Computer Vision with Python Kurzusok

Az OpenCV (Open Source Computer Vision Library: http://opencv.org) egy nyílt forráskódú BSD-licenc könyvtár, amely több száz számítógépes látási algoritmust tartalmaz.

Közönség

Ez a kurzus azoknak a mérnököknek és építészeknek szól, akik a OpenCV-t számítógépes látásprojektekhez kívánják használni

Ez az oktatott, élő képzés bemutatja a szoftver, a hardver és a stepbystep folyamatát, amely az arcfelismerő rendszer megépítéséhez szükséges a semmiből Az arcfelismerés az Arcfelismerés néven is ismert A laborban használt hardver tartalmazza a Rasberry Pi-et, a fényképezőgép-modult, a szervókat (opcionális), stb A résztvevők felelősek ezen komponensek megvásárlásáért A használt szoftver OpenCV, Linux, Python stb A képzés végére a résztvevők képesek lesznek: Telepítse a Linux, az OpenCV és más szoftver segédprogramokat és könyvtárakat egy Rasberry Pi-on Az OpenCV beállítása az arcfájlok rögzítéséhez és felderítéséhez Ismerje meg a Rasberry Pi rendszer csomagolásának különböző lehetőségeit a valós világ környezetben való használatra Alkalmazkodni a rendszerhez különböző használati esetekben, beleértve a felügyeletet, a személyazonosság igazolását stb Közönség Fejlesztők Hardver / szoftver technikusok Technikai személyek minden iparágban Hobbifelhasználók A tanfolyam formátuma Részelőadás, vitafórumok, gyakorlatok és nehéz handson gyakorlat jegyzet Egyéb hardver és szoftver opciók: Arduino, OpenFace, Windows stb Ha bármelyiket szeretné használni, kérjük, vegye fel velünk a kapcsolatot .

Ez az oktató által vezetett, élő képzés a Magyarország-ban (online vagy helyszíni) azoknak a szoftvermérnököknek szól, akik szeretnének Python-ben programozni az OpenCV 4-gyel a mély tanulás érdekében.

A képzés végére a résztvevők képesek lesznek:

• Tekintse meg, töltse be és osztályozza a képeket és videókat az OpenCV 4 segítségével.
• Valósítsa meg a mély tanulást az OpenCV 4-ben a TensorFlow és a Keras segítségével.
• Futtasson mély tanulási modelleket, és készítsen hatásos jelentéseket képekből és videókból.

A mintaegyeztetés egy olyan módszer, amellyel meghatározzák a képen meghatározott mintákat. Ez felhasználható annak meghatározására, hogy a rögzített képen belül vannak-e meghatározott jellemzők, például a hibás termék várt címkéje a gyári sorban vagy az alkatrész meghatározott méretei. Ez különbözik a " Pattern Recognition " -től (amely a kapcsolódó minták nagyobb gyűjteményein alapuló általános mintákat ismeri fel) abban, hogy kifejezetten diktálja, mit keresünk, majd megmondja nekünk, hogy a várt minta létezik-e vagy sem.

A tantárgy formátuma

• Ez a tanfolyam bemutatja a mintázat-illesztés területén alkalmazott megközelítéseket, technológiákat és algoritmusokat, ahogy ez a Machine Vision .

A Pandas egy Python csomag, amely adatstruktúrákat biztosít a strukturált (táblázatos, többdimenziós, potenciálisan heterogén) és idősoros adatokkal való munkavégzéshez.

Ez az oktató által vezetett, élő képzés a Magyarország-ban (online vagy helyszíni) azoknak az adattudósoknak szól, akik a Pandas segítségével szeretnék prediktív elemzést készíteni gépi tanulással.

A képzés végére a résztvevők képesek lesznek:

• Hajtsa végre az adatvesztést az Python-ben.
• ETL műveletek végrehajtása a gépi tanuláshoz.
• Hozzon létre adatvizualizációkat a Pandákkal

Ez az oktató által vezetett, élő képzés a Magyarország-ban (online vagy helyszíni) azoknak az adattudósoknak és fejlesztőknek szól, akik a Modin segítségével párhuzamos számításokat szeretnének létrehozni és megvalósítani a Pandas segítségével a gyorsabb adatelemzés érdekében.

A képzés végére a résztvevők képesek lesznek:

• Állítsa be a szükséges környezetet a Pandas munkafolyamatok Modin segítségével történő nagyszabású fejlesztéséhez.
• Ismerje meg a Modin funkcióit, architektúráját és előnyeit.
• Ismerje meg a különbségeket Modin, Dask és Ray között.
• Hajtsa végre Pandas műveletet gyorsabban a Modin segítségével.
• Valósítsa meg a teljes Pandas API-t és funkciókat.

Ez az oktató által vezetett, élő képzés a Magyarország-ban (online vagy helyszíni) azoknak az adattudósoknak és szoftvermérnököknek szól, akik a Dask-ot a Python ökoszisztémával kívánják használni nagy adatkészletek létrehozására, méretezésére és elemzésére.

A képzés végére a résztvevők képesek lesznek:

• Állítsa be a környezetet a nagy adatfeldolgozás felépítéséhez a Dask és Python segítségével.
• Fedezze fel a Dask szolgáltatásban elérhető szolgáltatásokat, könyvtárakat, eszközöket és API-kat.
• Ismerje meg, hogyan gyorsítja fel a Dask a párhuzamos számítást Pythonban.
• Ismerje meg, hogyan méretezheti a Python ökoszisztémát (Numpy, SciPy és Pandas) a Dask segítségével.
• Optimalizálja a Dask környezetet, hogy megőrizze a nagy teljesítményt a nagy adatkészletek kezelésében.

