Deep Learning for Self Driving Cars Träningskurs
Deep learning är ett underområde av maskininlärning. Den använder metoder baserade på inlärning av datarepresentationer och strukturer som neurala nätverk.
Keras är ett högnivå-API för neurala nätverk för snabb utveckling och experimenterande. Den körs ovanpå TensorFlow, CNTK eller Theano.
Denna instruktörsledda, liveutbildning (online eller på plats) riktar sig till utvecklare som vill bygga en självkörande bil (autonomt fordon) med hjälp av tekniker för djupinlärning.
I slutet av denna utbildning kommer deltagarna att kunna:
- Använd Keras för att bygga och träna ett konvolutionellt neuralt nätverk. Använd datorseendetekniker för att identifiera körfält i ett självkörande projekt. Träna en modell för djupinlärning för att skilja trafikskyltar åt. Simulera en helt autonom bil.
Kursens format
- Interaktiv föreläsning och diskussion. Mycket övningar och övningar. Praktisk implementering i en live-lab-miljö.
Kursanpassningsalternativ
- För att begära en skräddarsydd utbildning för denna kurs, vänligen kontakta oss för att ordna.
Kursplan
Introduktion
Att sätta upp utvecklingsmiljön
Skapa ett projekt
Konfigurera simulatorn
Förbereder datamängder
Översikt över Python Deep Learning Libraries
Tillämpa Computer Vision tekniker för att spåra banor
Träning perceptronbaserad Neural Networks för att upptäcka andra fordon
Implementering av Convolutional Neural Networks för att förutsäga styrvinkel och hastighet
Utbildning av en Deep Learning modell för att klassificera trafikmärken
Använda polynomregression för att förbättra prediktiv precision
Testar den självkörande bilen
Felsökning
Sammanfattning och slutsats
Krav
- Python erfarenhet av programmering.
Publik
- Utvecklare
Open Training Courses require 5+ participants.
Deep Learning for Self Driving Cars Träningskurs - Booking
Deep Learning for Self Driving Cars Träningskurs - Enquiry
Deep Learning for Self Driving Cars - Consultancy Enquiry
Vittnesmål (1)
I genuinely enjoyed the hands-on approach.
Kevin De Cuyper
Kurs - Computer Vision with OpenCV
Upcoming Courses
Relaterade Kurser
OpenFace: Creating Facial Recognition Systems
14 timmarRaspberry Pi + OpenCV for Facial Recognition
21 timmarPattern Matching
14 timmarMönstermatchning är en teknik som används för att hitta specifika mönster i en bild. Det kan användas för att bestämma förekomsten av specificerade egenskaper i en inspelad bild, till exempel den förväntade etiketten på en defekt produkt på en fabriksrad eller de specificerade måtten på en komponent. Det skiljer sig från " Pattern Recognition " (som känner igen allmänna mönster baserat på större samlingar av relaterade prover) eftersom det specifikt dikterar vad vi letar efter och sedan berättar om det förväntade mönstret finns eller inte.
Kursformat
- Denna kurs introducerar de metoder, teknologier och algoritmer som används inom området för mönstermatchning eftersom det gäller Machine Vision .
Marvin Framework for Image and Video Processing
14 timmarMarvin är en utöknings bar, plattforms oberoende, öppen källkod bild och video bearbetning ramverk som utvecklats i Java. utvecklare kan använda Marvin för att manipulera bilder, extrahera funktioner från bilder för klassificerings uppgifter, generera siffror algoritmiskt, bearbeta video fils data uppsättningar och konfigurera enhets test automatisering.
några av Marvin & #39; s video applikationer inkluderar filtrering, förstärkt verklighet, objekt spårning och rörelse detektor.
i denna instruktörsledda, levande kurs deltagare kommer att lära sig principerna för bild-och video analys och utnyttja Marvin Framework och dess bildbehandlingsalgoritmer för att konstruera sin egen ansökan.
format för kursen
- de grundläggande principerna för bild analys, video analys och Marvin Framework introduceras först. Studenterna får projektbaserade uppgifter som gör det möjligt för dem att öva på de begrepp som lärs ut. Vid slutet av klassen, kommer deltagarna har utvecklat sin egen ansökan med hjälp av Marvin ram och bibliotek.
Scilab
14 timmarPaddlePaddle
21 timmarFiji: Introduction to Scientific Image Processing
21 timmarComputer Vision with OpenCV
28 timmarOpenCV (Open Source Computer Vision Library: http://opencv.org) är ett BSD-licensierat bibliotek med öppen källkod som innehåller flera hundra datorseendealgoritmer.
Publik
Denna kurs riktar sig till ingenjörer och arkitekter som vill använda OpenCV för datorseendeprojekt
Python and Deep Learning with OpenCV 4
14 timmarDenna instruktörsledda, liveutbildning i Sverige (online eller på plats) riktar sig till mjukvaruingenjörer som vill programmera in Python med OpenCV 4 för djupinlärning.
I slutet av denna utbildning kommer deltagarna att kunna:
- Visa, ladda och klassificera bilder och videor med OpenCV 4.
- Implementera djupinlärning i OpenCV 4 med TensorFlow och Keras.
- Kör modeller för djupinlärning och generera effektfulla rapporter från bilder och videor.
Deep Learning with Keras
21 timmarDenna instruktörsledda, liveutbildning i Sverige (online eller på plats) riktar sig till tekniska personer som vill tillämpa djupinlärningsmodeller i bildigenkänningsapplikationer.
I slutet av denna utbildning kommer deltagarna att kunna:
- Installera och konfigurera Keras.
- Prototypa snabbt modeller för djupinlärning.
- Implementera ett konvolutionerande nätverk.
- Implementera ett återkommande nätverk.
- Utför en djupinlärningsmodell på både en CPU och GPU.
Advanced Deep Learning with Keras and Python
14 timmarDenna instruktörsledda, liveutbildning i Sverige (online eller på plats) riktar sig till mjukvaruingenjörer som vill utveckla avancerade neurala nätverk och modeller för djupinlärning med hjälp av Keras och Python.
I slutet av denna utbildning kommer deltagarna att kunna:
- Tillämpa djupinlärning med övervakade eller oövervakade inlärningsmetoder.
- Utveckla, träna och implementera samtidiga neurala nätverk och återkommande neurala nätverk.
- Använd Keras och Python för att bygga modeller för djupinlärning för att lösa problem som involverar bilder, text, ljud och mer.
Computer Vision with SimpleCV
14 timmarSimpleCV är en öppen källkodsram - vilket innebär att det är en samling bibliotek och programvara som du kan använda för att utveckla visionapplikationer. Det låter dig arbeta med bilder eller videoströmmar som kommer från webbkameror, Kinects, FireWire och IP-kameror eller mobiltelefoner. Det hjälper dig att bygga programvara så att dina olika tekniker inte bara ser världen utan också förstår den.
Publik
Kursen riktar sig till ingenjörer och utvecklare som vill utveckla datorsynsapplikationer med SimpleCV.
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