Cursuri de pregatire Hardware-Accelerated Video Analytics

Acest curs de instruire live, condus de un instructor în Moldova (online sau la fața locului) se adresează dezvoltatorilor care doresc să utilizeze CUDA pentru a construi Python aplicații care rulează în paralel pe GPU-urile NVIDIA.

La sfârșitul acestui curs de formare, participanții vor fi capabili să:

• Utilizați compilatorul Numba pentru a accelera Python aplicațiile care rulează pe GPU-urile NVIDIA.
.
• Creați, compilați și lansați nuclee CUDA personalizate.
.
• Gestionați memoria GPU.
.
• Convertiți o aplicație bazată pe CPU într-o aplicație accelerată de GPU.
.

Acest curs de instruire live, condus de un instructor în Moldova (online sau la fața locului) se adresează administratorilor de sistem și profesioniștilor IT începători care doresc să instaleze, să configureze, să gestioneze și să depaneze mediile CUDA.

La sfârșitul acestui curs de formare, participanții vor putea să:

• Să înțeleagă arhitectura, componentele și capacitățile CUDA.
• Să instaleze și să configureze mediile CUDA.
• Să gestioneze și să optimizeze resursele CUDA.
• să depaneze și să rezolve problemele comune CUDA.

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

Public

Acest curs este destinat inginerilor și arhitecților care doresc să utilizeze OpenCV pentru proiecte de viziune computerizată

Această instruire instruită live introduce programul software, hardware și pasul treptei necesare pentru a construi un sistem de recunoaștere facială de la zero Recunoașterea facială este cunoscută și ca Recunoașterea feței Hardware-ul folosit în acest laborator include Rasberry Pi, un modul de cameră, servo (opțional), etc Participanții sunt responsabili pentru achiziționarea acestor componente Software-ul folosit include OpenCV, Linux, Python, etc Până la sfârșitul acestui curs, participanții vor putea: Instalați Linux, OpenCV și alte utilitare de software și biblioteci pe un Rasberry Pi Configurați OpenCV pentru captarea și detectarea imaginilor faciale Înțelegeți diferitele opțiuni pentru ambalarea unui sistem Rasberry Pi pentru utilizarea în medii reale Adaptați sistemul pentru o varietate de cazuri de utilizare, inclusiv supravegherea, verificarea identității etc Public Dezvoltatori Tehnicieni de hardware / software Persoane fizice din toate industriile hobbyists Formatul cursului Prelegere parte, discuții parțiale, exerciții și practici grele de manevră 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 .

Acest curs de instruire live, condus de un instructor în Moldova (online sau la fața locului) se adresează inginerilor de software care doresc să programeze în Python cu OpenCV 4 pentru învățare profundă.

La sfârșitul acestui curs de formare, participanții vor fi capabili să:

• Vizualizați, încărcați și clasificați imagini și videoclipuri folosind OpenCV 4.
.
• Implementați învățarea profundă în OpenCV 4 cu TensorFlow și Keras.
.
• Executați modele de învățare profundă și generați rapoarte de impact din imagini și videoclipuri.

Model Matching este o tehnică folosită pentru a localiza tiparele specificate în cadrul unei imagini. Poate fi utilizat pentru a determina existența unor caracteristici specificate în cadrul unei imagini capturate, de exemplu eticheta așteptată pe un produs defect într-o linie de fabrică sau dimensiunile specificate ale unei componente. Este diferit de „ Pattern Recognition ” (care recunoaște tiparele generale bazate pe colecții mai mari de eșantioane asociate) prin faptul că dictează în mod specific ceea ce căutăm, apoi ne spune dacă modelul așteptat există sau nu.

Formatul cursului

• Acest curs introduce abordările, tehnologiile și algoritmii folosiți în câmpul de potrivire a modelelor, așa cum se aplică la Machine Vision .

Această instruire live (online sau la fața locului), condusă de un instructor, se adresează oamenilor de știință, inginerilor de învățare automată și cercetătorilor în domeniul vederii computerizate care doresc să utilizeze Stable Diffusion pentru a genera imagini de înaltă calitate pentru o varietate de cazuri de utilizare.

La sfârșitul acestui curs de formare, participanții vor fi capabili să:

Înțelegerea principiilor Stable Diffusion și a modului în care funcționează pentru generarea de imagini. Să construiască și să antreneze modele Stable Diffusion pentru sarcini de generare de imagini. Să aplice Stable Diffusion în diverse scenarii de generare a imaginilor, cum ar fi inpainting, outpainting și translația imagine-imagine. Optimizarea performanțelor și a stabilității modelelor Stable Diffusion.

Această formare live condusă de un instructor în Moldova (online sau la fața locului) se adresează oamenilor de știință ai datelor de nivel mediu până la avansat, inginerilor de învățare automată, cercetătorilor în învățarea profundă și experților în viziunea computerizată care doresc să-și extindă cunoștințele și abilitățile în învățarea profundă. pentru generarea text-to-image.