Ez az oktató által vezetett, élő képzés a Magyarország-ban (online vagy helyszíni) azoknak a fejlesztőknek szól, akik a FastAPI-t Python-vel szeretnék használni a RESTful API-k egyszerűbb és gyorsabb létrehozásához, teszteléséhez és üzembe helyezéséhez.

A képzés végére a résztvevők képesek lesznek:

• Állítsa be a szükséges fejlesztői környezetet az API-k Python és FastAPI használatával történő fejlesztéséhez.
• A FastAPI könyvtár segítségével gyorsabban és egyszerűbben hozhat létre API-kat.
• Ismerje meg, hogyan hozhat létre adatmodelleket és sémákat Pydantic és OpenAPI alapján.
• Csatlakoztassa az API-kat egy adatbázishoz az SQLAlchemy segítségével.
• A FastAPI eszközök segítségével valósítsa meg a biztonságot és a hitelesítést az API-kban.
• Konténerképek létrehozása és webes API-k telepítése felhőkiszolgálón.

Ez az oktató által vezetett, élő (online vagy helyszíni) képzés azoknak a fejlesztőknek szól, akik a FARM (FastAPI, React és MongoDB) stacket szeretnék használni dinamikus, nagy teljesítményű és méretezhető webalkalmazások létrehozására.

A képzés végére a résztvevők képesek lesznek:

Állítsa be a szükséges fejlesztői környezetet, amely integrálja a FastAPI-t, a React-t és a MongoDB-t. Ismerje meg a FARM verem legfontosabb fogalmait, jellemzőit és előnyeit. Ismerje meg, hogyan hozhat létre REST API-kat a FastAPI segítségével. Ismerje meg, hogyan tervezhet interaktív alkalmazásokat a React segítségével. Alkalmazások fejlesztése, tesztelése és üzembe helyezése (front end és back end) a FARM verem segítségével.

Ez az oktató által vezetett, élő képzés a Magyarország-ban (online vagy helyszíni) azoknak a fejlesztőknek szól, akik a SciPy segítségével kívánnak fejlett tudományos számítási funkciókat létrehozni Python segítségével.

A képzés végére a résztvevők képesek lesznek:

• Állítsa be a szükséges fejlesztői környezetet a tudományos számítási funkciók létrehozásának megkezdéséhez.
• Használja ki az SciPy funkciók teljes előnyeit összetett műveletek gyakorlati példáinak végrehajtásával.
• Valósítson meg és optimalizáljon matematikai algoritmusokat és függvényeket tudományos problémák megoldására.
• Adatstruktúrák és interpolációs módszerek tervezése a megjelenítéshez, feldolgozáshoz és elemzéshez.

Ez az oktató által vezetett, élő képzés a Magyarország-ban (online vagy helyszíni) azoknak a fejlesztőknek szól, akik a PyGame segítségével szeretnének játékokat létrehozni és készíteni Python programozással.

A képzés végére a résztvevők képesek lesznek:

• Állítsa be a szükséges fejlesztői környezetet, hogy elkezdhesse játékalkalmazások készítését a PyGame és Python segítségével.
• Ismerje meg, hogyan hozhat létre interaktív PyGame alkalmazásokat animációkkal és multimédiás funkciókkal integrálva.
• Futtassa és tesztelje a játékprogramokat a PyGame tesztcsomaggal, és konvertálja őket futtatható fájlokká.

Ez a gyakorlati tanfolyam azoknak a Python fejlesztőknek szól, akik el akarják készíteni és karbantartják első webes alkalmazásukat. Olyan embereknek szól, akik már ismerik a többi webes keretet, például a Django vagy a Web2py , és meg akarják tanulni, hogy miként lehet megváltoztatni a mikrokeretet (azaz egy olyan keretet, amely harmadik fél könyvtárait összeragasztja ahelyett, hogy önálló univerzális megoldást kínálna). a folyamat.

A tanfolyam jelentős részét nem magának a lombnak (ez apró), hanem harmadik fél könyvtáraira és eszközöire fordítják, amelyeket gyakran használnak a lombik projektekben.

Ez az oktató által vezetett, élő képzés a Magyarország-ban (online vagy helyszíni) azoknak a háttérfejlesztőknek szól, akik REST API-kat szeretnének építeni Python és Flask segítségével.

A képzés végére a résztvevők képesek lesznek:

• Valósítson meg egy REST API-t, amely lehetővé teszi egy Flask webalkalmazás számára, hogy olvasson és írjon egy adatbázist a háttérben.
• Fejlesszen fejlett hitelesítési funkciókat, például frissítési tokenek.
• Újrafelhasználható háttérrendszer létrehozása a jövőbeli Python-projektekhez.
• Egyszerűsítse az adatok tárolását az SQLAlchemy segítségével.
• Telepítsen REST API-kat egy felhő alapú szerverre.

Ez az oktató által vezetett, élő képzés a Magyarország-ban (online vagy helyszíni) azoknak a fejlesztőknek szól, akik szeretnék használni a Flask fejlett funkcióit, hogy méretezhető webalkalmazásokat építsenek a MongoDB tetejére.

A képzés végére a résztvevők képesek lesznek:

• Állítsa be a szükséges fejlesztői környezetet, hogy elkezdhesse webalkalmazások fejlesztését a Flask segítségével.
• Ismerje meg a valós Flask projektek fejlett koncepcióit és technikáit.
• Építsen egy RESTful API szervert a MongoDB tetejére.
• Ismerje meg a mikroszolgáltatások konténerbe helyezését, tesztelését és üzembe helyezését a Flask, Docker és Amazon EC2 segítségével.
• Szerezzen betekintést a fejlett Flask integrációkba a webalkalmazások méretezéséhez.