Curs de pregatire Detecția Obiectelor în Timp Real cu YOLO

CANN SDK (Compute Architecture for Neural Networks) oferă instrumente puternice de implementare și optimizare pentru aplicații AI în timp real în domeniile computer vision și NLP, în special pe hardware-ul Huawei Ascend.

Acest training condus de un instructor, live (online sau la fața locului), este destinat practicienților AI de nivel intermediar care doresc să construiască, să implementeze și să optimizeze modele de vedere și limbaj folosind CANN SDK pentru cazuri de utilizare în producție.

La sfârșitul acestui training, participanții vor putea:

• Să implementeze și să optimizeze modele CV și NLP folosind CANN și AscendCL.
• Să folosească instrumentele CANN pentru a converti modele și a le integra în pipe-uri live.
• Să optimizeze performanța de inferență pentru sarcini precum detectarea, clasificarea și analiza sentimentelor.
• Să construiască pipe-uri CV/NLP în timp real pentru scenarii de implementare la margine sau în cloud.

Formatul Cursului

• Curs interactiv și demonstrație.
• Laborator practic cu implementarea modelelor și profilarea performanței.
• Proiectarea de pipe-uri live folosind cazuri reale de CV și NLP.

Opțiuni de Personalizare a Cursului

• Pentru a solicita un training personalizat pentru acest curs, vă rugăm să ne contactați pentru a aranja.

Acest training condus de un instructor, în format live în Moldova (online sau la fața locului), este destinat dezvoltatorilor de inteligență artificială de nivel intermediar și inginerilor de viziune artificială care doresc să construiască sisteme robuste de viziune pentru aplicații de conducere autonomă.

La finalul acestui training, participanții vor putea:

• Înțelege conceptele fundamentale ale viziunii artificiale în vehiculele autonome.
• Implementa algoritmi pentru detectarea obiectelor, detectarea benzilor și segmentarea semantică.
• Integra sisteme de viziune cu alte subsisteme ale vehiculelor autonome.
• Aplica tehnici de învățare profundă pentru sarcini avansate de percepție.
• Evalua performanța modelelor de viziune artificială în scenarii din lumea reală.

Acest training condus de un instructor, live în Moldova (online sau la fața locului), este destinat profesioniștilor de nivel avansat care doresc să-și aprofundeze înțelegerea viziunii artificiale și să exploreze capacitățile TensorFlow pentru dezvoltarea de modele sofisticate de viziune folosind Google Colab.

La finalul acestui training, participanții vor putea:

• Să construiască și să antreneze rețele neuronale convoluționale (CNN) folosind TensorFlow.
• Să utilizeze Google Colab pentru dezvoltarea scalabilă și eficientă a modelelor în cloud.
• Să implementeze tehnici de preprocesare a imaginilor pentru sarcini de viziune artificială.
• Să implementeze modele de viziune artificială pentru aplicații din lumea reală.
• Să folosească învățarea prin transfer pentru a îmbunătăți performanța modelelor CNN.
• Să vizualizeze și să interpreteze rezultatele modelelor de clasificare a imaginilor.

Acest training condus de un instructor, live în Moldova (online sau onsite), este destinat inginerilor de visione artificială de nivel intermediar și avansat, dezvoltatorilor de AI și profesioniștilor din domeniul IoT care doresc să implementeze și să optimizeze modele de visione artificială pentru procesare în timp real pe dispozitive edge.

La finalul acestui training, participanții vor putea:

• Să înțeleagă elementele de bază ale Edge AI și aplicațiile sale în visione artificială.
• Să implementeze modele de deep learning optimizate pe dispozitive edge pentru analiza de imagini și video în timp real.
• Să utilizeze framework-uri precum TensorFlow Lite, OpenVINO și NVIDIA Jetson SDK pentru implementarea modelelor.
• Să optimizeze modelele de AI pentru performanță, eficiență energetică și inferență cu latență redusă.

Acest training condus de un instructor, desfășurat live în Moldova (online sau la fața locului), este destinat personalului de nivel începător din forțele de ordine care dorește să treacă de la schițarea facială manuală la utilizarea instrumentelor AI pentru dezvoltarea sistemelor de recunoaștere facială.

La finalul acestui training, participanții vor putea:

• Înțelege elementele de bază ale Inteligenței Artificiale și Învățării Automate.
• Învăța elementele de bază ale procesării digitale a imaginilor și aplicarea acestora în recunoașterea facială.
• Dezvolta abilități în utilizarea instrumentelor și framework-urilor AI pentru a crea modele de recunoaștere facială.
• Dobândi experiență practică în crearea, antrenarea și testarea sistemelor de recunoaștere facială.
• Înțelege considerațiile etice și cele mai bune practici în utilizarea tehnologiei de recunoaștere facială.

Fiji este un pachet open-source puternic pentru procesarea imaginilor, care include ImageJ (un program conceput pentru imagini multidimensionale științifice) împreună cu o suită completă de plugin-uri pentru analiza științifică a imaginilor.

În acest training condus de un instructor, participanții vor învăța cum să exploateze distribuția Fiji și programul de bază ImageJ pentru a crea aplicații robuste de analiză a imaginilor.

