YOLOv7: Detekce objektů v reálném čase pomocí počítačového vidění Počítačový Kurz

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 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.

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.

Počítačové vidění je obor, který se zabývá automatickým extrahováním, analyzováním a interpretací užitečných informací z digitálních médií. Python je programovací jazyk vysoké úrovně známý svou přehlednou syntaxí a snadno čitelným kódem.

V tomto praktickém školení pod vedením instruktora se účastníci seznamí se základy počítačového vidění při tvorbě několika jednoduchých aplikací využívajících Python.

Na konci tohoto školení budou účastníci schopni:

• Pochopit základy počítačového vidění
• Používat Python k realizaci úloh v oblasti počítačového vidění
• Vytvořit vlastní systémy na rozpoznávání tváří, objektů a sledování pohybu

Cílová skupina

• Programátoři v Pythonu se zájmem o počítačové vidění

Formát kurzu

• Přednášky, diskuse, cvičení a rozsáhlý praktický trénink

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.