Helyi, oktatott élő számítógépes képzési tanfolyamok interaktív megbeszélésen keresztül bemutatják a Computer Vision alapjait, és a résztvevők egyszerűen megtekinthessék az egyszerű Computer Vision alkalmazások létrehozását A Computer Vision képzések "on-site élő képzés" vagy "távoli élő képzés" formájában érhetők el A helyszíni élő képzés helyi szinten valósulhat meg az ügyfél telephelyén Magyarország vagy a NobleProg vállalati oktatóközpontjaiban Magyarország A távoli élőképzés interaktív, távoli asztal segítségével történik NobleProg Az Ön Helyi Képzési Szolgáltatója.
Machine Translated
Vélemények
★★★★★
★★★★★
Tényleg élveztem a gyakorlati megközelítést.
Kevin De Cuyper
Kurzus: Computer Vision with OpenCV
Machine Translated
A VideoCapture funkció egyszerű használata a laptopok fényképezőgépről történő felvételéhez.
HP Printing and Computing Solutions, Sociedad Limitada Unipe
Kurzus: Computer Vision with OpenCV
Machine Translated
Nagyon élveztem az edző tanácsait arról, hogyan kell használni az eszközöket. Ez valami, amit nem lehet az internetről kapni, és nagyon hasznos.
HP Printing and Computing Solutions, Sociedad Limitada Unipe
Kurzus: Computer Vision with OpenCV
Machine Translated
Nagyon élveztem az edző tanácsait arról, hogyan kell használni az eszközöket. Ez valami, amit nem lehet az internetről kapni, és nagyon hasznos.
HP Printing and Computing Solutions, Sociedad Limitada Unipe
Kurzus: Computer Vision with OpenCV
Machine Translated
Könnyen követhető volt.
HP Printing and Computing Solutions, Sociedad Limitada Unipe
Kurzus: Computer Vision with OpenCV
Machine Translated
Trainer nagyon knowlegable és nagyon nyitott a visszajelzést, hogy milyen ütemben megy keresztül a tartalom és a témák is érintett. Sokat nyertem a képzés, és úgy érzem, most már egy jó megérteni a képmanipuláció és néhány technikát épület egy jó képzési meg egy kép osztályozási probléma.
A SimpleCV egy nyílt forráskódú keret, ami azt jelenti, hogy könyvtárak és szoftverek gyűjteménye, amelyeket a látásalkalmazások fejlesztésére használhat. Lehetővé teszi a webkamerákból, Kinect-ekből, FireWire és IP-kamerákból vagy mobiltelefonokból származó képeket vagy videófolyamokat. Ez segít a szoftverek megalkotásában, hogy a különböző technológiák ne csak a világot láthassák, hanem azt is megértsék. Közönség Ez a kurzus olyan mérnökökre és fejlesztőkre irányul, akik számítógépes látásalkalmazásokat kívánnak fejleszteni a SimpleCV-vel.
Caffe egy mély tanulási keretrendszer, melyet kifejezést, sebességet és modularitást szem előtt tartanak. Ez a kurzus a Caffe alkalmazásának mélyreható tanulási keretrendszerét vizsgálja a képfelismeréshez MNIST példaként Közönség Ez a kurzus alkalmas a Deep Learning kutatók és mérnökök számára, akik érdeklődnek a Caffe keretrendszerének felhasználásáról. A kurzus befejezése után a küldöttek:
megértsék a Caffe szerkezetét és a telepítési mechanizmusokat
telepítési / gyártási környezet / architektúra feladatokat és konfigurációt végez
a kód minőségének értékelése, hibakeresés, monitorozás
fejlett gyártást, például képzési modelleket, rétegeket és naplózást valósít meg
Marvin is an extensible, cross-platform, open-source image and video processing framework developed in Java. Developers can use Marvin to manipulate images, extract features from images for classification tasks, generate figures algorithmically, process video file datasets, and set up unit test automation.
Some of Marvin's video applications include filtering, augmented reality, object tracking and motion detection.
In this instructor-led, live course participants will learn the principles of image and video analysis and utilize the Marvin Framework and its image processing algorithms to construct their own application.
