オンラインまたはオンサイトのインストラクター主導のライブコンピュータビジョントレーニングコースでは、参加者が簡単なコンピュータビジョン・アプリの作成を段階的に進めながら、インタラクティブなディスカッションと実践的な演習を通じて、コンピュータビジョンの基本を実演します。
コンピュータビジョントレーニングは、「オンラインライブトレーニング」または「オンサイトライブトレーニング」として利用できます。オンラインライブトレーニング（別名「リモートライブトレーニング」）は、インタラクティブなリモートデスクトップを使用して実行されます。現地でのライブトレーニングは、日本のお客様のオフィスまたは日本のNobleProg提携の企業トレーニングセンターでにて現地での実施が可能です。
NobleProg - 現地のトレーニングプロバイダー
お客様の声
実践の一つ
JONATHAN MARIANO, si
コース: Artificial Intelligence (AI) for Managers
Machine Translated
講師のトピックに関する知識と管理
Zaira N. - JONATHAN MARIANO, si
コース: Artificial Intelligence (AI) for Managers
Machine Translated
それが革新的なのは、それが私たちがすでに経験していることだからです。
jesus isaias - JONATHAN MARIANO, si
コース: Artificial Intelligence (AI) for Managers
Machine Translated
コンピュータビジョンコース概要
コース名
期間
概要
コース名
期間
概要
21 時間
YOLOv7 は、コンピューター ビジョン タスク用の最先端のリアルタイム物体検出モデルです。このインストラクター主導のライブ トレーニング (オンラインまたはオンサイト) は、YOLOv7 を使用してリアルタイムの物体検出を実装する方法を学びたい中級から上級レベルの開発者、研究者、データ サイエンティストを対象としています。このトレーニングを終了するまでに、参加者は次のことができるようになります。
- 物体検出の基本概念を理解します。オブジェクト検出タスク用に YOLOv7 をインストールして構成します。 YOLOv7 を使用してカスタム オブジェクト検出モデルをトレーニングし、テストします。 YOLOv7 を他のコンピューター ビジョン フレームワークおよびツールと統合します。 YOLOv7 実装に関連する一般的な問題のトラブルシューティングを行います。
- インタラクティブな講義とディスカッション。たくさんの練習と練習。ライブラボ環境での実践的な実装。
- このコースのカスタマイズされたトレーニングをリクエストするには、手配のために当社までご連絡ください。
21 時間
Caffeは表現力、スピード、そしてモジュール性を念頭に置いて作られた深い学習の枠組みです。 このコースでは、例としてMNISTを使用して、画像認識のためのディープラーニングフレームワークとしてのCaffeの適用を探ります。 観客 このコースは、 Caffeをフレームワークとして利用することに興味のあるDeep Learning研究者やエンジニアに適しています。 このコースを修了すると、参加者は次のことができるようになります。
- Caffeの構造と展開メカニズムを理解する
- インストール/本番環境/アーキテクチャのタスクと設定を実行する
- コード品質の評価、デバッグの実行、監視
- トレーニングモデル、レイヤの実装、ロギングなどの高度なプロダクションの実装
14 時間
Marvinは、 Java開発された、拡張可能なクロスプラットフォームのオープンソースの画像およびビデオ処理フレームワークです。開発者はMarvinを使用して、画像の操作、分類作業のための画像からの特徴の抽出、アルゴリズムによる図の生成、ビデオファイルデータセットの処理、および単体テスト自動化の設定を行うことができます。 Marvinのビデオアプリケーションの中には、フィルタリング、拡張現実感、オブジェクトトラッキング、モーション検知などがあります。 この講師主導のライブコース参加者は、画像およびビデオ分析の原理を学び、 Marvin Frameworkとその画像処理アルゴリズムを利用して独自のアプリケーションを構築します。 コースの形式
- 画像解析、ビデオ解析およびMarvin Frameworkの基本原則が最初に紹介されています。学生は彼らが学んだ概念を練習することを可能にするプロジェクトベースのタスクを与えられます。クラスの終わりまでに、参加者はMarvin Frameworkとライブラリを使って独自のアプリケーションを開発するでしょう。
14 時間
コンピュータビジョンは、デジタルメディアから有用な情報を自動的に抽出、分析、理解することを含むフィールドです。Python は、その明確な構文とコード readibility のための有名な高レベルのプログラミング言語です。
このインストラクター主導のライブトレーニングでは、Python を使用した単純なコンピュータビジョンアプリケーションのセットの作成をステップとして、コンピュータビジョンの基本を学習します。
このトレーニングの終わりまでに、参加者は次のことができるようになります:
- コンピュータビジョンの基本を理解する
- Python を使用してコンピュータビジョンタスクを実装する
- は、独自の顔、オブジェクト、およびモーション検出システムを構築する
- Python プログラマは、コンピュータビジョン に興味を持って
- 部講義、パート討論、演習と重い実地練習
21 時間
Deep learning is a subfield of machine learning. It uses methods based on learning data representations and structures such as neural networks.
Keras is a high-level neural networks API for fast development and experimentation. It runs on top of TensorFlow, CNTK, or Theano.
This instructor-led, live training (online or onsite) is aimed at developers who wish to build a self-driving car (autonomous vehicle) using deep learning techniques.
By the end of this training, participants will be able to:
- Use Keras to build and train a convolutional neural network.
- Use computer vision techniques to identify lanes in an autonomos driving project.
- Train a deep learning model to differentiate traffic signs.
- Simulate a fully autonomous car.
- Interactive lecture and discussion.
- Lots of exercises and practice.
- Hands-on implementation in a live-lab environment.
- To request a customized training for this course, please contact us to arrange.
14 時間
SimpleCVはオープンソースのフレームワークです。つまり、ビジョンアプリケーションを開発するために使用できるライブラリとソフトウェアのコレクションです。それはあなたがウェブカメラ、Kinects、FireWireとIPカメラ、または携帯電話から来る画像やビデオストリームを扱うことを可能にします。それはあなたがあなたの様々な技術が世界を見るだけでなくそれを理解するようにするためにソフトウェアを構築するのを助けます。 観客 このコースは、SimpleCVを使用してコンピュータビジョンアプリケーションを開発しようとしているエンジニアおよび開発者を対象としています。
14 時間
ビデオ分析は、ビデオストリームを処理するために使用される技術とテクニックを指します。 一般的なアプリケーションは、動き検出、顔認識、群衆、車両数などを通じてライブビデオイベントを捕獲および特定することです。
このインストラクターによるライブトレーニング(オンラインまたはオンライン)は、ストリーミングビデオデータを分析するためにハードウェアによるオブジェクト検出とトラッキングモデルを構築したい開発者に向けられています。
このトレーニングの終了後、参加者は:
-
開発を開始するために必要な開発環境、ソフトウェア、図書館をインストールして設定します。
ビデオフィードを分析するために、深い学習モデルを構築、トレーニング、および実装します。
特定、トラック、セグメント、ビデオフレーム内の異なるオブジェクトを予測します。
オブジェクト検出およびトラッキングモデルを最適化します。
インテリジェント・ビデオ・アナリティクス(IVA)アプリケーションを導入
-
インタラクティブな講義と議論
たくさんの練習や実践。
ライブラボ環境でのハンドオン実装
-
このコースのためのカスタマイズされたトレーニングを要求するには、私たちに連絡して整理してください。
7 時間
YOLO(You Only Look Once)は、オブジェクト検出のための事前に訓練されたモデルに変換されたアルゴリズムです。 それはDarknet神経ネットワークフレームワークによってテストされており、コンピュータビジョン機能をCOCO(コンテキストにおける共通のオブジェクト)データセットに基づいて開発するのに最適です。 YOLOフレームワークの最新のバージョン、YOLOv3-v4は、プログラムがリアルタイムで実行する間にオブジェクトの位置と分類作業を効率的に実行することができます。
このインストラクター指導、ライブトレーニング(オンラインまたはオンサイド)は、事前に訓練されたYOLOモデルを企業向けのプログラムに組み込んで、オブジェクト検出のためのコスト効率的なコンポーネントを実施したい背景開発者やデータ科学者に向けられています。
このトレーニングの終了後、参加者は:
-
YOLO を使用してオブジェクト検出に必要な必要なツールやライブラリをインストールして設定します。
コマンドラインのアプリケーションをカスタマイズし、YOLOの事前に訓練されたモデルに基づいて動作します。
さまざまなコンピュータビジョンプロジェクトのための事前に訓練されたYOLOモデルの枠組みを実施します。
オブジェクト検出のための既存のデータセットをYOLO形式に変換します。
コンピュータビジョンおよび/または深い学習のためのYOLOアルゴリズムの基本的な概念を理解する。
-
インタラクティブな講義と議論
たくさんの練習や実践。
ライブラボ環境でのハンドオン実装
-
このコースのためのカスタマイズされたトレーニングを要求するには、私たちに連絡して整理してください。
14 時間
パターンマッチングは、画像内の指定されたパターンを見つけるために使用される手法です。これを使用して、取り込まれた画像内の指定された特性、たとえば工場ラインの不良品に表示されるラベル、またはコンポーネントの指定された寸法などを判断できます。 「 Pattern Recognition 」（関連するサンプルのより大きなコレクションに基づいて一般的なパターンを認識する）とは異なります。これは、探しているものを明確に示し、期待されるパターンが存在するかどうかを判断するためです。
- このコースでは、 Machine Visionに適用されるパターンマッチングの分野で使用されるアプローチ、テクノロジ、およびアルゴリズムを紹介します。
28 時間
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
14 時間
OpenCVは、コンピュータアルゴリズムで画像を解読するためのプログラミング機能の図書館です。 OpenCV 4 は最新の OpenCV リリースであり、最適化されたモジュラリティ、更新されたアルゴリズム、およびその他を提供しています。 OpenCV 4 と [0 で、ユーザーは、高度な画像認識のために画像やビデオを表示、アップロード、分類することができます。
このインストラクター指導、ライブトレーニング(オンラインまたはオンライン)は、深い学習のためにプログラムしたいソフトウェアエンジニアに向けられています。
このトレーニングの終了後、参加者は:
-
画像やビデオを表示、充電、分類する OpenCV 4 を使用します。
〔4〕 〔4〕 〔4〕 〔4〕 〔4〕 〔4〕 〔4〕 〔4〕 〔4〕 〔4〕 〔4〕 〔4〕 〔4〕
深い学習モデルを実行し、画像やビデオから影響力のあるレポートを生成します。
-
インタラクティブな講義と議論
たくさんの練習や実践。
ライブラボ環境でのハンドオン実装
-
このコースのためのカスタマイズされたトレーニングを要求するには、私たちに連絡して整理してください。
21 時間
このインストラクター主導のライブトレーニングでは、最初から顔認識システムを構築するために必要なソフトウェア、ハードウェア、およびステップバイステップのプロセスを紹介します。顔面認識は顔認識としても知られています。
この実習で使用するハードウェアには、ラズベリー Pi、カメラモジュール、サーボ (オプション) などがあります。参加者は、これらのコンポーネント自体を購入する責任があります。使用されるソフトウェアには、OpenCV、Linux、Python などが含まれています
このトレーニングの終わりまでに、参加者は次のことができるようになります:
- は、ラズベリー Pi に Linux、OpenCV、およびその他のソフトウェアユーティリティとライブラリをインストールします。
- をキャプチャし、顔の画像を検出する OpenCV を設定します。
- は、実際の環境で使用するためにラズベリー Pi システムをパッケージングするためのさまざまなオプションを理解しています。
- は、監視、身元確認など、さまざまな使用例に合わせてシステムを適応させます
- 開発者
- ハードウェア/ソフトウェア技術者 全産業における
- 技術者
- 愛好家
- 部講義、パート討論、演習と重い実地練習
- その他のハードウェアおよびソフトウェアのオプションが含まれます: Arduino、OpenFace、窓、など。あなたがこれらのいずれかを使用したい場合は、手配するために私達に連絡してください。
Last Updated:
週末コンピュータビジョンコース, 夜のコンピュータビジョントレーニング, コンピュータビジョンブートキャンプ, コンピュータビジョン インストラクターよる, 週末コンピュータビジョントレーニング, 夜のコンピュータビジョンコース, コンピュータビジョン指導, コンピュータビジョンインストラクター, コンピュータビジョンレーナー, コンピュータビジョンレーナーコース, コンピュータビジョンクラス, コンピュータビジョンオンサイト, コンピュータビジョンプライベートコース, コンピュータビジョン1対1のトレーニング週末Computer Visionコース, 夜のComputer Visionトレーニング, Computer Visionブートキャンプ, Computer Vision インストラクターよる, 週末Computer Visionトレーニング, 夜のComputer Visionコース, Computer Vision指導, Computer Visionインストラクター, Computer Visionレーナー, Computer Visionレーナーコース, Computer Visionクラス, Computer Visionオンサイト, Computer Visionプライベートコース, Computer Vision1対1のトレーニング
