Computer Vision with Google Colab and TensorFlow Träningskurs

OpenCV (Open Source Computer Vision Library: http://opencv.org) är ett BSD-licensierat bibliotek med öppen källkod som innehåller flera hundra algoritmer för datorseende.

Publik

Kursen riktar sig till ingenjörer och arkitekter som vill använda OpenCV för datorseendeprojekt

Pattern Matching är en teknik som används för att lokalisera angivna mönster i en bild. Den kan användas för att fastställa förekomsten av angivna egenskaper i en tagen bild, till exempel den förväntade etiketten på en defekt produkt i en fabrikslinje eller de angivna måtten på en komponent. Det skiljer sig från "Pattern Recognition" (som känner igen allmänna mönster baserat på större samlingar av relaterade prover) genom att det specifikt dikterar vad vi letar efter och sedan berättar för oss om det förväntade mönstret finns eller inte.

Kursens upplägg

• Kursen introducerar de tillvägagångssätt, tekniker och algoritmer som används inom området mönstermatchning när det gäller Machine Vision.

OpenFace är Python och Torch baserad på ansiktsigenkänningsprogramvara med öppen källkod i realtid baserad på Googles FaceNet-forskning.

I denna instruktörsledda, liveträning kommer deltagarna att lära sig hur man använder OpenFaces komponenter för att skapa och distribuera ett exempel på ansiktsigenkänningsapplikation.

I slutet av denna utbildning kommer deltagarna att kunna:

• Arbeta med OpenFace-komponenter, inklusive dlib, OpenVC, Torch och nn4 för att implementera ansiktsigenkänning, justering och transformation
• Använd OpenFace på verkliga applikationer som övervakning, identitetsverifiering, virtuell verklighet, spel och identifiering av återkommande kunder, etc.

Publik

• Utvecklare
• Datavetare

Kursens upplägg

• Delvis föreläsning, delvis diskussion, övningar och tung praktisk övning

Denna instruktörsledda, liveträning introducerar mjukvaran, hårdvaran och steg-för-steg-processen som behövs för att bygga ett ansiktsigenkänningssystem från grunden. Ansiktsigenkänning är också känt som Face Recognition.

Hårdvaran som används i detta labb inkluderar Rasberry Pi, en kameramodul, servon (tillval) etc. Deltagarna ansvarar själva för att köpa in dessa komponenter. Programvaran som används inkluderar OpenCV, Linux, Python etc.

I slutet av denna utbildning kommer deltagarna att kunna:

• Installera Linux, OpenCV och andra programverktyg och bibliotek på en Rasberry Pi.
• Konfigurera OpenCV för att fånga och upptäcka ansiktsbilder.
• Förstå de olika alternativen för att förpacka ett Rasberry Pi-system för användning i verkliga miljöer.
• Anpassa systemet för en mängd olika användningsfall, inklusive övervakning, identitetsverifiering etc.

Kursens upplägg

• Delvis föreläsning, delvis diskussion, övningar och tung praktisk övning

Not

• Andra hårdvaru- och mjukvarualternativ inkluderar: Arduino, OpenFace, Windows, etc. Om du önskar använda någon av dessa, vänligen kontakta oss för att ordna.

Fiji är ett bildbehandlingspaket med öppen källkod som paketerar ImageJ (ett bildbehandlingsprogram för vetenskapliga flerdimensionella bilder) och ett antal plugins för vetenskaplig bildanalys.

I denna instruktörsledda, liveträning kommer deltagarna att lära sig hur man använder Fiji-distributionen och dess underliggande ImageJ-program för att skapa en bildanalysapplikation.

I slutet av denna utbildning kommer deltagarna att kunna:

• Använd Fijis avancerade programmeringsfunktioner och programvarukomponenter för att utöka ImageJ
• Sy ihop stora 3d-bilder från överlappande brickor
• Uppdatera automatiskt en Fiji-installation vid start med hjälp av det integrerade uppdateringssystemet
• Välj från ett brett urval av skriptspråk för att skapa anpassade bildanalyslösningar
• Använd Fijis kraftfulla bibliotek, till exempel ImgLib, på stora biobildsdataset
• Distribuera deras applikation och samarbeta med andra forskare i liknande projekt

Kursens upplägg

• Interaktiv föreläsning och diskussion.
• Massor av övningar och övning.
• Praktisk implementering i en live-lab-miljö.

Alternativ för kursanpassning

• För att begära en anpassad utbildning för denna kurs, vänligen kontakta oss för att ordna.

Denna instruktörsledda, liveutbildning i Sverige (online eller på plats) riktar sig till mjukvaruingenjörer som vill programmera i Python med OpenCV 4 för djupinlärning.

