SDK for Ascend og NLP-rørledninger Treningskurs

LangGraph er et rammeverk for å bygge tilstandsstyrte, multi-aktor LLM-applikasjoner som sammensatte grafer med vedvarende tilstand og kontroll over utførelsen.

Denne instruktørledede, live-treningen (online eller på stedet) er rettet mot AI-plattformingeniører, DevOps for AI, og ML-arkitekter på avansert nivå som ønsker å optimalisere, feilsøke, overvåke og drifte produksjonsklare LangGraph-systemer.

Ved slutten av denne treningen vil deltakerne kunne:

• Designe og optimalisere komplekse LangGraph-topologier for hastighet, kostnad og skalerbarhet.
• Ingeniørreliabilitet med gjentakelser, tidsutløsninger, idempotens, og gjenoppretting basert på sjekkpunkter.
• Feilsøke og spore grafutførelser, inspisere tilstand, og systematisk reprodusere produksjonsproblemer.
• Instrumentere grafer med loggfiler, målinger og spor, deployere til produksjon, og overvåke SLAs og kostnader.

Format for kurset

• Interaktiv forelesning og diskusjon.
• Mye øvelser og praksis.
• Hands-on implementering i et live-laboratoriumsmiljø.

Kursetilpassingsmuligheter

• For å be om tilpasset trening for dette kurset, ta kontakt med oss for å avtale.

Denne instruktørledede, live opplæringen på Norge (online eller på stedet) er rettet mot nybegynnere innen politi og rettsvesen som ønsker å gå fra manuell ansiktstegning til bruk av AI-verktøy for utvikling av ansiktsgjennkjenningsystemer.

Ved slutten av denne opplæringen vil deltakerne kunne:

• Forstå grunnleggende prinsipper om Kunstig Intelligens og Maskinlæring.
• Lære grunnleggende om digital bildebehandling og dens anvendelse i ansiktsgjennkjenning.
• Utvikle ferdigheter i å bruke AI-verktøy og rammeverk for å lage ansiktsgjennkjenningsmodeller.
• Få praktisk erfaring med å opprette, trene og teste ansiktsgjennkjenningsystemer.
• Forstå etiske overveielser og beste praksis for bruk av ansiktsgjennkjenningsteknologi.

Fiji er en åpen kildekode bildebehandlingspakke som pakker ImageJ (et bildebehandlingsprogram for vitenskapelige flerdimensjonale bilder) og en rekke plugins for vitenskapelig bildeanalyse.

I denne instruktørledede, live-opplæringen vil deltakerne lære å bruke Fiji-distribusjonen og dets underliggende ImageJ-program for å lage en bildeanalyseapplikasjon.

Ved slutten av denne opplæringen vil deltakerne kunne:

• Bruk Fijis avanserte programmeringsfunksjoner og programvarekomponenter for å utvide ImageJ
• Sy store 3D-bilder fra overlappende fliser
• Oppdater automatisk en Fiji-installasjon ved oppstart ved hjelp av det integrerte oppdateringssystemet
• Velg fra et bredt utvalg av skriptspråk for å bygge tilpassede bildeanalyseløsninger
• Bruk Fijis kraftige biblioteker, som ImgLib på store biobildedatasett
• Distribuer applikasjonen deres og samarbeid med andre forskere om lignende prosjekter

Kursets format

• Interaktivt foredrag og diskusjon.
• Mye øvelser og trening.
• Praktisk implementering i et live-lab-miljø.

Alternativer for kurstilpasning

• For å be om en tilpasset opplæring for dette kurset, vennligst kontakt oss for å avtale.

Denne instruktørledede, live-treningen (online eller på sted) er rettet mot forskere og laboratorieprofesjoneller på begynnernivå til mellomnivå som ønsker å behandle og analysere bilder relatert til histologiske vev, blodceller, alger og andre biologiske prøver.

Ved slutten av denne treningen vil deltakerne kunne:

• Navigere i Fiji-grensesnittet og bruke ImageJs kjernefunksjoner.
• Forhåndsbehandle og forbedre vitenskapelige bilder for bedre analyse.
• Kvantitativt analysere bilder, inkludert celletelling og arealmåling.
• Automatisere gjentatte oppgaver ved hjelp av makroer og plug-ins.
• Tilpasse arbeidsflyter for spesifikke behov for bildeanalyse i biologisk forskning.

LangGraph er en rammeverk for å bygge grafbaserte LLM-applikasjoner som støtter planlegging, grening, verktøybruk, minne og kontrollerbar utførelse.

Denne instruktørledede, live-trainingen (online eller på stedet) er rettet mot utviklere på begynnernivå, prompt-ingeniører og datapraktikere som ønsker å designe og bygge pålitelige, flertrinns LLM-arbeidsflyter ved hjelp av LangGraph.

Ved slutten av denne trainingen vil deltakerne kunne:

• Forklare kjernekonsepter i LangGraph (noder, kanter, tilstand) og når de skal brukes.
• Bygge promptkjeder som grener, kaller verktøy og opprettholder minne.
• Integere henting og eksterne API-er i grafarbeidsflyter.
• Teste, feilsøke og vurdere LangGraph-apper for pålitelighet og sikkerhet.

