Cursuri de pregatire Computer Vision for Autonomous Driving

Această sesiune de training live, condusă de un instructor (online sau la sediul clientului), este destinată inginerilor roboți și cercetătorilor în inteligență artificială de nivel avansat care doresc să implementeze algoritmi sofisticați de planificare a traiectoriei pentru a îmbunătăți performanța vehiculelor autonome.

La finalizarea acestui training, participanții vor fi capabili să:

• Înțeleagă bazele teoretice ale algoritmilor avansați de planificare a traiectoriei.
• Implementeze algoritmi precum RRT*, A* și D* pentru navigare în timp real.
• Optimizeze planificarea traiectoriei pentru evitarea obstacolelor și a mediilor dinamice.
• Integreze algoritmii de planificare a traiectoriei cu datele senzorilor pentru o acuratețe sporită.
• Evalueze performanța diferiților algoritmi în scenarii practice.

Această sesiune de training, condusă de un instructor, live (online sau la sediul clientului) este destinată oamenilor de știință de date de nivel avansat, specialiștilor în inteligență artificială și dezvoltatorilor AI auto care doresc să construiască, să antreneze și să optimizeze modele AI pentru aplicații de conducere autonomă.

La finalizarea acestui training, participanții vor fi capabili să:

• Înțeleagă fundamentele inteligenței artificiale și ale învățării profunde în contextul vehiculelor autonome.
• Implementeze tehnici de viziune computerizată pentru detectarea obiectelor în timp real și urmărirea benzilor de circulație.
• Utilizeze învățarea prin întărire pentru luarea deciziilor în sistemele de conducere autonomă.
• Integreze tehnici de fuziune a senzorilor pentru o percepție și navigare mai bună.
• Construiască modele de învățare profundă pentru a prezice și analiza scenariile de conducere.

Acest curs de formare live, condus de un instructor în Moldova (online sau la fața locului) se adresează personalului de aplicare a legii de nivel începător care dorește să treacă de la schițarea manuală a feței la utilizarea instrumentelor AI pentru dezvoltarea sistemelor de recunoaștere facială.

Până la sfârșitul acestei formări, participanții vor fi capabili să:

• Înțeleagă elementele fundamentale ale inteligenței artificiale și Machine Learning.
• Să învețe elementele de bază ale procesării imaginii digitale și aplicarea acesteia în recunoașterea facială.
• Să dezvolte abilități în utilizarea instrumentelor și cadrelor AI pentru a crea modele de recunoaștere facială.
• Să dobândească experiență practică în crearea, instruirea și testarea sistemelor de recunoaștere facială.
• Înțelegerea considerentelor etice și a celor mai bune practici în utilizarea tehnologiei de recunoaștere facială.

Fiji este un pachet open-source de procesare a imaginilor care include ImageJ (un program de procesare a imaginilor pentru imagini științifice multidimensionale) și o serie de plugin-uri pentru analiza imaginilor științifice.

În cadrul acestui curs de formare live, condus de un instructor, participanții vor învăța cum să utilizeze distribuția Fiji și programul ImageJ care stă la baza acesteia pentru a crea o aplicație de analiză a imaginilor.

Până la sfârșitul acestui curs, participanții vor fi capabili să:

• Să utilizeze caracteristicile avansate de programare și componentele software ale Fiji pentru a extinde ImageJ
• să coaseze imagini 3d mari din plăci suprapuse
• Să actualizeze automat o instalare Fiji la pornire utilizând sistemul de actualizare integrat
• Selectați dintr-o gamă largă de limbaje de scripting pentru a crea soluții personalizate de analiză a imaginilor
• Utilizarea bibliotecilor puternice Fiji, cum ar fi ImgLib pe seturi mari de date de bioimagini
• Să își implementeze aplicația și să colaboreze cu alți oameni de știință pe proiecte similare

Formatul cursului

• Prelegere și discuții interactive.
• O mulțime de exerciții și practică.
• Implementare practică într-un mediu live-lab.

Opțiuni de personalizare a cursului

• Pentru a solicita o instruire personalizată pentru acest curs, vă rugăm să ne contactați pentru a aranja.

Acest curs de formare live, condus de un instructor în Moldova (online sau la fața locului) se adresează cercetătorilor de nivel începător până la mediu și profesioniștilor de laborator care doresc să proceseze și să analizeze imagini legate de țesuturi histologice, celule sanguine, alge și alte probe biologice.

La sfârșitul acestei formări, participanții vor fi capabili să:

• Să navigheze în interfața Fiji și să utilizeze funcțiile de bază ale ImageJ.
• Preprocesarea și îmbunătățirea imaginilor științifice pentru o mai bună analiză.
• Să analizeze imaginile cantitativ, inclusiv numărarea celulelor și măsurarea suprafeței.
• Automatizarea sarcinilor repetitive utilizând macro-uri și plugin-uri.
• Personalizați fluxurile de lucru pentru nevoile specifice de analiză a imaginilor în cercetarea biologică.

Această sesiune de training live, condusă de un instructor, în Moldova (online sau la sediul cursului) este destinată specialiștilor avansați în fuziunea senzorilor și inginerilor AI care doresc să dezvolte algoritmi de fuziune multi-senzor și să optimizeze navigarea în timp real în sistemele autonome.

La finalizarea acestui training, participanții vor fi capabili să:

• Înțeleagă fundamentele și provocările fuziunii datelor multi-senzor.
• Implementeze algoritmi de fuziune a senzorilor pentru navigarea autonomă în timp real.
• Integreze date de la LiDAR, camere și RADAR pentru îmbunătățirea percepției.
• Analizeze și evalueze performanța sistemului de fuziune în diverse condiții.
• Dezvolte soluții practice pentru reducerea zgomotului senzorilor și alinierea datelor.

