Curso de Computer Vision with Google Colab and TensorFlow
La visión por computadora es un campo en rápida evolución dentro de la inteligencia artificial, y TensorFlow es una de las herramientas más poderosas disponibles para construir e implementar modelos de visión. Este curso presenta a los participantes técnicas avanzadas de visión por computadora utilizando TensorFlow y Google Colab, cubriendo áreas esenciales como las redes neuronales convolucionales (CNN) y las técnicas de procesamiento de imágenes.
Esta capacitación en vivo dirigida por un instructor (en línea o presencial) está dirigida a profesionales de nivel avanzado que desean profundizar su comprensión de la visión por computadora y explorar las capacidades de TensorFlow para desarrollar modelos de visión sofisticados utilizando Google Colab.
Al final de esta formación, los participantes serán capaces de:
- Construya y entrene redes neuronales convolucionales (CNN) utilizando TensorFlow.
- Aproveche Google Colab para el desarrollo de modelos escalables y eficientes basados en la nube.
- Implementar técnicas de preprocesamiento de imágenes para tareas de visión artificial.
- Implemente modelos de visión artificial para aplicaciones del mundo real.
- Utilice el aprendizaje por transferencia para mejorar el rendimiento de los modelos de CNN.
- Visualizar e interpretar los resultados de los modelos de clasificación de imágenes.
Formato del curso
- Charla y discusión interactiva.
- Muchos ejercicios y práctica.
- Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
- Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertarlo.
Programa del Curso
Introducción a Computer Vision
- Visión general de las aplicaciones de visión artificial
- Descripción de los datos y formatos de las imágenes
- Desafíos en las tareas de visión artificial
Introducción a la convolucional Neural Networks (CNNs)
- ¿Qué son las CNN?
- Arquitectura de las CNN: capas convolucionales, agrupación y capas totalmente conectadas
- Cómo se utilizan las CNN en la visión artificial
Manos a la obra con TensorFlow y Google Colab
- Configurando el entorno en Google Colab
- Uso de TensorFlow para la construcción de modelos
- Construcción de un modelo simple de CNN en TensorFlow
Técnicas Avanzadas de CNN
- Transferencia de aprendizaje para CNN
- Ajuste fino de modelos previamente entrenados
- Técnicas de aumento de datos para mejorar el rendimiento
Preprocesamiento y aumento de imágenes
- Técnicas de preprocesamiento de imágenes (escalado, normalización, etc.)
- Aumento de los datos de imagen para un mejor entrenamiento del modelo
- Uso de la canalización de datos de imagen de TensorFlow
Creación e implementación de Computer Vision modelos
- Entrenamiento de CNN para la clasificación de imágenes
- Evaluación y validación del rendimiento del modelo
- Implementación de modelos en entornos de producción
Aplicaciones en el mundo real de Computer Vision
- Visión artificial en el sector sanitario, el comercio minorista y la seguridad
- Detección y reconocimiento de objetos impulsada por IA
- Uso de CNN para el reconocimiento de rostros y gestos
Resumen y próximos pasos
Requerimientos
- Experiencia con Python programación
- Comprensión de los conceptos de aprendizaje profundo
- Conocimientos básicos de redes neuronales convolucionales (CNN)
Audiencia
- Científicos de datos
- Profesionales de la IA
Los cursos de formación abiertos requieren más de 5 participantes.
Curso de Computer Vision with Google Colab and TensorFlow - Booking
Curso de Computer Vision with Google Colab and TensorFlow - Enquiry
Computer Vision with Google Colab and TensorFlow - Consulta de consultoría
Consulta de consultoría
Testimonios (2)
La configuración manual sin servidor. Además, no tenía salidas de la consola web de Idea sls, lo cual es bueno.
Rafal Kucharski - The Software House sp. z o.o.
Curso - Serverless Framework for Developers
Traducción Automática
I genuinely enjoyed the hands-on approach.
Kevin De Cuyper
Curso - Computer Vision with OpenCV
Traducción Automática
Próximos cursos
Cursos Relacionados
AI Facial Recognition Development for Law Enforcement
21 HorasEsta capacitación en vivo dirigida por un instructor en Venezuela (en línea o presencial) está dirigida a personal policial de nivel principiante que desea pasar del dibujo facial manual al uso de herramientas de IA para desarrollar sistemas de reconocimiento facial.
Al final de esta formación, los participantes serán capaces de:
- Comprender los fundamentos de la Inteligencia Artificial y Machine Learning.
- Aprenda los conceptos básicos del procesamiento digital de imágenes y su aplicación en el reconocimiento facial.
- Desarrollar habilidades en el uso de herramientas y marcos de IA para crear modelos de reconocimiento facial.