Format of the Course
The basic principles of image analysis, video analysis and the Marvin Framework are first introduced. Students are given project-based tasks which allow them to practice the concepts learned. By the end of the class, participants will have developed their own application using the Marvin Framework and libraries.
Computer Vision egy olyan terület, amely magában foglalja a digitális média hasznos információinak automatikus kinyerését, elemzését és megértését. Python magas szintű programozási nyelv, amely tiszta szintaxisáról és kódolvashatóságáról híres. Ebben az oktató által vezetett, élő képzésen a résztvevők megtanulják a Computer Vision alapjait, miközben a Python használatával létrehoznak egy egyszerű Computer Vision alkalmazást. A képzés végére a résztvevők képesek lesznek:
Ismerje meg a Computer látás alapjait
A Python használatával hajtsa végre a Computer Vision feladatokat
Készítsen saját arc-, tárgy- és mozgásérzékelő rendszert
Közönség
Python Computer látás iránt érdeklődő Python programozók
A tantárgy formátuma
Részleges előadás, részleges beszélgetés, gyakorlatok és nehéz gyakorlati gyakorlat
A mély tanulás a gépi tanulás alterülete. Olyan módszereket használ, amelyek az adatok reprezentációján és struktúrákon, például neurális hálókon alapulnak. Keras egy magas szintű ideghálózati API a gyors fejlesztéshez és kísérletezéshez. A TensorFlow , CNTK vagy CNTK tetején fut. Ez az oktató által vezetett, élő képzés (helyszíni vagy távoli) azon fejlesztőknek szól, akik önálló vezetésű autót akarnak készíteni mély tanulási technikák segítségével. A képzés végére a résztvevők képesek lesznek:
Használjon számítógépes látástechnikákat a sávok azonosításához.
Használjon Keras t konvolúciós neurális hálózatok felépítéséhez és kiképzéséhez.
Képzzen egy mély tanulási modellt a közlekedési táblák megkülönböztetésére.
Szimulálja a teljesen autonóm autót.
A tantárgy formátuma
Interaktív előadás és beszélgetés.
Sok gyakorlat és gyakorlat.
Gyakorlati megvalósítás élő laboratóriumi környezetben.
Tanfolyam testreszabási lehetőségek
Ha személyre szabott képzést szeretne kérni erre a kurzusra, kérjük vegye fel velünk a kapcsolatot, hogy megbeszélést szervezzen.
A videóelemzés a videó áramlás feldolgozásához használt technológiára és technikára utal. Egy közös alkalmazás lenne az élő videó események rögzítése és azonosítása a mozgás felismerése, az arcfelismerés, a tömeg és a jármű számítása stb.
Ez az oktató által vezetett, élő képzés (online vagy on-site) olyan fejlesztőkre irányul, akik hardveres gyorsított objektumfelismerési és nyomon követési modelleket szeretnének létrehozni a streaming videó adatok elemzéséhez.
A képzés befejezése után a résztvevők képesek lesznek:
Telepítse és konfigurálja a szükséges fejlesztési környezetet, szoftvert és könyvtárakat a fejlesztés megkezdéséhez.
Építsen, képezzen és telepítse a mélyreható tanulási modelleket az élő videó áramlásának elemzéséhez.
Ismerje meg, nyomon követi, szegmentálja és előrejelzi a különböző objektumokat videó kereteken belül.
Az objektum felismerésének és nyomon követési modellek optimalizálása.
Az Intelligent Video Analysis (IVA) alkalmazás létrehozása.
A kurzus formája
Interaktív előadás és vita.
Rengeteg gyakorlat és gyakorlat.
Hands-on megvalósítás egy élő laboratóriumi környezetben.
Szakképesítési lehetőségek
Ahhoz, hogy egy személyre szabott képzést kérjen erre a kurzusra, kérjük, vegye fel velünk a kapcsolatot a rendezéshez.
