Computer Vision Schulungen in Zürich

Dieses live-durchgeführte, instruktorbasierte Training in Zürich (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.

Diese instruktionsgeleitete, live stattfindende Schulung in Zürich (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.

Das CANN SDK (Compute Architecture for Neural Networks) bietet leistungsstarke Tools für die Bereitstellung und Optimierung von Echtzeit-KI-Anwendungen im Bereich Computer Vision und NLP, insbesondere auf Huawei-Ascend-Hardware.

Diese Instructor-led-Schulung (online oder vor Ort) richtet sich an KI-Praktiker mit mittlerem Erfahrungsgrad, die Vision- und Sprachmodelle für Produktionsanwendungen mit dem CANN SDK entwickeln, bereitstellen und optimieren möchten.

Am Ende dieser Schulung können Teilnehmer:

• CV- und NLP-Modelle mit CANN und AscendCL bereitstellen und optimieren.
• CANN-Tools nutzen, um Modelle zu konvertieren und in Echtzeit-Pipelines zu integrieren.
• Die Inferenzleistung für Aufgaben wie Objekterkennung, Klassifizierung und Stimmungsanalyse optimieren.
• Echtzeit-CV-/NLP-Pipelines für Edge- oder Cloud-basierte Bereitstellungsszenarien erstellen.

Kursformat

• Interaktive Vorlesung und Demonstration.
• Praxisworkshop mit Modellbereitstellung und Leistungsmessung (Profiling).
• Live-Design von Pipelines anhand realer CV- und NLP-Anwendungsfälle.

Optionen zur Kursanpassung

• Bitte kontaktieren Sie uns, um eine individuelle Schulung für diesen Kurs zu vereinbaren.

Diese instruktorengestützte Live-Schulung in Zürich (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.

Dieses von einem Dozenten geleitete Live-Training in Zürich (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.

Fiji ist ein Open-Source-Bildverarbeitungspaket auf Basis von ImageJ, das speziell für die wissenschaftliche Bildanalyse, insbesondere in der biologischen Forschung, entwickelt wurde.

Dieser praxisorientierte, von Dozenten geleitete Live-Kurs (online oder vor Ort) richtet sich an Forscher und Laborfachkräfte mit Grund- bis mittleren Vorkenntnissen, die Bilder von histologischen Geweben, Blutkörperchen, Algen und anderen biologischen Proben verarbeiten und analysieren möchten.

Nach Abschluss dieser Schulung sind die Teilnehmer in der Lage:

• die Benutzeroberfläche von Fiji zu bedienen und die Kernfunktionen von ImageJ anzuwenden.
• wissenschaftliche Bilder vorzubereiten und zu optimieren, um eine genauere Analyse zu ermöglichen.
• Bilder quantitativ zu analysieren, einschliesslich der Zellzählung und der Flächendefinition.
• Wiederholungen von Aufgaben mithilfe von Makros und Plug-ins zu automatisieren.
• Arbeitsabläufe für bestimmte Bildanalyse-Anforderungen in der biologischen Forschung anzupassen.

Kursformat

• Interaktive Vorträge und Diskussionen.
• Viele Übungen und Praxisanwendungen.
• Praktische Umsetzung in einer Live-Lab-Umgebung.

Optionen zur Kursanpassung

• Für eine individuelle Anpassung dieser Schulung kontaktieren Sie uns bitte zur Vereinbarung.

Diese von einem Dozenten geleitete Live-Schulung in Zürich (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.

Dieser vom Ausbilder geleitete Live-Kurs in Zürich (online oder vor Ort) richtet sich an Entwickler, Forscher und Data Scientists auf fortgeschrittenem Niveau, die lernen möchten, wie sie die Echtzeit-Objekterkennung mit YOLOv7 implementieren können.

Nach Abschluss dieses Kurses sind die Teilnehmer in der Lage:

• Die grundlegenden Konzepte der Objekterkennung zu verstehen.
• YOLOv7 für Objekterkennungsaufgaben zu installieren und einzurichten.
• Eigene Objekterkennungsmodelle mit YOLOv7 zu trainieren und zu testen.
• YOLOv7 in andere Computer-Vision-Frameworks und Tools zu integrieren.
• Häufige Probleme bei der Implementierung von YOLOv7 zu beheben.

Computer Vision ist ein Fachgebiet, das sich mit der automatischen Extraktion, Analyse und dem Verständnis nützlicher Informationen aus digitalen Medien befasst. Python ist eine hochrangige Programmiersprache, die für ihre klare Syntax und hohe Code-Lesbarkeit bekannt ist.

In diesem von einem Dozenten geleiteten Live-Training erlernen die Teilnehmenden die Grundlagen der Computer Vision, indem sie schrittweise eine Reihe einfacher Computer-Vision-Anwendungen mit Python entwickeln.

Am Ende dieses Trainings können die Teilnehmenden:

• Die Grundlagen der Computer Vision verstehen
• Python zur Implementierung von Computer-Vision-Aufgaben verwenden
• eigene Systeme zur Gesichtserkennung, Objekterkennung und Bewegungserkennung erstellen

Zielgruppe

• Python-Programmierer, die sich für Computer Vision interessieren

Kursformat

• Vorlesungsteil, Diskussionsanteil, Übungen und umfangreiche praktische Anwendungen