- Adquiera experiencia práctica en la creación, capacitación y prueba de sistemas de reconocimiento facial.
- Comprender las consideraciones éticas y las mejores prácticas en el uso de la tecnología de reconocimiento facial.
Fiji: Introducción al Procesamiento de Imágenes Científicas
21 HorasFiji es un paquete de procesamiento de imágenes de código abierto que agrupa ImageJ (un programa de procesamiento de imágenes para imágenes multidimensionales científicas) y una serie de complementos para el análisis de imágenes científicas.
En esta capacitación en vivo dirigida por un instructor, los participantes aprenderán cómo usar la distribución Fiji y su programa ImageJ subyacente para crear una aplicación de análisis de imágenes.
Al final de esta formación, los participantes serán capaces de:
- Utilice las funciones de programación avanzadas y los componentes de software de Fiji para ampliar ImageJ
- Unir imágenes 3D de gran tamaño a partir de mosaicos superpuestos
- Actualización automática de una instalación de Fiji al iniciarse mediante el sistema de actualización integrado
- Seleccione entre una amplia selección de lenguajes de scripting para crear soluciones de análisis de imágenes personalizadas
- Utilice las potentes bibliotecas de Fiji, como ImgLib, en grandes conjuntos de datos de bioimágenes
- Implemente su aplicación y colabore con otros científicos en proyectos similares
Formato del curso
- Charla y discusión interactiva.
- Muchos ejercicios y práctica.
- Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
- Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertarlo.
Fiji: Image Processing for Biotechnology and Toxicology
14 HorasEsta capacitación en línea dirigida por un instructor en Venezuela (en línea o en el sitio) está dirigida a investigadores y profesionales de laboratorio de nivel principiante a intermedio que desean procesar y analizar imágenes relacionadas con tejidos histológicos, células sanguíneas, algas y otras muestras biológicas.
Al final de esta capacitación, los participantes podrán:
- Navegar por la interfaz de Fiji y utilizar las funciones principales de ImageJ.
- Preprocesar y mejorar imágenes científicas para un mejor análisis.
- Analizar imágenes de manera quantitativa, incluida la contagem de células y la medición de áreas.
- Automatizar tareas repetitivas usando macros y complementos.
- Personalizar flujos de trabajo para necesidades específicas de análisis de imágenes en investigación biológica.
Fn Project
7 HorasEsta capacitación en vivo dirigida por un instructor en Venezuela (en línea o en el sitio) está dirigida a programadores y desarrolladores que desean utilizar Fn en la creación de aplicaciones y servicios sin servidor.
Al final de esta formación, los participantes serán capaces de:
- Configure Fn para crear directorios y funciones.
- Cree aplicaciones utilizando diferentes lenguajes de programación.
- Supervise las funciones para resolver problemas en las etapas de desarrollo e implementación.
Visión por Computadora con OpenCV
28 HorasOpenCV (Open Source Computer Vision Library: http://opencv.org) es una biblioteca de licencia BSD de código abierto que incluye varios centenares de algoritmos de visión por ordenador.
Audiencia
Este curso está dirigido a ingenieros y arquitectos que buscan utilizar OpenCV para proyectos de visión por computadora
Python and Deep Learning with OpenCV 4
14 HorasEsta capacitación en vivo dirigida por un instructor en Venezuela (en línea o presencial) está dirigida a ingenieros de software que desean programar en Python con OpenCV 4 para el aprendizaje profundo.
Al final de esta formación, los participantes serán capaces de:
- Vea, cargue y clasifique imágenes y vídeos con OpenCV 4.
- Implemente el aprendizaje profundo en OpenCV, 4 con TensorFlow y Keras.
- Ejecute modelos de aprendizaje profundo y genere informes impactantes a partir de imágenes y vídeos.
OpenFaas for Developers
14 HorasEsta capacitación en vivo dirigida por un instructor en Venezuela (presencial o remota) está dirigida a desarrolladores que desean usar OpenFaas para crear, construir, probar, depurar e implementar funciones basadas en eventos sin necesidad de preocuparse por administrar la infraestructura de servidor subyacente.
Al final de esta formación, los participantes serán capaces de:
- Instalar y configurar OpenFaas.
- Empaquete cualquier binario o código como una función sin servidor sin codificación repetitiva de plantillas.
- Desacople de AWS Lambda para evitar el bloqueo.
- Implemente funciones basadas en eventos en un servidor local o en la nube.
OpenFace: Creación de Sistemas de Reconocimiento Facial
14 HorasOpenFace es Python y Torch un software de reconocimiento facial en tiempo real de código abierto basado en la investigación de FaceNet de Google.