La finalul acestui training, participanții vor putea:

• Să utilizeze funcțiile avansate de programare și componentele software ale Fiji pentru a extinde capacitățile ImageJ
• Să asambleze imagini 3D mari din plăci suprapuse
• Să automatizeze actualizarea unei instalări Fiji la pornire folosind sistemul integrat de actualizare
• Să aleagă dintr-o varietate largă de limbaje de scripting pentru a construi soluții personalizate de analiză a imaginilor
• Să utilizeze bibliotecile puternice ale Fiji, cum ar fi ImgLib, pentru a procesa eficient seturi mari de date bioimagistice
• Să implementeze aplicații și să colaboreze eficient cu alți cercetători pe proiecte similare

Formatul Cursului

• Prelegere interactivă și discuții
• Exerciții extinse și aplicare practică
• Implementare practică într-un mediu live-lab

Opțiuni de Personalizare a Cursului

• Pentru a solicita un training personalizat pentru acest curs, vă rugăm să ne contactați pentru a aranja.

Acest training condus de un instructor, live în Moldova (online sau la fața locului), este destinat cercetătorilor și profesioniștilor de laborator de la nivel începător până la intermediar, care doresc să prelucreze și să analizeze imagini legate de țesuturi histologice, celule sanguine, alge și alte mostre biologice.

La sfârșitul acestui training, participanții vor putea:

• Să navigheze în interfața Fiji și să utilizeze funcțiile de bază ale ImageJ.
• Să prelucreze și să îmbunătățească imaginile științifice pentru o analiză mai bună.
• Să analizeze imagini cantitativ, inclusiv numărarea celulelor și măsurarea ariilor.
• Să automatizeze sarcini repetitive folosind macro-uri și plugin-uri.
• Să personalizeze fluxurile de lucru pentru nevoile specifice de analiză a imaginilor în cercetarea biologică.

Acest training condus de un instructor, live în Moldova (online sau la fața locului), este destinat inginerilor de software care doresc să programeze în Python cu OpenCV 4 pentru învățarea profundă.

La finalul acestui training, participanții vor putea:

• Vizualiza, încărca și clasifica imagini și videoclipuri folosind OpenCV 4.
• Să implementeze învățarea profundă în OpenCV 4 cu TensorFlow și Keras.
• Să ruleze modele de învățare profundă și să genereze rapoarte impactante din imagini și videoclipuri.

Viziunea Calculatoarelor este un domeniu care implică extragerea, analiza și înțelegerea automată a informațiilor utile din media digitală. Python este un limbaj de programare de nivel înalt, faimos pentru sintaxa sa clară și lizibilitatea codului.

În cadrul acestui training condus de un instructor, participanții vor învăța noțiunile de bază ale Viziunii Calculatoarelor, parcurgând crearea unui set de aplicații simple de Viziune Calculatoare folosind Python.

La sfârșitul acestui training, participanții vor putea:

• Înțelege noțiunile de bază ale Viziunii Calculatoarelor
• Folosi Python pentru a implementa sarcini de Viziune Calculatoare
• Să-și construiască propriile sisteme de detectare a fețelor, obiectelor și mișcării

Publicul țintă

• Programatori Python interesați de Viziunea Calculatoarelor

Formatul cursului

• Parțial teoretic, parțial discuții, exerciții și practică intensă

SimpleCV este un cadru open source — adică o colecție de biblioteci și software pe care le poți folosi pentru a dezvolta aplicații de viziune. Îți permite să lucrezi cu imagini sau fluxuri video provenite de la webcam-uri, Kinects, camere FireWire și IP, sau telefoane mobile. Te ajută să construiești software care să permită diverselor tehnologii nu doar să vadă lumea, ci și să o înțeleagă.

Publicul țintă

Acest curs este destinat inginerilor și dezvoltatorilor care doresc să dezvolte aplicații de viziune computerizată folosind SimpleCV.

Acest training condus de un instructor, live în Moldova (online sau la fața locului), este destinat profesioniștilor de nivel intermediar care doresc să utilizeze Vision Builder AI pentru a proiecta, implementa și optimiza sisteme de inspecție automată pentru procesele SMT (Tehnologia de Montare pe Suprafață).

La finalul acestui training, participanții vor putea:

• Să configureze și să organizeze inspecții automate folosind Vision Builder AI.
• Să achiziționeze și să preproceseze imagini de înaltă calitate pentru analiză.
• Să implementeze decizii bazate pe logică pentru detectarea defectelor și validarea proceselor.
• Să genereze rapoarte de inspecție și să optimizeze performanța sistemului.

Acest training condus de un instructor, live în Moldova (online sau la fața locului), este destinat dezvoltatorilor, cercetătorilor și oamenilor de știință de date de nivel intermediar până la avansat, care doresc să învețe cum să implementeze detectarea în timp real a obiectelor folosind YOLOv7.

La sfârșitul acestui training, participanții vor putea:

• Să înțeleagă conceptele fundamentale ale detectării obiectelor.
• Să instaleze și să configureze YOLOv7 pentru sarcini de detectare a obiectelor.
• Să antreneze și să testeze modele personalizate de detectare a obiectelor folosind YOLOv7.
• Să integreze YOLOv7 cu alte framework-uri și unelte de computer vision.
• Să depaneze probleme comune legate de implementarea YOLOv7.