Computer Vision met Python Training Cursus

De CANN SDK (Compute Architecture for Neural Networks) biedt krachtige implementatie- en optimalisatietools voor real-time AI-toepassingen in computer vision en NLP, met name op Huawei Ascend-hardware.

Deze instructiegeleide live-training (online of ter plekke) is gericht op middenniveau AI-professionals die willen bouwen, implementeren en optimaliseren van visuele en taalmodellen met de CANN SDK voor productiegevallen.

Aan het einde van deze training zullen de deelnemers in staat zijn om:

• CV- en NLP-modellen te implementeren en optimaliseren met CANN en AscendCL.
• CANN-tools te gebruiken om modellen te converteren en ze in live-pijplijnen te integreren.
• Inference-prestaties te optimaliseren voor taken zoals detectie, classificatie en sentimentanalyse.
• Real-time CV/NLP-pijplijnen te bouwen voor implementatiescenario's aan de edge of in de cloud.

Cursusopzet

• Interactieve les en demonstratie.
• Handson lab met modelimplementatie en prestatieprofiling.
• Live-pijplijnontwerp met echte CV- en NLP-gebruiksgevallen.

Cursusaanpassingsmogelijkheden

• Voor een aangepaste training voor deze cursus kunt u contact met ons opnemen om de details te bespreken.

Deze door een instructeur geleide, live training (online of op locatie) is bedoeld voor AI-ontwikkelaars en computer vision engineers op intermediair niveau die robuuste visiesystemen voor toepassingen van zelfrijdende voertuigen willen bouwen.

Aan het einde van deze training zullen de deelnemers in staat zijn om:

• De basisconcepten van computer vision in zelfrijdende voertuigen te begrijpen.
• Algoritmen voor objectdetectie, baanherkenning en semantische segmentatie te implementeren.
• Visiesystemen te integreren met andere subsystemen van zelfrijdende voertuigen.
• Deep learning technieken toe te passen voor geavanceerde waarnemingstaken.
• De prestaties van computer vision modellen in real-world scenario's te evalueren.

Deze door een instructeur geleide, live training in Nederland (online of ter plaatse) is gericht op data wetenschappers en software ingenieurs die Dask met de Python-ecosysteem willen gebruiken om grote datasets te bouwen, schalen en analyseren.

Na afloop van deze training zullen de deelnemers in staat zijn:

• Het omgeving opzetten om big data verwerking met Dask en Python te starten.
• De functionaliteiten, bibliotheken, tools en API's die beschikbaar zijn in Dask verkennen.
• Inzicht krijgen hoe Dask parallellerekeningen in Python versnelt.
• Leren hoe je de Python-ecosysteem (Numpy, SciPy en Pandas) met Dask schaalt.
• De Dask-omgeving optimaliseren om een hoge prestatie te behouden bij het verwerken van grote datasets.

Deze door een instructeur geleide live training in Nederland (online of op locatie) is gericht op ontwikkelaars en data-analisten op intermediair niveau die hun vaardigheden in data-analyse en manipulatie met behulp van Pandas en NumPy willen verbeteren.

Na afloop van deze training kunnen de deelnemers:

• Een ontwikkelomgeving instellen die Python, Pandas en NumPy omvat.
• Een data-analyseapplicatie maken met behulp van Pandas en NumPy.
• Geavanceerde data-wrangling-, sorterings- en filteroperaties uitvoeren.
• Aggregaatoperaties uitvoeren en tijdreeksdata analyseren.
• Data visualiseren met Matplotlib en andere visualisatiebibliotheken.
• Hun data-analysecode debuggen en optimaliseren.

Deze door een instructeur geleide, live training in Nederland (online of op locatie) is gericht op beginnende medewerkers van de rechtshandhaving die willen overstappen van handmatig faciaal tekenen naar het gebruik van AI-tools voor het ontwikkelen van gezichtsherkenningsystemen.

Aan het einde van deze training zullen de deelnemers in staat zijn om:

• De basisprincipes van Artificial Intelligence en Machine Learning te begrijpen.
• De basisprincipes van digitale beeldverwerking en de toepassing ervan in gezichtsherkenning te leren.
• Vaardigheden te ontwikkelen in het gebruik van AI-tools en frameworks om gezichtsherkenningsmodellen te creëren.
• Handson ervaring op te doen met het creëren, trainen en testen van gezichtsherkenningsystemen.
• De ethische overwegingen en beste praktijken bij het gebruik van gezichtsherkenningstechnologie te begrijpen.

Deze instructeurgeleide, live-training (online of op locatie) is gericht op ontwikkelaars die de FARM (FastAPI, React en MongoDB)-stack willen gebruiken om dynamische, hoge-prestatie en schaalbare webtoepassingen te bouwen.

Na afloop van deze training kunnen de deelnemers:

• Het noodzakelijke ontwikkelomgeving inrichten dat FastAPI, React en MongoDB integreert.
• De belangrijkste concepten, functies en voordelen van de FARM-stack begrijpen.
• Leren hoe je REST APIs kunt bouwen met FastAPI.
• Leren hoe je interactieve toepassingen kunt ontwerpen met React.
• Toepassingen (front-end en back-end) ontwikkelen, testen en implementeren met de FARM-stack.

Dit door de instructeur geleide live-training in Nederland (online of on-site) is gericht op ontwikkelaars die FastAPI willen gebruiken met Python om RESTful API's sneller en gemakkelijker te bouwen, testen en implementeren.