En esta capacitación en vivo dirigida por un instructor, los participantes aprenderán a usar los componentes de OpenFace para crear e implementar una aplicación de reconocimiento facial de muestra.
Al final de esta formación, los participantes serán capaces de:
- Trabaje con los componentes de OpenFace, incluidos dlib, OpenVC Torch y nn4 para implementar la detección, alineación y transformación de rostros
- Aplique OpenFace a aplicaciones del mundo real como vigilancia, verificación de identidad, realidad virtual, juegos e identificación de clientes habituales, etcétera.
Audiencia
- Desarrolladores
- Científicos de datos
Formato del curso
- En parte conferencia, en parte discusión, ejercicios y práctica práctica pesada
Parallel Programming with OpenMP
14 HorasEsta capacitación en vivo dirigida por un instructor en Venezuela (en línea o presencial) está dirigida a ingenieros de software que desean desarrollar aplicaciones paralelas utilizando OpenMP.
Al final de esta formación, los participantes serán capaces de:
- Comprender y utilizar la programación paralela con Fortran en OpenMP.
- Calcule fractales en paralelo para representar varios píxeles y caracteres.
- Implemente la programación vectorial con extensiones SIMD para sistemas HPC.
- Agregue bloques paralelos para especificar el paralelismo de memoria compartida.
Búsqueda de Patrones
14 HorasPattern Matching es una técnica utilizada para localizar patrones específicos dentro de una imagen. Se puede utilizar para determinar la existencia de características especificadas dentro de una imagen capturada, por ejemplo, la etiqueta esperada en un producto defectuoso en una línea de fábrica o las dimensiones especificadas de un componente. Es diferente de "Pattern Recognition" (que reconoce patrones generales basados en colecciones más grandes de muestras relacionadas) en que dicta específicamente lo que estamos buscando, y luego nos dice si el patrón esperado existe o no.
Formato del curso
- Este curso presenta los enfoques, tecnologías y algoritmos utilizados en el campo de la coincidencia de patrones en su aplicación a Machine Vision.
Raspberry Pi + OpenCV: Construye un Sistema de Reconocimiento Facial
21 HorasEsta capacitación en vivo dirigida por un instructor presenta el software, el hardware y el proceso paso a paso necesarios para crear un sistema de reconocimiento facial desde cero. El reconocimiento facial también se conoce como Face Recognition.
El hardware utilizado en este laboratorio incluye Rasberry Pi, un módulo de cámara, servos (opcionales), etcétera. Los participantes son responsables de comprar estos componentes ellos mismos. El software utilizado incluye OpenCV, Linux, Python, etcétera.
Al final de esta formación, los participantes serán capaces de:
- Instale Linux, OpenCV y otras utilidades y bibliotecas de software en una Rasberry Pi.
- Configure OpenCV para capturar y detectar imágenes faciales.
- Comprenda las diversas opciones para empaquetar un sistema Rasberry Pi para su uso en entornos del mundo real.
- Adapte el sistema para una variedad de casos de uso, incluida la vigilancia, la verificación de identidad, etcétera.
Formato del curso
- En parte conferencia, en parte discusión, ejercicios y práctica práctica pesada
Nota
- Otras opciones de hardware y software incluyen: Arduino, OpenFace, Windows, etcétera. Si desea utilizar alguno de ellos, póngase en contacto con nosotros para concertarlo.
Serverless Framework for Developers
14 HorasEsta capacitación en vivo dirigida por un instructor en Venezuela (presencial o remota) está dirigida a desarrolladores que desean utilizar Serverless Framework AWS y otras plataformas en la nube para crear e implementar aplicaciones de microservicios.
Al final de esta formación, los participantes serán capaces de:
- Configure Serverless Framework para que funcione con servicios informáticos como AWS Lambda.
- Reduzca la complejidad y el costo de implementar microservicios en diferentes plataformas en la nube.
- Emite y captura eventos y ejecuta funciones automáticamente.
Vision Builder for Automated Inspection
35 HorasEsta formación en vivo dirigida por un instructor en Venezuela (en línea o presencial) está destinada a profesionales de nivel intermedio que desean utilizar Vision Builder AI para diseñar, implementar y optimizar sistemas de inspección automatizados para procesos SMT (Surface-Mount Technology).
Al final de esta formación, los participantes podrán:
- Configurar e instalar inspecciones automatizadas utilizando Vision Builder AI.
- Adquirir y preprocesar imágenes de alta calidad para su análisis.
- Implementar decisiones basadas en lógica para la detección de defectos y validación del proceso.
- Generar informes de inspección y optimizar el rendimiento del sistema.