etickým aspektům a nejlepším postupům při použití technologií rozpoznávání tváří.

Tato vedená instruktorem živá školení (online nebo na místě) je určená pro vývojáře, kteří chtějí použít stack FARM (FastAPI, React a MongoDB) k vytváření dynamických, vysokorychlostních a škálovatelných webových aplikací.

Koncem tohoto školení budou účastníci schopni:

• Nastavit nezbytné vývojové prostředí, které integruje FastAPI, React a MongoDB.
• Porozumět klíčovým konceptům, funkcím a výhodám stacku FARM.
• Přihrádat, jak vytvářet REST API pomocí FastAPI.
• Přihrádat, jak navrhovat interaktivní aplikace s Reactem.
• Vývoj, testování a nasazování aplikací (front-end i back-end) pomocí stacku FARM.

Toto instruktorem vedené živé školení (online nebo na místě) je zaměřeno na vývojáře, kteří se chtějí naučit používat FastAPI s Pythonem k snadnějšímu a rychlejšímu vytváření, testování a nasazování RESTful API.

Na konci tohoto školení budou účastníci schopni:

• Nastavit nezbytné vývojové prostředí pro vytváření API pomocí Pythonu a FastAPI.
• Vytvářet API rychleji a snadněji s použitím knihovny FastAPI.
• Naučit se, jak vytvářet datové modely a schémata založená na Pydanticu a OpenAPI.
• Připojovat API k databázím s použitím SQLAlchemy.
• Implementovat bezpečnostní mechanismy a ověřování v API pomocí nástrojů FastAPI.
• Vytvářet kontejnerové image a nasazovat webové API na cloudový server.

Fiji je otevřený software pro zpracování obrazu, který obsahuje ImageJ (program pro zpracování vědeckých multidimenzionálních obrazů) a řadu doplňků pro analýzu vědeckých obrazů.

V tomto instruktorem vedeném živém školení se účastníci naučí, jak použít distribuci Fiji a její základní program ImageJ k vytvoření aplikace pro analýzu obrazu.

K konci tohoto školení budou účastníci schopni:

• Používat pokročilé programovací funkce a softwareové komponenty Fiji k rozšíření ImageJ
• Sestavovat velké 3D obrazy ze překrývajících se dlaždic
• Automaticky aktualizovat instalaci Fiji při spuštění pomocí integrovaného systému aktualizací
• Volit z široké palety skriptovacích jazyků pro vytváření vlastních řešení analýzy obrazu
• Používat silné knihovny Fiji, jako je ImgLib, na velkých bioimage souborech dat
• Nasazovat svou aplikaci a spolupracovat s dalšími vědci na podobných projektech

Formát kurzu

• Interaktivní přednáška a diskuse.
• Spousta cvičení a praktické práce.
• Praktické implementace v živém laboratorním prostředí.

Možnosti přizpůsobení kurzu

• Pro požadavek na přizpůsobené školení prosím kontaktujte.

Toto školitelovo prováděné živé školení v České republice (online nebo na místě) je zaměřeno na začínající až středně pokročilé výzkumníky a laboratorní pracovníky, kteří chtějí zpracovávat a analyzovat obrazy související s histologickými tkáními, krvekапу, řasami a jinými biologickými vzorky.

Na konci tohoto školení budou účastníci schopni:

• Pohybovat se v rozhraní Fiji a využívat základní funkce ImageJ.
• Předzpracovat a vylepšit vědecké obrazy pro lepší analýzu.
• Analyzovat obrazy kvantitativně, včetně počítání buněk a měření ploch.
• Automatizovat opakující se úkoly pomocí makroů a doplňků.
• Přizpůsobit pracovní postupy pro specifické potřeby analýzy obrazů v biologickém výzkumu.

Toto živé školení vedené instruktorem v České republice (online nebo na místě) je zaměřeno na datové vědce a vývojáře, kteří chtějí používat Modin k sestavení a implementaci paralelních výpočtů s Pandas pro rychlejší analýzu dat.

Na konci tohoto školení budou účastníci schopni:

• Nastavte potřebné prostředí, abyste mohli začít vyvíjet pracovní postupy Pandas ve velkém měřítku s Modin.
• Pochopte funkce, architekturu a výhody Modin.
• Poznejte rozdíly mezi Modin, Dask a Rayem.
• Pomocí Modin provádějte operace Pandas rychleji.
• Implementujte celé Pandas API a funkce.

OpenCV (Open Source Computer Vision Library: http://opencv.org) je open-source knihovna s licencí BSD, která obsahuje několik stovek algoritmů počítačového vidění.

Publikum

Tento kurz je zaměřen na inženýry a architekty, kteří chtějí využít OpenCV pro projekty počítačového vidění

Toto živé školení vedené instruktorem v České republice (online nebo na místě) je zaměřeno na softwarové inženýry, kteří chtějí programovat v Python s OpenCV 4 pro hluboké učení.

Na konci tohoto školení budou účastníci schopni:

• Zobrazte, načtěte a klasifikujte obrázky a videa pomocí OpenCV 4.
• Implementujte hluboké učení v OpenCV 4 pomocí TensorFlow a Keras.
• Spouštějte modely hlubokého učení a generujte působivé zprávy z obrázků a videí.

Pattern Matching je technika používaná k nalezení specifikovaných vzorů v obraze. Může být použit k určení existence specifikovaných charakteristik v pořízeném snímku, například očekávaný štítek na vadném produktu v tovární lince nebo specifikované rozměry součásti. Liší se od „Pattern Recognition“ (který rozpoznává obecné vzory založené na větších kolekcích příbuzných vzorků) v tom, že konkrétně určuje, co hledáme, a pak nám říká, zda očekávaný vzor existuje nebo ne.

Formát kurzu

• Tento kurz seznamuje s přístupy, technologiemi a algoritmy používanými v oblasti porovnávání vzorů, jak se vztahuje na Machine Vision.

SimpleCV je open source framework – což znamená, že jde o kolekci knihoven a softwaru, které můžete použít k vývoji aplikací pro vidění. Umožňuje vám pracovat s obrázky nebo video streamy, které pocházejí z webových kamer, Kinectů, FireWire a IP kamer nebo mobilních telefonů. Pomáhá vám vytvářet software, díky kterému vaše různé technologie nejen vidí svět, ale také mu rozumí.

Publikum

Tento kurz je zaměřen na inženýry a vývojáře, kteří chtějí vyvíjet aplikace počítačového vidění pomocí SimpleCV.

Tento instruktážní živý kurz v České republice (online nebo na místě) je určen pro středně pokročilé odborníky, kteří chtějí použít Vision Builder AI ke konstrukci, implementaci a optimalizaci automatických inspekčních systémů pro procesy SMT (Surface-Mount Technology).

Konec kurzu budou účastníci schopni:

• Nastavit a nakonfigurovat automatické inspekce pomocí Vision Builder AI.
• Získat a předzpracovat vysokokvalitní obrázky pro analýzu.
• Implementovat logická rozhodnutí pro detekci vad a validaci procesu.
• Vytvářet inspekční zprávy a optimalizovat výkon systému.