Na het volgen van deze training zullen de deelnemers in staat zijn:

• Het benodigde ontwikkelomgeving op te zetten om API's met Python en FastAPI te ontwikkelen.
• API's sneller en gemakkelijker te creëren met behulp van de FastAPI-bibliotheek.
• Te leren hoe je data-modellen en schema's kunt maken op basis van Pydantic en OpenAPI.
• API's aan een database te koppelen met SQLAlchemy.
• Veiligheid en authenticatie in API's te implementeren met de FastAPI-hulpmiddelen.
• Container-afbeeldingen te bouwen en web-API's naar een cloud-server te implementeren.

Fiji is een open-source afbeeldingsverwerkingspakket dat ImageJ (een afbeeldingsverwerkingsprogramma voor wetenschappelijke multidimensionele afbeeldingen) en een aantal plugins voor wetenschappelijke afbeeldingsanalyse bundelt.

In deze instructeur-geldeide, live training leren de deelnemers hoe ze de Fiji-distributie en het onderliggende ImageJ-programma kunnen gebruiken om een afbeeldingsanalyse-toepassing te creëren.

Aan het einde van deze training zullen de deelnemers in staat zijn:

• Fiji's geavanceerde programmeringsfuncties en softwarecomponenten gebruiken om ImageJ uit te breiden
• Grote 3D-afbeeldingen samenstellen van overlappende tegels
• Een Fiji-installatie automatisch bijwerken bij opstarten met het geïntegreerde updatesysteem
• Uit een brede selectie aan scripttalen kiezen om aangepaste afbeeldingsanalyse-oplossingen te bouwen
• Fiji's krachtige bibliotheken, zoals ImgLib op grote bioafbeeldingendatasets gebruiken
• Hun toepassing implementeren en samenwerken met andere wetenschappers aan vergelijkbare projecten

Formaat van de Cursus

• Interactieve lezing en discussie.
• Veel oefeningen en praktijk.
• Hands-on implementatie in een live-lab omgeving.

Cursus Aanpassingsmogelijkheden

• Voor een aangepaste training voor deze cursus, neem contact met ons op om dit te regelen.

Deze instructeurgeleide live-training in Nederland (online of ter plaatse) is gericht op beginnende tot geavanceerde onderzoekers en laboratoriaprofessionals die afbeeldingen willen verwerken en analyseren met betrekking tot histologische weefsels, bloedcellen, algen en andere biologische monsters.

Aan het einde van deze training zullen de deelnemers in staat zijn:

• De Fiji-interface te navigeren en ImageJ’s kernfuncties te gebruiken.
• Wetenschappelijke afbeeldingen voor betere analyse te verwerken en te verbeteren.
• Afbeeldingen kwantitatief te analyseren, waaronder celtelling en oppervlakteberekening.
• Herhaalde taken te automatiseren met behulp van macros en plugins.
• Werkprocessen aan te passen voor specifieke afbeeldingsanalysebehoeften in biologisch onderzoek.

Deze live training onder leiding van een instructeur in Nederland (online of ter plaatse) is bedoeld voor datawetenschappers en -ontwikkelaars die Modin willen gebruiken om parallelle berekeningen te bouwen en te implementeren met Pandas voor snellere data-analyse.

Aan het einde van deze training zijn de deelnemers in staat om:

• Zet de benodigde omgeving op om te beginnen met het ontwikkelen van Pandas workflows op schaal met Modin.
• Begrijp de functies, architectuur en voordelen van Modin.
• Ken de verschillen tussen Modin, Dask en Ray.
• Voer Pandas bewerkingen sneller uit met Modin.
• Implementeer de volledige Pandas API en functies.

OpenCV (Open Source Computer Vision Bibliotheek: http://opencv.org) is een open-source BSD-gelicentieerde bibliotheek die enkele honderden computervisie-algoritmen bevat.

Audiëntie

Deze cursus is bedoeld voor ingenieurs en architecten die OpenCV willen gebruiken voor computervisieprojecten

Deze live training onder leiding van een instructeur in Nederland (online of ter plaatse) is bedoeld voor software-engineers die willen programmeren in Python met OpenCV 4 voor deep learning.

Aan het einde van deze training zijn de deelnemers in staat om:

• Bekijk, laad en classificeer afbeeldingen en video's met behulp van OpenCV 4.
• Implementeer deep learning in OpenCV, 4, met TensorFlow en Keras.
• Voer deep learning-modellen uit en genereer impactvolle rapporten op basis van afbeeldingen en video's.

Pattern Matching is een techniek die wordt gebruikt om gespecificeerde patronen in een afbeelding te lokaliseren. Het kan worden gebruikt om het bestaan van gespecificeerde kenmerken in een vastgelegd beeld te bepalen, bijvoorbeeld het verwachte label op een defect product in een fabriekslijn of de gespecificeerde afmetingen van een onderdeel. Het verschilt van "Pattern Recognition" (dat algemene patronen herkent op basis van grotere verzamelingen van verwante monsters) in die zin dat het specifiek dicteert waarnaar we op zoek zijn en ons vervolgens vertelt of het verwachte patroon bestaat of niet.

Vorm van de cursus

• Deze cursus introduceert de benaderingen, technologieën en algoritmen die worden gebruikt op het gebied van patroonherkenning zoals dat van toepassing is op Machine Vision.

Dit door een instructeur geleide live training in Nederland (online of op locatie) is gericht op professionals met middelmatige kennis die Vision Builder AI willen gebruiken om geautomatiseerde inspectiesystemen te ontwerpen, implementeren en optimaliseren voor SMT (Surface-Mount Technology) processen.

Na afloop van deze training zijn de deelnemers in staat:

• Geautomatiseerde inspecties op te zetten en te configureren met Vision Builder AI.
• Hoge-kwaliteitsafbeeldingen verkrijgen en voorbereiden voor analyse.
• Logica-gebaseerde beslissingen implementeren voor defectendetekting en procesvalidatie.
• Inspectierapporten genereren en systeemprestaties optimaliseren.