Python and Deep Learning with OpenCV 4 Träningskurs
OpenCV är ett bibliotek med programmeringsfunktioner för att dechiffrera bilder med datoralgoritmer. OpenCV 4 är den senaste OpenCV versionen och den ger optimerad modularitet, uppdaterade algoritmer med mera. Med OpenCV 4 och Python kommer användare att kunna visa, ladda och klassificera bilder och videor för avancerad bildigenkänning.
Denna instruktörsledda, liveutbildning (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.
Kursens upplägg
- Interaktiv föreläsning och diskussion.
- Massor av övningar och övning.
- Praktisk implementering i en live-labbmiljö.
Alternativ för anpassning av kurser
- För att begära en anpassad utbildning för denna kurs, vänligen kontakta oss för att ordna.
Kursplan
Införandet
Vad är AI?
- Beräkningspsykologi
- Beräkningsfilosofi
Deep Learning
- Artificiella neurala nätverk
- Djupinlärning jämfört med maskininlärning
Förbereda utvecklingsmiljön
- Installera och konfigurera OpenCV
OpenCV 4 Snabbstart
- Visa bilder
- Använda färgkanaler
- Visa videor
Deep Learning Computer Vision
- Använda DNN-modulen
- Arbeta med djupinlärningsmodeller
- Använda SSD-enheter
Neural Networks
- Att använda olika träningsmetoder
- Mäta prestanda
Faltning Neural Networks
- Träna och designa CNN
- Bygga ett CNN i Keras
- Importera data
- Spara, ladda och visa en modell
Klassificerare
- Skapa och träna en klassificerare
- Dela upp data
- Öka noggrannheten i resultat och värden
Sammanfattning och slutsats
Krav
- Grundläggande erfarenhet av programmering
Publik
- Mjukvaruingenjörer
Open Training Courses require 5+ participants.
Python and Deep Learning with OpenCV 4 Träningskurs - Booking
Python and Deep Learning with OpenCV 4 Träningskurs - Enquiry
Python and Deep Learning with OpenCV 4 - Consultancy Enquiry
Consultancy Enquiry
Upcoming Courses
Relaterade Kurser
Advanced Stable Diffusion: Deep Learning for Text-to-Image Generation
21 timmarDenna instruktörsledda, liveutbildning i Sverige (online eller på plats) riktar sig till datavetare på mellannivå till avancerad nivå, maskininlärningsingenjörer, forskare inom djupinlärning och experter på datorseende som vill utöka sina kunskaper och färdigheter inom djupinlärning för text-till-bild-generering.
I slutet av denna utbildning kommer deltagarna att kunna:
- Förstå avancerade arkitekturer och tekniker för djupinlärning för text-till-bild-generering.
- Implementera komplexa modeller och optimeringar för högkvalitativ bildsyntes.
- Optimera prestanda och skalbarhet för stora datamängder och komplexa modeller.
- Justera hyperparametrar för bättre modellprestanda och generalisering.
- Integrera Stable Diffusion med andra ramverk och verktyg för djupinlärning
AlphaFold
7 timmarDenna instruktörsledda, liveträning i Sverige (online eller på plats) riktar sig till biologer som vill förstå hur AlphaFold fungerar och använda AlphaFold-modeller som guider i sina experimentella studier.
I slutet av denna utbildning kommer deltagarna att kunna:
- Förstå de grundläggande principerna för AlphaFold.
- Lär dig hur AlphaFold fungerar.
- Lär dig hur du tolkar AlphaFold förutsägelser och resultat.
Applied AI from Scratch
28 timmarDetta är en 4-dagars kurs som introducerar AI och dess tillämpning. Det finns möjlighet att få en extra dag för att genomföra ett AI-projekt efter avslutad kurs.
Deep Learning for Vision with Caffe
21 timmarCaffe är en djup inlärningsram skapad med uttryck, snabbhet och modularitet i åtanke.