OpenCV (Open Source Computer Vision Biblioteca: http://opencv.org) este o bibliotecă open-source cu licență BSD care include câteva sute de algoritmi de viziune computerizată.

Audiență

Acest curs se adresează inginerilor și arhitecților care doresc să utilizeze OpenCV pentru proiecte de computer vision

Această instruire live, condusă de un instructor în Moldova (online sau la fața locului) se adresează inginerilor software care doresc să programeze în Python cu OpenCV 4 pentru deep learning.

Până la sfârșitul acestui training, participanții vor fi capabili să:

• Vizualizați, încărcați și clasificați imagini și videoclipuri utilizând OpenCV 4.
• Să implementeze învățarea profundă în OpenCV 4 cu TensorFlow și Keras.
• Să ruleze modele de învățare profundă și să genereze rapoarte cu impact din imagini și videoclipuri.

OpenFace este Python și Torch un software de recunoaștere facială în timp real, open-source, bazat pe cercetarea FaceNet a Google.

În cadrul acestei formări live cu instructor, participanții vor învăța cum să utilizeze componentele OpenFace pentru a crea și implementa un exemplu de aplicație de recunoaștere facială.

Până la sfârșitul acestei instruiri, participanții vor fi capabili să:

• Să lucreze cu componentele OpenFace, inclusiv dlib, OpenVC, Torch, și nn4 pentru a implementa detectarea, alinierea și transformarea feței
• Să aplice OpenFace în aplicații din lumea reală, cum ar fi supravegherea, verificarea identității, realitatea virtuală, jocurile și identificarea clienților fideli etc.

Audiență

• Dezvoltatori
• Oameni de știință în domeniul datelor

Formatul cursului

• Parte prelegere, parte discuție, exerciții și multă practică

Pattern Matching este o tehnică utilizată pentru a localiza modele specifice în cadrul unei imagini. Aceasta poate fi utilizată pentru a determina existența unor caracteristici specifice în cadrul unei imagini capturate, de exemplu eticheta așteptată pe un produs defect într-o linie de fabricație sau dimensiunile specificate ale unei componente. Este diferită de "Pattern Recognition" (care recunoaște modele generale bazate pe colecții mai mari de eșantioane înrudite) prin faptul că dictează în mod specific ceea ce căutăm, apoi ne spune dacă modelul așteptat există sau nu.

Formatul cursului

• Acest curs prezintă abordările, tehnologiile și algoritmii utilizați în domeniul potrivirii modelelor, așa cum se aplică la Machine Vision.

Această instruire live, susținută de un instructor, prezintă software-ul, hardware-ul și procesul pas cu pas necesar pentru a construi un sistem de recunoaștere facială de la zero. Recunoașterea facială este cunoscută și ca Face Recognition.

Hardware-ul utilizat în acest laborator include Rasberry Pi, un modul de cameră, servomotoare (opțional), etc. Participanții sunt responsabili pentru achiziționarea acestor componente ei înșiși. Software-ul utilizat include OpenCV, Linux, Python, etc.

La sfârșitul acestui curs, participanții vor fi capabili să:

• Să instaleze Linux, OpenCV și alte utilitare și biblioteci software pe un Rasberry Pi.
• Să configureze OpenCV pentru a capta și detecta imagini faciale.
• Să înțeleagă diferitele opțiuni de ambalare a unui sistem Rasberry Pi pentru utilizarea în medii reale.
• Adaptarea sistemului pentru o varietate de cazuri de utilizare, inclusiv supraveghere, verificarea identității etc.

Formatul cursului

• Parte prelegere, parte discuție, exerciții și practică practică intensă

Notă

• Alte opțiuni hardware și software includ: Arduino, OpenFace, Windows, etc. Dacă doriți să utilizați oricare dintre acestea, vă rugăm să ne contactați pentru a aranja.

Scilab este un limbaj de nivel înalt bine dezvoltat, gratuit și open-source pentru manipularea datelor științifice. Folosit pentru statistică, grafică și animație, simulare, prelucrarea semnalelor, fizică, optimizare și multe altele, structura sa centrală de date este matricea, simplificând multe tipuri de probleme în comparație cu alternative precum FORTRAN și derivatele C. Este compatibil cu limbaje precum C, Java și Python, ceea ce îl face potrivit pentru a fi utilizat ca o completare a sistemelor existente.

În cadrul acestui curs condus de un instructor, participanții vor învăța avantajele Scilab în comparație cu alternative precum Matlab, elementele de bază ale sintaxei Scilab, precum și unele funcții avansate și interfața cu alte limbaje utilizate pe scară largă, în funcție de cerere. Cursul se va încheia cu un scurt proiect axat pe prelucrarea imaginilor.

La sfârșitul acestui curs, participanții vor cunoaște funcțiile de bază și unele funcții avansate ale Scilab și vor avea resursele necesare pentru a-și continua extinderea cunoștințelor.

Audiență

• Oameni de știință și ingineri în domeniul datelor, în special cu interes pentru procesarea imaginilor și recunoașterea facială

Formatul cursului

• Parte prelegere, parte discuție, exerciții și practică intensivă, cu un proiect final

Acest training în direct de instruire (online sau pe locație) este destinat profesionistilor intermediari care doresc să folosească Vision Builder AI pentru a concepe, implementa și optimiza sistemele automate de inspecții pentru procesele SMT (Surface-Mount Technology).

La sfârșitul acestui training, participanții vor putea:

• Să configureze și să seteze inspecțiile automate folosind Vision Builder AI.
• Să obțină și să preproceseze imagini de calitate ridicată pentru analiză.
• Să implementeze decizii bazate pe logică pentru detectarea defectelor și validarea procesului.
• Să genereze rapoarte de inspecție și să optimizeze performanța sistemului.