Kurz: Deep Learning: end-to-end řešení pro detekci objektů
DataScript s.r.o.
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 ...
Cena kurzu:
...
15.000
Kč / Kurz
... včetně DPH: 18.150 Kč / Kurz
Objednat - pro přihlášení na kurz/školení klikněte na zvolený termín školení a místo konání
Popis kurzu
Deep Learning: end-to-end řešení pro detekci objektů
Kurz je určen pro ...
Cílová skupina:
- Juniorní data scientisti a machine learning engineers
- Manažeři a CTO
Lektoři 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.
[Kurz] Program kurzu (obsah přednášky/semináře/rekvalifikace/studia) ...
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.
[Kurz] 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.
|
[Školení] Další popis kurzu (úroveň, minimální znalosti, informace o cenách kurzu) ...
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.
ODKAZ:
https://www.skoleni-kurzy.eu/kurz-95028Poslední aktualizace: 2024-04-18 00:42:04
DataScript s.r.o.