Denna kurs undersöker tillämpningen av Caffe som ett djupet lärande ramverk för bildigenkänning med hjälp av MNIST som ett exempel
Publik
Denna kurs är lämplig för Deep Learning forskare och ingenjörer som är intresserade av att använda Caffe som ramverk.
Efter avslutad kurs kommer deltagarna att kunna:
- förstå Caffe struktur och implementeringsmekanismer
- utföra installations- / produktionsmiljö / arkitekturuppgifter och konfiguration
- utvärdera kodkvalitet, utföra felsökning, övervakning
- implementera avancerad produktion som träningsmodeller, implementera lager och loggning
Deep Learning Neural Networks with Chainer
14 timmarDenna instruktörsledda, liveträning i Sverige (online eller på plats) riktar sig till forskare och utvecklare som vill använda Chainer för att bygga och träna neurala nätverk i Python samtidigt som koden är lätt att felsöka.
I slutet av denna utbildning kommer deltagarna att kunna:
- Konfigurera den utvecklingsmiljö som krävs för att börja utveckla neurala nätverksmodeller.
- Definiera och implementera neurala nätverksmodeller med hjälp av en begriplig källkod.
- Kör exempel och modifiera befintliga algoritmer för att optimera träningsmodeller för djupinlärning samtidigt som du utnyttjar GPUs för hög prestanda.
Using Computer Network ToolKit (CNTK)
28 timmarComputer Network ToolKit (CNTK) är Microsoft:s Open Source, Multi-machine, Multi-GPU, mycket effektiva RNN-träningsmaskininlärningsramverk för tal, text och bilder.
Publik
Kursen riktar sig till ingenjörer och arkitekter som vill använda CNTK i sina projekt.
Computer Vision with Google Colab and TensorFlow
21 timmarDenna instruktörsledda, live-utbildning i Sverige (online eller på plats) riktar sig till yrkesverksamma på avancerad nivå som vill fördjupa sin förståelse för datorseende och utforska TensorFlow:s möjligheter att utveckla sofistikerade synmodeller med hjälp av Google Colab.
I slutet av denna utbildning kommer deltagarna att kunna:
- Skapa och träna faltningsneurala nätverk (CNN) med hjälp av TensorFlow.
- Utnyttja Google Colab för skalbar och effektiv molnbaserad modellutveckling.
- Implementera bildförbehandlingstekniker för datorseendeuppgifter.
- Distribuera modeller för visuellt innehåll för verkliga program.
- Använd överföringsinlärning för att förbättra prestandan för CNN-modeller.
- Visualisera och tolka resultaten av bildklassificeringsmodeller.
Deep Learning with TensorFlow in Google Colab
14 timmarDenna instruktörsledda, liveutbildning i Sverige (online eller på plats) riktar sig till datavetare och utvecklare på mellannivå som vill förstå och tillämpa djupinlärningstekniker med hjälp av Google Colab-miljön.
I slutet av denna utbildning kommer deltagarna att kunna:
- Konfigurera och navigera Gogogo Colab för djupinlärningsprojekt.
- Förstå grunderna i neurala nätverk.
- Implementera djupinlärningsmodeller med hjälp av TensorFlow.
- Träna och utvärdera djupinlärningsmodeller.
- Använd avancerade funktioner i TensorFlow för djupinlärning.
Deep Learning for NLP (Natural Language Processing)
28 timmarI denna instruktörsledda, liveutbildning i Sverige kommer deltagarna att lära sig att använda Python bibliotek för NLP när de skapar en applikation som bearbetar en uppsättning bilder och genererar bildtexter.
I slutet av denna utbildning kommer deltagarna att kunna:
- Designa och koda DL för NLP med hjälp av Python bibliotek.
- Skapa Python kod som läser en mycket stor samling bilder och genererar nyckelord.
- Skapa Python Kod som genererar bildtexter från de upptäckta sökorden.
