Computer Vision Kurs i Skåne

Denna instruktörsledda, liveutbildning (online eller på plats) riktar sig till datorseendeingenjörer, AI-utvecklare och IoT-professionella på mellan- till avancerad nivå som vill implementera och optimera datorseendemodeller för realtidsbearbetning på edge-enheter.

Efter avslutad utbildning kommer deltagarna att kunna:

• Förstå grunderna i Edge AI och dess tillämpningar inom datorseende.
• Distribuera optimerade djupinlärningsmodeller på edge-enheter för realtidsanalys av bilder och videor.
• Använda ramverk som TensorFlow Lite, OpenVINO och NVIDIA Jetson SDK för modelldistribution.
• Optimera AI-modeller för prestanda, energieffektivitet och låg-latensinferens.

Denna instruktörsledda, liveutbildning i Skåne (online eller på plats) riktar sig till avancerade professionella som önskar fördjupa sin förståelse av datorseende och utforska TesnorsFlows möjligheter att utveckla sofistikerade visningsmodeller med hjälp av Google Colab.

Vid slutet av den här utbildningen kommer deltagarna att kunna:

• Bygga och träna konvolutionella neuronnät (CNNs) med TensorFlow.
• Utnyttja Google Colab för skalarbar och effektiv molnbaserad modellutveckling.
• Implementera bildförbearbetningsmetoder för datorseendeuppgifter.
• Distribuera datorseendemodeller för praktiska tillämpningar.
• Använda transfer learning för att förbättra prestandan på CNN-modeller.
• Visualisera och tolka resultaten av bildklassificeringsmodeller.

CANN SDK (Compute Architecture for Neural Networks) erbjuder kraftfulla verktyg för distribution och optimering av realtids AI-applikationer inom datorseende och NLP, särskilt på Huawei Ascend-hårdvara.

Detta instruktörledda, liveutbildning (online eller på plats) är riktat till mellannivå AI-praktiker som vill bygga, distribuera och optimera visuella och språkmodeller med CANN SDK för produktionsfall.

Efter denna utbildning kommer deltagarna att kunna:

• Distribuera och optimera CV- och NLP-modeller med CANN och AscendCL.
• Använda CANN-verktyg för att konvertera modeller och integrera dem i livepipelines.
• Optimeringsprestanda för uppgifter som detektion, klassificering och sentimentsanalys.
• Bygga realtids CV/NLP-pipeliner för distribution på gränsnivå eller molnbaserade scenarier.

Kursens format

• Interaktiv föreläsning och demonstration.
• Praktisk laboration med modeldistribution och prestandaprofilering.
• Livepipelinedesign med verkliga CV- och NLP-användningsfall.

Kursanpassningsalternativ

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

Denna instruktör-ledade, live-träning i Skåne (online eller på plats) är riktad till mellannivå AI-utvecklare och datorsynstekniker som vill bygga robusta synsystem för applikationer inom autonom fordonstrafik.

Vid slutet av detta träningspass kommer deltagarna att kunna:

• Förstå grundläggande koncept inom datorsyn för autonoma fordon.
• Implementera algoritmer för objektidentifiering, baneidentifiering och semantisk segmentering.
• Integrera synsystem med andra underkretsar i autonoma fordon.
• Använda djupinlärningstekniker för avancerade uppfattningsuppgifter.
• Utvärdera prestandan hos datorsynsmodeller i verkliga scenarier.

Denna instruktörsledda, liveutbildning (online eller på plats) riktar sig till nybörjare inom rättsväsendet som vill övergå från manuella ansiktsritningar till att använda AI-verktyg för att utveckla ansiktsigenkänningssystem.

Efter avslutad utbildning kommer deltagarna att kunna:

• Förstå grunderna i Artificial Intelligence och Machine Learning.
• Lära sig grunderna i digital bildbehandling och dess tillämpning i 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 för användning av ansiktsigenkänningsteknologi.

Detta instruktörsledda, live-träning i Skåne (online eller på plats) riktas till nybörjare och mellannivåforskare samt laboratorieprofessionals som vill bearbeta och analysera bilder relaterade till histologiska vävnader, blodceller, alger och andra biologiska prover.

Vid slutet av denna träningskurs kommer deltagarna att kunna:

• Navigera Fijs gränssnitt och använda ImageJs kärnfunktioner.
• Förbearbeta och förbättra vetenskapliga bilder för bättre analys.
• Analysera bilder kvantitativt, inklusive cellräkning och areamätning.
• Automatisera upprepade uppgifter med hjälp av makron och plugins.
• Anpassa arbetsflöden för specifika bildanalyser inom biologisk forskning.

Denna instruktörledade, live-träningen i Skåne (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.

Detta instruktörledda, liveutbildning i Skåne (online eller på plats) riktas till utvecklare, forskare och dataanalytiker med mellan- till avancerat nivå som vill lära sig hur man implementerar real-tids objektidentifiering med YOLOv7.

När denna utbildning är klar kommer deltagarna att kunna:

• Förstå grundläggande koncept inom objektidentifiering.
• Installera och konfigurera YOLOv7 för objektidentifieringsuppgifter.
• Träna och testa anpassade objektidentifieringsmodeller med hjälp av YOLOv7.
• Integrera YOLOv7 med andra datorseendeframeworks och verktyg.
• Felsöka vanliga problem relaterade till implementering av YOLOv7.

Datorseende är ett område som innefattar automatiserad extrahering, analys och förståelse av användbar information från digitala medier. Python är ett högnivåprogrammeringsspråk som är känt för sin tydliga syntax och kodläsbarhet.

I denna instruktörsledda, liveutbildning kommer deltagarna att lära sig grunderna i datorseende medan de steg för steg skapar en serie enkla datorseendeprogram med Python.

Avslutande resultatanalys:

• Förstå grunderna i datorseende
• Använda Python för att genomföra datorseendeaddraganden
• Skapa egna ansikts-, objekt- och rörelsedetekteringssystem

Målgrupp

• Pythonprogrammerare som är intresserade av datorseende

Kursformat

• Del föreläsning, del diskussion, övningar och mycket praktiskt arbetande