A YOLO (You Only Look Once) egy algoritmus, amely előre képzett modellekké alakul ki az objektum felismeréséhez. A Darknet neurális hálózati keretrendszer teszteli, ami ideális a COCO (Common Objects in Context) adatkészleten alapuló számítógépes látás funkcióinak fejlesztésére. A YOLO keretrendszer legújabb változatai, a YOLOv3-v4, lehetővé teszik a programok számára, hogy hatékonyan végezzék el az objektumok lokalizálását és osztályozását, miközben valós idejűen futnak.
Ez az oktató által vezetett, élő képzés (online vagy online) olyan háttérfejlesztőknek és adattudósoknak szól, akik szeretnék beépíteni az előképzett YOLO modelleket vállalati programjukba, és költséghatékony elemeket hajtanak végre az objektum-detekcióhoz.
A képzés befejezése után a résztvevők képesek lesznek:
Telepítse és konfigurálja a szükséges eszközöket és könyvtárakat az objektum felderítéséhez YOLO használatával.
Az előképzett YOLO modellek alapján működő Python parancsvonalú alkalmazások személyre szabása.
Végezze el az előre képzett YOLO modellek keretrendszerét a különböző számítógépes látásprojektekhez.
Átalakítsa a meglévő objektum-felismerési adatkészleteket YOLO formátumra.
Ismerje meg a YOLO algoritmus alapvető fogalmát a számítógépes látás és/vagy a mély tanulás szempontjából.
A kurzus formája
Interaktív előadás és vita.
Rengeteg gyakorlat és gyakorlat.
Hands-on megvalósítás egy élő laboratóriumi környezetben.
Szakképesítési lehetőségek
Ahhoz, hogy egy személyre szabott képzést kérjen erre a kurzusra, kérjük, vegye fel velünk a kapcsolatot a rendezéshez.
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 .
OpenCV (Open Source Computer Vision Library: http://opencv.org) is an open-source BSD-licensed library that includes several hundreds of computer vision algorithms.
Audience
This course is directed at engineers and architects seeking to utilize OpenCV for computer vision projects
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 .
OpenCV A programozási funkciók könyvtára a számítógépes algoritmusokkal készített képek deciphálásához. OpenCV 4 a legújabb OpenCV kiadás, és optimalizált modularitást, frissített algoritmusokat és így tovább. OpenCV 4 és Python, a felhasználók képeket és videókat láthatnak, feltölthetnek és osztályozhatnak a fejlett képfelismeréshez.
Ez az oktató által vezetett, élő képzés (online vagy online) célja a szoftvermérnökök, akik szeretnék programozni Python a OpenCV 4 a mélyreható tanulás.
A képzés befejezése után a résztvevők képesek lesznek:
A képek és videók megtekintése, feltöltése és osztályozása OpenCV 4.
A tanulságos tanulás megvalósítása OpenCV 4 TensorFlow és Keras.
A mély tanulási modellek futtatása és a képekből és videókból származó hatásos jelentések generálása.
A kurzus formája
Interaktív előadás és vita.
Rengeteg gyakorlat és gyakorlat.
Hands-on megvalósítás egy élő laboratóriumi környezetben.
Szakképesítési lehetőségek
Ahhoz, hogy egy személyre szabott képzést kérjen erre a kurzusra, kérjük, vegye fel velünk a kapcsolatot a rendezéshez.
Tiszteletben tartjuk az Ön e-mail címét. Nem fogjuk továbbítani és nem adjuk el a címet más feleknek.
Bármikor megváltoztathatja preferenciáit vagy leiratkozhat.
Néhány ügyfelünk
is growing fast!
We are looking for a good mixture of IT and soft skills in Hungary!
As a NobleProg Trainer you will be responsible for:
delivering training and consultancy Worldwide
preparing training materials
creating new courses outlines
delivering consultancy
quality management
At the moment we are focusing on the following areas:
Statistic, Forecasting, Big Data Analysis, Data Mining, Evolution Alogrithm, Natural Language Processing, Machine Learning (recommender system, neural networks .etc...)
SOA, BPM, BPMN
Hibernate/Spring, Scala, Spark, jBPM, Drools
R, Python
Mobile Development (iOS, Android)
LAMP, Drupal, Mediawiki, Symfony, MEAN, jQuery
You need to have patience and ability to explain to non-technical people
To apply, please create your trainer-profile by going to the link below: