Computer Vision mit Python Schulung

Diese instruktorengestützte Live-Schulung in Schweiz (online oder vor Ort) richtet sich an Entwickler im Bereich künstliche Intelligenz (KI) auf mittlerem Niveau sowie Ingenieurinnen und Ingenieure für Computervision, die robuste Vision-Systeme für Anwendungen im autonomen Fahren entwickeln möchten.

Die Teilnehmenden können am Ende dieser Schulung:

• Die grundlegenden Konzepte der Computervision in autonomen Fahrzeugen verstehen.
• Algorithmen für Objekterkennung, Spurerkennung und semantische Segmentierung implementieren.
• Vision-Systeme mit anderen Subsystemen autonomer Fahrzeuge integrieren.
• Deep-Learning-Techniken für fortschrittliche Wahrnehmungsaufgaben anwenden.
• Die Leistung von Computervision-Modellen in realen Szenarien evaluieren.

Diese instruktionsgeleitete, live stattfindende Schulung in Schweiz (online oder vor Ort) richtet sich an erfahrene Fachkräfte, die ihr Verständnis der Computer Vision vertiefen und die Möglichkeiten von TensorFlow zur Entwicklung anspruchsvoller Bildverarbeitungsmodelle mit Google Colab erkunden möchten.

Am Ende dieser Schulung werden die Teilnehmenden in der Lage sein:

• Convolutional neural networks (CNNs) mit TensorFlow aufzubauen und zu trainieren.
• Google Colab für skalierbare und effiziente cloud-basierte Modellentwicklungen zu nutzen.
• Bildvorverarbeitungstechniken für Computer-Vision-Aufgaben zu implementieren.
• Computer-Vision-Modelle für reale Anwendungen bereitzustellen.
• Transfer Learning einzusetzen, um die Leistung von CNN-Modellen zu verbessern.
• Die Ergebnisse von Bildklassifizierungsmodellen zu visualisieren und zu interpretieren.

Dieser von einem Dozenten geleitete Live-Kurs in Schweiz (online oder vor Ort) richtet sich an Python-Entwickler und Data Analysts mit mittlerem Kenntnissniveau, die ihre Fähigkeiten in der Datenanalyse und -manipulation mit Pandas und NumPy vertiefen möchten.

Nach Abschluss dieses Kurses werden die Teilnehmer folgendes können:

• Eine Entwicklungsumgebung einrichten, die Python, Pandas und NumPy umfasst.
• Eine Datenanalyseanwendung mit Pandas und NumPy erstellen.
• Fortgeschrittene Datenbereinigungs-, Sortierungs- und Filteroperationen durchführen.
• Aggregationsoperationen durchführen und Zeitreihendaten analysieren.
• Daten mithilfe von Matplotlib und anderen Visualisierungsbibliotheken visualisieren.
• Iren Code zur Datenanalyse debuggen und optimieren.

Dieses live-durchgeführte, instruktorbasierte Training in Schweiz (online oder vor Ort) richtet sich an Computer-Vision-Ingenieure, KI-Entwickler und IoT-Professionals mit mittlerem bis fortgeschrittenem Niveau, die Computer-Vision-Modelle für die Echtzeitverarbeitung auf Edge-Geräten implementieren und optimieren möchten.

Nach Abschluss dieses Trainings sind die Teilnehmer in der Lage:

• Die Grundlagen von Edge AI und deren Anwendungen in der Computer Vision zu verstehen.
• Optimierte Deep-Learning-Modelle auf Edge-Geräten für die Echtzeit-Bild- und Videoanalyse bereitzustellen.
• Frameworks wie TensorFlow Lite, OpenVINO und NVIDIA Jetson SDK zur Modellbereitstellung zu nutzen.
• KI-Modelle hinsichtlich Leistung, Energieeffizienz und niedriger Latenz bei der Inferenz zu optimieren.

Dieses von einem Dozenten geleitete Live-Training in Schweiz (online oder vor Ort) richtet sich an Anfänger im Bereich der Strafverfolgung, die von manueller Gesichtsbeschaffung auf den Einsatz von KI-Tools für die Entwicklung von Gesichtserkennungssystemen umsteigen möchten.