I slutet av denna utbildning kommer deltagarna att kunna:

• Visa, ladda och klassificera bilder och videor med hjälp av OpenCV 4.
• Implementera djupinlärning i OpenCV, 4 med TensorFlow och Keras.
• Kör djupinlärningsmodeller och generera effektfulla rapporter från bilder och videor.

Efter denna utbildning kommer deltagarna att kunna:

Denna handledda, liveutbildning på plats eller online riktar sig till nybörjare inom data science och IT-professionella som vill lära sig grunderna i data science med hjälp av Google Colab.

• Installera och navigera i Google Colab.
• Skriva och köra grundläggande Python-kod.
• Importera och hantera dataset.
• Skapa visualiseringar med hjälp av Python-bibliotek.

Efter denna utbildning kommer deltagarna att kunna:

Denna ledda, liveutbildning på plats eller online riktar sig till utvecklare och dataanalytiker på grundnivå som vill lära sig Python programmering från grunden med Google Colab.

• Förstå grunderna i Python programmeringsspråket.
• Implementera Python kod i Google Colab miljö.
• Använda styrstrukturer för att hantera flödet i ett Python program.
• Skapa funktioner för att organisera och återanvända kod effektivt.
• Undersöka och använda grundläggande bibliotek för Python programmering.

Efter avslutad utbildning kommer deltagarna att kunna:

Denna ledda, liveutbildning på Sverige (online eller på plats) riktar sig till datavetare på grundnivå som vill lära sig hur man skapar meningsfulla och visuellt tilltalande datavisualiseringar.

• Installera och navigera i Google Colab för datavisualisering.
• Skapa olika typer av diagram med Matplotlib.
• Använda Seaborn för avancerade visualiseringstekniker.
• Anpassa diagram för bättre presentation och tydlighet.
• Tolka och presentera data effektivt med hjälp av visuella verktyg.

Efter avslutad utbildning kommer deltagarna att kunna:

Denna instruktörsledda, liveutbildning på plats (online eller på plats) riktar sig till mellannivådatavetare och utvecklare som vill tillämpa maskininlärningsalgoritmer effektivt med hjälp av Google Colab-miljön.

• Sätt upp och navigera Google Colab för maskininlärningsprojekt.
• Förstå och tillämpa olika maskininlärningsalgoritmer.
• Använda bibliotek som Scikit-learn för att analysera och förutsäga data.
• Implementera övervakade och oövervakade lärningsmodeller.
• Optimera och utvärdera maskininlärningsmodeller effektivt.

Denna instruktörsledda, liveutbildning i Sverige (online eller på plats) riktar sig till brottsbekämpande personal på nybörjarnivå som vill övergå från manuell ansiktsskissning till att använda AI-verktyg för att utveckla ansiktsigenkänningssystem.

I slutet av denna utbildning kommer deltagarna att kunna:

• Förstå grunderna i artificiell intelligens och Machine Learning.
• Lär dig grunderna i digital bildbehandling och dess tillämpning inom ansiktsigenkänning.
• Utveckla färdigheter i att använda AI-verktyg och ramverk för att skapa ansiktsigenkänningsmodeller.
• Få praktisk erfarenhet av att skapa, träna och testa ansiktsigenkänningssystem.
• Förstå etiska överväganden och bästa praxis vid användning av ansiktsigenkänningsteknik.

Denna instruktörsledda, liveträning i Sverige (online eller på plats) riktar sig till forskare och laboratoriepersonal på nybörjar- till avancerad nivå som önskar bearbeta och analysera bilder relaterade till histologiska vävnader, blodceller, alger och andra biologiska prover.

Vid slutet av denna utbildning kommer deltagarna att kunna:

• Navigera i Fiji-gränssnittet och använda ImageJs kärnfunktioner.
• Förbehandla och förbättra vetenskapliga bilder för bättre analys.
• Analysera bilder kvantitativt, inklusive cellräkning och areamätning.
• Automatisera repetitiva uppgifter med hjälp av makron och plugins.
• Anpassa arbetsflöden för specifika behov inom bildanalys i biologisk forskning.

Denna instruktörledade, live-träningen i Sverige (online eller på plats) är avsedd för medelutbildade professionella som vill använda Vision Builder AI för att designa, implementera och optimera automatiserade inspektionsystem för SMT (Surface-Mount Technology)-processer.

Genom denna träning kommer deltagarna att kunna:

• Sätta upp och konfigurera automatiserade inspektioner med Vision Builder AI.
• Hämta och förbehandla högkvalitativa bilder för analys.
• Implementera logikbaserade beslut för felidentifiering och processverifiering.
• Generera inspektionsrapporter och optimera systemyttrande.