SKOLENI.net Školení, kurzy, semináře # deep learning end to end reseni pro detekci objektu
KURZ: Deep Learning: end-to-end řešení pro detekci objektů
Popis: Hluboké učení (deep learning) a umělá inteligence se dnes stávají běžnou součástí téměř každého odvětí průmyslu a obchodu. Zatímco existuje velké množství kurzů a tutoriálů o neuronových sítích, nejnovějších modelech pro klasifikaci i detekci nebo o rozdílech mezi Tensorflow a Pytorch, jen málo z nich se zabývá tím, jak reálně tyto modely nasadit do produkce a vhodně je nasadit na konkrétní businessový problém. V Datasentics máme zkušenosti s mnoha projekty zaměřenými na computer visi
Program kurzu
Cíle
kurzu :
- Úvod do neuronových sítí, aktuálních modelů pro computer vision, frameworků pro práci s nimi a jejich trénování.
- Hands-on vyzkoušení každého kroku vytvoření a zavedení modelu do produkce na příkladu detekce roušek.
- Praktické rady a zkušenosti z úspěšně nasazených projektů – co funguje a čemu je lépe se vyhnout.
* :
- Úvod do neuronových sítí, aktuálních modelů pro computer vision, frameworků pro práci s nimi a jejich trénování.
- Hands-on vyzkoušení každého kroku vytvoření a zavedení modelu do produkce na příkladu detekce roušek.
- Praktické rady a zkušenosti z úspěšně nasazených projektů – co funguje a čemu je lépe se vyhnout.
Garant
kurzu : Ing. Dominik Vít pracuje ve společnosti DataSentics na pozici machine learning engineer. Po studiu statistiky a aplikované matematiky na FJFI ČVUT se začal více zaměřovat na rozpoznání obrazu a strojové učení. Pracoval na projektech automatizace vizuální kontroly na výrobních linkách Škoda auto, vyvíjení AI aplikace Shelf inspector pro kontrolu out-of-stock zboží v regálech nebo vytěžování údajů z oskenovaných dokumentů pro startup DigiToo.
Osnova :
- Deep learning v oblasti computer vision
- Jaké jsou současné trendy v oblasti AI a deep learning.
- Zajímavé AI projekty v DataSentics
Stručný úvod do Deep learningu - Co je pixel? - jako vážně!”
- Klasické metody v rozpoznání obrazu – registrace/matching, histogram, SIFT
- Úsvit neuronových sítí
- Aktuální modely a budoucnost deep learningu
Dataset - základní stavební blok každé neuronky” - Kaggle a jiné databáze připravených datasetů
- Anotace - nezbytná část pro vlastní use case
- Augmentace a vygenerováního datasetu
Průzkum vhodných modelů a transfer learning - State-of-the-art články, Github, Medium
- Rozhodování mezi přesností a rychlostí
- Stažení Github repozitáře a jeho přizpůsobení vlastním datům
Trénování modelu - TensorFlow vs PyTorch (a další frameworky)
- On-premise vs cloud (Azure, AWS, GCP)
Možnosti nasazení modelu a produkcionalizace - MLOPs - verzování a ukládání modelů
- FastAPI
- Rychlokurz Kubernetů a message brokerů (RabbitMQ)
Reporting - Vhodné metriky a dashboardy pro prezentování nadřízeným nebo klientovi
- PowerBI, Excel, mAP, accuracy
Předpoklady účastníka - Základní znalosti programování v pythonu jsou silně doporučené pro aktivní účast v labech, ale i bez nich může účastník profitovat z celkového přehledu o strojovém účení, který poskytneme.
Cíl školení - poznámka ke kurzu Cíle kurzu: Úvod do neuronových sítí, aktuálních modelů pro computer vision, frameworků pro práci s nimi a jejich trénování. Hands-on vyzkoušení každého kroku vytvoření a zavedení modelu do produkce na příkladu detekce roušek. Praktické rady a zkušenosti z úspěšně nasazených projektů – co funguje a čemu je lépe se vyhnout.
Podrobnosti o kurzu
-
Cílová skupina: Juniorní data scientisti a machine learning engineers Manažeři a CTO
-
: Ing. Dominik Vít pracuje ve společnosti DataSentics na pozici machine learning engineer. Po studiu statistiky a aplikované matematiky na FJFI ČVUT se začal více zaměřovat na rozpoznání obrazu a strojové učení. Pracoval na projektech automatizace vizuální kontroly na výrobních linkách Škoda auto, vyvíjení AI aplikace Shelf inspector pro kontrolu out-of-stock zboží v regálech nebo vytěžování údajů z oskenovaných dokumentů pro startup DigiToo.
-
DataScript s.r.o.
-
Předpoklady účastníka Základní znalosti programování v pythonu jsou silně doporučené pro aktivní účast v labech, ale i bez nich může účastník profitovat z celkového přehledu o strojovém účení, který poskytneme.
-
Objednavateli bude zaslána závazná přihláška k podpisu. Poté bude účastník na školení registrován. Objednavatel uhradí částku kurzovného za výše uvedeného posluchače na základě faktury vystavené poskytovatelem.
Dotazy a komentáře ke kurzuPřihláška na kurz
Odesláním formuláře 'Přihláška na kurz' se zaregistruje Vaše přihláška a na zadaný email přijde potvrzení o odeslání této přihlášky.
V případě poskytnutí osobních údajů, souhlasíte s archivací těchto údajů v souladu s podmínkami zákona č. 101/2000 Sb.,
o ochraně osobních údajů, ve znění pozdějších předpisů. Souhlas se zpracováním osobních údajů pro marketingové účely nevyžadujeme, tyto data nezpracováváme.
Server pouze zprostředkovává objednávky kurzů & kontakt na jejich pořadatele. Před odesláním přihlášky je nutno souhlasit s obchodními podmínkami účasti na kurzu daného pořadatele kurzu.
Neodpovídáme za správnost uvedených údajů. © OBEC.net, sro.
URL >> https://skoleni.net/skoleni_95028_deep-learning--end-to-end-reseni-pro-detekci-objektu.html
DeepLearning:end-to-endřešenídetekciobjektů