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

Înțelegeți arhitecturile și tehnicile avansate de deep learning pentru generarea text-to-image. Implementați modele complexe și optimizări pentru sinteza imaginilor de înaltă calitate. Optimizați performanța și scalabilitatea pentru seturi de date mari și modele complexe. Reglați hiperparametrii pentru o performanță mai bună a modelului și o generalizare. Integrați Stable Diffusion cu alte cadre și instrumente de deep learning

Acest curs de instruire live, condus de un instructor în Moldova (online sau la fața locului) se adresează biologilor care doresc să înțeleagă cum funcționează AlphaFold și să utilizeze modelele AlphaFold ca ghid în studiile lor experimentale.

La sfârșitul acestui curs de formare, participanții vor fi capabili să:

• Înțelegeți principiile de bază ale AlphaFold.
.
• Învățați cum funcționează AlphaFold.
.
• Învățați cum să interpretați predicțiile și rezultatele AlphaFold.
.

Acest curs de instruire live, condus de un instructor în Moldova (online sau la fața locului) se adresează dezvoltatorilor care doresc să utilizeze TensorFlow Lite pentru a implementa modele de învățare profundă pe dispozitive integrate.

La sfârșitul acestui curs de formare, participanții vor fi capabili să:

• Instalați și configurați Tensorflow Lite pe un dispozitiv încorporat.
• Înțelegeți conceptele și componentele care stau la baza TensorFlow Lite.
.
• Convertiți modelele existente în formatul TensorFlow Lite pentru a fi executate pe dispozitive încorporate.
• Lucrați în limitele dispozitivelor mici și ale TensorFlow Lite, învățând în același timp cum să extindeți domeniul de aplicare al operațiunilor care pot fi executate.
.
• Dezvoltați un model de învățare profundă pe un dispozitiv încorporat care rulează Linux.

Acest curs de instruire live, condus de un instructor în Moldova (online sau la fața locului) se adresează dezvoltatorilor care doresc să utilizeze TensorFlow Lite pentru a dezvolta aplicații mobile cu capacități de învățare profundă.

La sfârșitul acestui curs de formare, participanții vor fi capabili să:

• Instalați și configurați TensorFlow Lite.
.
• Înțelegeți principiile din spatele TensorFlow, învățarea mașinilor și învățarea profundă.
.
• Încărcați modele TensorFlow pe un dispozitiv Android.
.
• Activați funcționalități de învățare profundă și de învățare automată, cum ar fi viziunea computerizată și recunoașterea limbajului natural într-o aplicație mobilă.
.

Acest curs de instruire live, condus de un instructor în Moldova (online sau la fața locului) se adresează inginerilor care doresc să scrie, să încarce și să ruleze modele de învățare automată pe dispozitive integrate foarte mici.

La sfârșitul acestui curs de formare, participanții vor fi capabili să:

• Instalați TensorFlow Lite.
• Încărcați modele de învățare automată pe un dispozitiv încorporat pentru a-i permite să detecteze vorbirea, să clasifice imagini etc.
.
• Adaugați inteligența artificială la dispozitivele hardware fără a vă baza pe conectivitatea de rețea.
.

Acest curs de formare live (online sau la fața locului), condus de un instructor, se adresează dezvoltatorilor care doresc să utilizeze TensorFlow Lite pentru a dezvolta aplicații mobile iOS cu capacități de învățare profundă.

La sfârșitul acestui curs de formare, participanții vor fi capabili să:

• Instalați și configurați TensorFlow Lite.
.
• Înțelegeți principiile din spatele TensorFlow și învățarea mașinilor pe dispozitive mobile.
.
• Încărcați modele TensorFlow pe un dispozitiv iOS.
.
• Executați o aplicație iOS capabilă să detecteze și să clasifice un obiect capturat prin camera dispozitivului.
.

Acest curs de instruire live, condus de un instructor în Moldova (online sau la fața locului) se adresează cercetătorilor și dezvoltatorilor care doresc să utilizeze Chainer pentru a construi și antrena rețele neuronale în Python, făcând în același timp codul ușor de depanat.

La sfârșitul acestui curs de formare, participanții vor fi capabili să:

• Setați mediul de dezvoltare necesar pentru a începe să dezvoltați modele de rețele neuronale.
.
• Definiți și implementați modele de rețele neuronale utilizând un cod sursă inteligibil.
.
• Executați exemple și modificați algoritmii existenți pentru a optimiza modelele de formare a învățării profunde, utilizând în același timp GPUs pentru performanțe ridicate.
.

Acest curs de instruire live, condus de un instructor în Moldova (online sau la fața locului) se adresează dezvoltatorilor sau oamenilor de știință care doresc să utilizeze Horovod pentru a rula instruiri distribuite de învățare profundă și să le extindă pentru a rula pe mai multe GPU în paralel.

La sfârșitul acestui curs de formare, participanții vor fi capabili să:

• Setați mediul de dezvoltare necesar pentru a începe să rulați antrenamente de învățare profundă.
• Instalați și configurați Horovod pentru a antrena modele cu TensorFlow, Keras, PyTorch și Apache MXNet.
.
• Scaleți instruirea de învățare profundă cu Horovod pentru a rula pe mai multe GPU.
.