Počítačové vidění s Pythonem Počítačový Kurz

Tento intenzivní, praktický kurz se zabývá pokročilými technikami Pythonu, inženýrskými osvědčenými postupy a často používanými návravními vzory pro vytváření udržitelných, testovatelných a vysokovýkonnostních Python aplikací. Důraz je kladen na moderní nástroje, typování, modely konkurzivity, architektonické vzory a pracovní postupy připravené pro nasazení.

Tato instruktorem vedená živá školení (online nebo na místě) je určena pro středně pokročilé až pokročilé Python programátory, kteří chtějí přijmout profesionální postupy a vzory pro produkční Python systémy.

Konec tohoto školení budou účastníci schopni:

• Použít typování v Pythonu, datové třídy a kontrolu typů k zvýšení spolehlivosti kódu.
• Nastavovat robustní aplikace pomocí návravných vzorů a architektonických principů.
• Správně implementovat konkurzivitu a paralelismus s využitím asyncio a multiprocessingu.
• Vytvářet dobře testovaný kód pomocí pytest, testů na základě vlastností (property-based testing) a CI potoků.
• Profilovat, optimalizovat a posilovat Python aplikace pro produkční použití.
• Balení, distribuce a nasazení Python projektů pomocí moderních nástrojů a kontejnerů.

Formát kurzu

• Interaktivní přednášky a krátké ukázky.
• Praktické laboratoře a programátorské cvičení každý den.
• Koncový mini-projekt integrující vzory, testování a nasazení.

Možnosti přizpůsobení kurzu

• Pokud požadujete přizpůsobené školení nebo zaměření (data, web nebo infrastruktura), kontaktujte nás pro domluvu.

Tento kurz vyučuje praktické inženýrské techniky pro návrh, vývoj, testování a nasazení agentic (autonomních) systémů pomocí Pythonu. Kryje agentní smyčku, integraci nástrojů, správu paměti a stavu, orchestrace, bezpečnostní kontroly a aspekty produkce.

Toto vedené školení (online nebo na místě) je určeno pro středně pokročilé až pokročilé inženýry ML, AI vývojáře a software inženýry, kteří chtějí vytvářet robustní autonomní agenty připravené pro produkci pomocí Pythonu.

Na konci tohoto školení budou účastníci schopni:

• Návrh a implementace agentní smyčky a pracovních postupů rozhodování.
• Integrace externích nástrojů a API pro rozšíření možností agentů.
• Implementace architektur krátkodobé a dlouhodobé paměti pro agenty.
• Skoordinování vícestupňových orchestrací a sestavovatelnosti agentů.
• Aplikace nejlepších praktik v oblasti bezpečnosti, kontroly přístupu a sledovatelnosti pro nasazené agenty.

Formát kurzu

• Interaktivní přednáška a diskuse.
• Praktické laboratoře budování agentů s Pythonem a populárními SDKs.
• Projektové cvičení, které vytvoří nasaditelné prototypy.

Možnosti přizpůsobení kurzu

• Pro požádání o přizpůsobené školení se na tento kurz obraťte na nás, abychom to uspořádali.

Praktický přehled datové vědy a AI pomocí Pythonu – poskytuje odborníkům dovednosti pro práci s daty, vývoj modelů strojového učení a implementaci AI aplikací v podnikovém prostředí; zahrnuje metodiku CRISP-DM, statistickou analýzu, dozorené i nedozorené učení, hluboké učení s frameworkem Tensorflow, zpracování přirozeného jazyka, práci s big data přes Spark a vyprávění příběhů na základě dat; ideální pro začátečníky hledající certifikaci v datové vědě a komplexní školení z analytiky připravené pro kariéru.

Umělá inteligence s Python je vývoj inteligentních systémů pomocí rozsáhlého ekosystému AI a knihoven strojového učení od Python.

Tento instruktor-leden živý školení (online nebo na místě) je určen středně pokročilým programátorům v Python, kteří chtějí navrhnout, implementovat a nasadit řešení AI pomocí Python.

Koncovým cílem tohoto školení je, aby účastníci mohli:

• Implementovat algoritmy umělé inteligence s použitím jádrových knihoven AI od Python.
• Pracovat s modelem strojového učení s nadzorem, bez nadzoru a reforcení.
• Integrovat řešení AI do stávajících aplikací a pracovních postupů.
• Hodnocení výkonu modelu a optimalizace pro přesnost a efektivitu.

Formát kurzu

• Interaktivní přednáška a diskuse.
• Hodně cvičení a praxe.
• Praktické implementace v prostředí živé laboratoře.