Edge AI with TensorFlow Lite
14 timmarDenna instruktörsledda, liveutbildning i Sverige (online eller på plats) riktar sig till utvecklare på mellannivå, datavetare och AI-utövare som vill utnyttja TensorFlow Lite för Edge AI-applikationer.
I slutet av denna utbildning kommer deltagarna att kunna:
- Förstå grunderna i TensorFlow Lite och dess roll i Edge AI.
- Utveckla och optimera AI-modeller med hjälp av TensorFlow Lite.
- Distribuera TensorFlow Lite-modeller på olika gränsenheter.
- Använda verktyg och tekniker för modellkonvertering och optimering.
- Implementera praktiska Edge AI-applikationer med TensorFlow Lite.
Accelerating Deep Learning with FPGA and OpenVINO
35 timmarDen här instruktörsledda, liveutbildningen i Sverige (online eller på plats) riktar sig till datavetare som vill påskynda maskininlärningsprogram i realtid och distribuera dem i stor skala.
I slutet av denna utbildning kommer deltagarna att kunna:
- Installera verktyget OpenVINO.
- Accelerera ett program för visuellt innehåll med hjälp av en FPGA.
- Kör olika CNN-lager på FPGA:n.
- Skala programmet över flera noder i ett Kubernetes-kluster.
Distributed Deep Learning with Horovod
7 timmarDen här instruktörsledda, live-utbildningen i Sverige (online eller på plats) riktar sig till utvecklare eller datavetare som vill använda Horovod för att köra distribuerade djupinlärningsträningar och skala upp dem för att köra över flera GPUs parallellt.
I slutet av denna utbildning kommer deltagarna att kunna:
- Konfigurera den utvecklingsmiljö som krävs för att börja köra djupinlärningsträningar.
- Installera och konfigurera Horovod för att träna modeller med TensorFlow, Keras, PyTorch och Apache MXNet.
- Skala djupinlärningsträning med Horovod för att köras på flera GPU:er.
Deep Learning with Keras
21 timmarDenna instruktörsledda, liveutbildning i Sverige (online eller på plats) riktar sig till tekniska personer som vill tillämpa djupinlärningsmodellen på bildigenkänningsapplikationer.
I slutet av denna utbildning kommer deltagarna att kunna:
- Installera och konfigurera Keras.
- Skapa snabbt prototyper av djupinlärningsmodeller.
- Implementera ett faltningsnätverk.
- Implementera ett återkommande nätverk.
- Kör en djupinlärningsmodell på både en CPU och GPU.
Introduction to Stable Diffusion for Text-to-Image Generation
21 timmarDenna instruktörsledda, liveutbildning (online eller på plats) riktar sig till datavetare, maskininlärningsingenjörer och forskare inom datorseende som vill utnyttja Stable Diffusion för att generera bilder av hög kvalitet för en mängd olika användningsfall.
I slutet av denna utbildning kommer deltagarna att kunna:
- Förstå principerna för Stable Diffusion och hur det fungerar för bildgenerering.
- Skapa och träna Stable Diffusion-modeller för bildgenereringsuppgifter.
- Tillämpa Stable Diffusion på olika bildgenereringsscenarier, såsom inpainting, outpainting och bild-till-bild-översättning.
- Optimera prestanda och stabilitet för Stable Diffusion-modeller.
Tensorflow Lite for Microcontrollers
21 timmarDenna instruktörsledda, liveutbildning i Sverige (online eller på plats) riktar sig till ingenjörer som vill skriva, ladda och köra maskininlärningsmodeller på mycket små inbäddade enheter.
I slutet av denna utbildning kommer deltagarna att kunna:
- Installera TensorFlow Lite.
- Ladda maskininlärningsmodeller på en inbäddad enhet så att den kan upptäcka tal, klassificera bilder etc.
- Lägg till AI till hårdvaruenheter utan att förlita sig på nätverksanslutning.