Nach Abschluss dieses Trainings können die Teilnehmer:

• Die Grundlagen der künstlichen Intelligenz und des maschinellen Lernens verstehen.
• Die Basics der digitalen Bildverarbeitung und deren Anwendung in der Gesichtserkennung erlernen.
• Fähigkeiten im Umgang mit KI-Tools und -Frameworks zur Erstellung von Gesichtserkennungsmodellen entwickeln.
• Praxiserfahrung bei der Erstellung, dem Training und dem Testen von Gesichtserkennungssystemen sammeln.
• Ethische Überlegungen und bewährte Praktiken im Einsatz von Gesichtserkennungstechnologien verstehen.

Diese instructor-led Schulung (online oder vor Ort) richtet sich an Entwickler, die den FARM-Stack (FastAPI, React und MongoDB) nutzen möchten, um dynamische, leistungsstarke und skalierbare Webanwendungen zu erstellen.

Nach Abschluss dieser Schulung werden die Teilnehmer in der Lage sein:

• Die erforderliche Entwicklungsumgebung einzurichten, die FastAPI, React und MongoDB integriert.
• Die wesentlichen Konzepte, Funktionen und Vorteile des FARM-Stacks zu verstehen.
• Zu erlernen, wie man REST-APIs mit FastAPI erstellt.
• Zu erlernen, wie man interaktive Anwendungen mit React entwirft.
• Anwendungen (Frontend und Backend) mit dem FARM-Stack zu entwickeln, zu testen und bereitzustellen.

Diese von Dozierenden geleitete Live-Schulung in Schweiz (online oder vor Ort) richtet sich an Entwickler, die FastAPI mit Python nutzen möchten, um RESTful-APIs einfacher und schneller zu erstellen, zu testen und bereitzustellen.

Nach Abschluss dieser Schulung sind die Teilnehmer in der Lage:

• Die notwendige Entwicklungsumgebung zum Entwickeln von APIs mit Python und FastAPI einzurichten.
• APIs dank der FastAPI-Bibliothek schneller und einfacher zu erstellen.
• Zu erlernen, wie man Datenmodelle und Schemata auf Basis von Pydantic und OpenAPI erstellt.
• APIs mittels SQLAlchemy mit einer Datenbank zu verbinden.
• Sicherheit und Authentifizierung in APIs durch die Einsatz von FastAPI-Tools zu implementieren.
• Containerimages zu erstellen und Web-APIs auf einem Cloud-Server bereitzustellen.

Diese praxisorientierte Schulung zu Schweiz vermittelt die Grundlagen von Fiji und ImageJ für die biologische Forschung. Die Lernenden erwerben praktische Fähigkeiten in der Bildvorverarbeitung, der quantitativen Analyse und der Makro-Automatisierung, um Workflows für histologische Gewebe, Zellen und andere Proben zu optimieren und reproduzierbare Ergebnisse zu erzielen.

Diese von einem Dozenten geleitete Live-Schulung in Schweiz (online oder vor Ort) richtet sich an Fachleute mit mittlerem Kenntnisstand, die Vision Builder AI nutzen möchten, um automatische Inspektionssysteme für SMT-Prozesse (Surface-Mount-Technologie) zu entwerfen, zu implementieren und zu optimieren.

Am Ende dieser Schulung können die Teilnehmer Folgendes:

• Automatische Inspektionen mit Vision Builder AI einrichten und konfigurieren.
• Hochwertige Bilder für die Analyse erfassen und vorverarbeiten.
• Logikbasierte Entscheidungen zur Fehlererkennung und Prozessvalidierung implementieren.
• Inspektionsberichte generieren und die Systemleistung optimieren.

Diese live geleitete Schulung in Schweiz (online oder vor Ort) richtet sich an Entwickler, Forscher und Data Scientists mit mittlerer bis fortgeschrittener Erfahrung, die lernen möchten, wie man mit YOLOv7 eine Echtzeit-Objekterkennung implementiert.

Nach Abschluss dieser Schulung sind die Teilnehmenden in der Lage:

• Die grundlegenden Konzepte der Objekterkennung zu verstehen.
• YOLOv7 für Aufgaben der Objekterkennung zu installieren und zu konfigurieren.
• Eigene Modelle zur Objekterkennung mit YOLOv7 zu trainieren und zu testen.
• YOLOv7 mit anderen Frameworks und Tools der Computer Vision zu integrieren.
• Häufige Probleme bei der Implementierung von YOLOv7 zu beheben.