Možnosti individualizace kurzu

• Pro požadavek na individuální školení tohoto kurzu, kontaktujte nás prosím pro dohodu.

CANN SDK (Compute Architecture for Neural Networks) poskytuje výkonné nástroje pro nasazení a optimalizaci real-time AI aplikací v oblasti počítačového vidění a NLP, zejména na Huawei Ascend hardwaru.

Tuto školení pod vedením instruktora (online nebo na místě) je zaměřeno na středně pokročilé AI praktiky, kteří chtějí sestavit, nasadit a optimalizovat modely vidění a jazyka pomocí CANN SDK pro produkční případy použití.

Na konci tohoto školení budou účastníci schopni:

• Nasadit a optimalizovat modely CV a NLP pomocí CANN a AscendCL.
• Použít nástroje CANN k převodu modelů a jejich integraci do aktivních kanálů.
• Optimalizovat výkonnost inferencí pro úlohy jako je detekce, klasifikace a analýza názorů.
• Sestavit real-time kanály CV/NLP pro nasazení na hraničních zařízeních nebo v cloudu.

Formát kurzu

• Interaktivní přednáška a demonstrace.
• Praktické cvičení s nasazením modelů a profilací výkonu.
• Návrh aktivních kanálů pomocí reálných případů použití CV a NLP.

Možnosti přizpůsobení kurzu

• Pro požadavek na přizpůsobené školení se s námi, prosím, obraťte pro domluvu.

Tento vedený instruktorem, živý kurz (online nebo na místě) je zaměřen na středně pokročilé AI vývojáře a inženýry počítačového zpracování obrazu, kteří chtějí vybudit robustní systémy zpracování obrazu pro aplikace autonomního řízení.

Na konci tohoto kurzu budou účastníci schopni:

• Porozumět základním konceptům počítačového zpracování obrazu v autonomních vozidlech.
• Implementovat algoritmy pro detekci objektů, detekci jízdních pruhů a semantickou segmentaci.
• Integrovat systémy zpracování obrazu s ostatními podřízenými systémy autonomních vozidel.
• Aplikovat techniky hlubokého učení pro pokročilé úkoly vnímání.
• Posoudit výkon modelů počítačového zpracování obrazu v reálných situacích.

Tuto vedenou instruktorem, živou školení v České republice (online nebo na místě) je zaměřeno na pokročilé odborníky, kteří si přejí hloubkověji pochopit počítačové vidění a využít možnosti TensorFlow pro vyvíjení sofistikovaných vizuálních modelů s využitím Google Colab.

Na konci tohoto školení budou účastníci schopni:

• Vytvářet a trénovat konvoluční neuronové sítě (CNN) pomocí TensorFlow.
• Využívat Google Colab pro škálovatelný a efektivní vývoj modelů na cloudu.
• Implementovat techniky předzpracování obrázků pro úlohy počítačového vidění.
• Nasazovat modely počítačového vidění do reálných aplikací.
• Používat transfer learning k zlepšení výkonu CNN modelů.
• Vizualizovat a interpretovat výsledky modelů klasifikace obrázků.

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 středně pokročilé a pokročilé inženýry počítačového vidění, vývojáře AI a profesionály v oblasti IoT, kteří chtějí implementovat a optimalizovat modely počítačového vidění pro reálně časovou zpracování na hraničních zařízeních.

Do konce tohoto kurzu budou účastníci schopni:

• Porozumět základům Edge AI a jejím aplikacím v počítačovém vidění.
• Nasazovat optimalizované modely hlubokého učení na hraniční zařízení pro reálně časovou analýzu obrázků a videa.
• Používat frameworky jako TensorFlow Lite, OpenVINO a NVIDIA Jetson SDK pro nasazování modelů.
• Optimalizovat AI modely pro výkon, energetickou efektivitu a odolnost proti nízké latence.

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.

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.

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.

Toto instruktorem vedené, živé školení v České republice (online nebo na místě) je určené pro středně pokročilé až pokročilé vývojáře, výzkumníky a datové vědce, kteří chtějí naučit se implementovat reálně časovou detekci objektů pomocí YOLOv7.

Na konci tohoto školení budou účastníci schopni:

• Chápat základní koncepty detekce objektů.
• Nainstalovat a nakonfigurovat YOLOv7 pro úkoly detekce objektů.
• Trénovat a testovat vlastní modely detekce objektů pomocí YOLOv7.
• Integrovat YOLOv7 s jinými rámci a nástroji pro počítačové zpracování obrazu.
• Řešit běžné problémy související s implementací YOLOv7.