Kursformat

• Interaktiv forelesning og fasilitert diskusjon.
• Veiledede laboratorier og kodegåthrough i en sandkassemiljø.
• Scenariebaserte øvelser på design, testing og vurdering.

Muligheter for kurskustomisering

• For å be om en tilpasset treningskurs for dette kurset, vennligst kontakt oss for å avtale.

LangGraph er et rammeverk for å sammensette grafbaserte LLM-arbeidsflyter som støtter avgrening, verktøybruk, hukommelse og kontrollert utførelse.

Denne instruktørledede, live-treningen (online eller på sted) er rettet mot mellomnivåingeniører og produktlag som ønsker å kombinere LangGraphs graflogikk med LLM-agent-sløyfer for å bygge dynamiske, kontekstavhengige applikasjoner som kundestøtteagenter, beslutningstrær og informasjonshentingssystemer.

Ved slutten av denne treningen vil deltakerne kunne:

• Designe grafbaserte arbeidsflyter som koordinerer LLM-agenter, verktøy og hukommelse.
• Implementere betinget ruting, gjentakelser og reserveplaner for robust utførelse.
• Integere henting, APIs og strukturerte utdata i agent-sløyfer.
• Vurdere, overvåke og sikre agentatferd for pålitelighet og sikkerhet.

Format på kurset

• Interaktiv forelesning og fasilitert diskusjon.
• Veiledede laboratorier og kodegjennomganger i en sandkasse-miljø.
• Scenariobaserte designøvelser og kollegaomtaler.

Tilpassingsmuligheter for kurset

• For å be om tilpasset trening for dette kurset, ta kontakt med oss for å avtale.

LangGraph er et grafbasert orkestreringssrammeverk som gjør det mulig å utføre betingede, flerstegs LLM- og verktøyflyt, ideelt for å automatisere og personliggjøre innholdsstrømmer.

Denne instruktørledede, live-treningen (online eller på sted) er rettet mot markedsførere, innholdsstrateger og automatiseringsutviklere på mellomnivå som ønsker å implementere dynamiske, forgrenede e-postkampanjer og innholdsgenereringsstrømmer ved hjelp av LangGraph.

Ved slutten av denne treningen vil deltakerne kunne:

• Designe grafbaserte innholds- og e-postflyt med betinget logikk.
• Integrere LLMs, API-er og datasøk for automatisert personliggjøring.
• Håndtere tilstand, hukommelse og kontekst over flere trinn i kampanjer.
• Vurdere, overvåke og optimalisere flytprestasjoner og leveringsresultater.

Kursformat

• Interaktive forelesninger og gruppediskusjoner.
• Håndson-lab hvor e-postflyt og innholdsstrømmer implementeres.
• Scenariobaserte øvelser om personliggjøring, segmentering og forgreningslogikk.

Kurstilpasningsmuligheter

• For å bestille en tilpasset treningskurs for dette kurset, ta kontakt med oss for å avtale.

OpenCV (Open Source Computer Vision Library: http://opencv.org) er et åpen kildekode BSD-lisensiert bibliotek som inkluderer flere hundrevis av datasynsalgoritmer.

Publikum

Dette kurset er rettet mot ingeniører og arkitekter som ønsker å bruke OpenCV til datasynsprosjekter

Denne instruktørledede, live-opplæringen i Norge (online eller på stedet) er rettet mot programvareingeniører som ønsker å programmere i Python med OpenCV 4 for dyp læring.

Ved slutten av denne opplæringen vil deltakerne kunne:

• Se, last inn og klassifiser bilder og videoer ved å bruke OpenCV 4.
• Implementer dyp læring i OpenCV 4 med TensorFlow og Keras.
• Kjør dyplæringsmodeller og generer effektive rapporter fra bilder og videoer.

OpenFace er Python og Torch basert åpen kildekode, sanntids ansiktsgjenkjenningsprogramvare basert på Googles FaceNet-forskning.

I denne instruktørledede, live-opplæringen vil deltakerne lære hvordan de bruker OpenFaces komponenter til å lage og distribuere en prøveapplikasjon for ansiktsgjenkjenning.

Ved slutten av denne opplæringen vil deltakerne kunne:

• Arbeid med OpenFaces komponenter, inkludert dlib, OpenVC, Torch og nn4 for å implementere ansiktsgjenkjenning, justering og transformasjon
• Bruk OpenFace på applikasjoner fra den virkelige verden som overvåking, identitetsverifisering, virtuell virkelighet, spill og identifisering av gjentakende kunder, etc.

Publikum

• Utviklere
• Dataforskere

Format på kurset

• Del forelesning, del diskusjon, øvelser og tung praktisk praksis

Pattern Matching er en teknikk som brukes til å lokalisere spesifiserte mønstre i et bilde. Den kan brukes til å bestemme eksistensen av spesifiserte egenskaper i et tatt bilde, for eksempel forventet etikett på et defekt produkt i en fabrikklinje eller de spesifiserte dimensjonene til en komponent. Det er forskjellig fra "Pattern Recognition" (som gjenkjenner generelle mønstre basert på større samlinger av relaterte prøver) ved at det spesifikt dikterer hva vi leter etter, og deretter forteller oss om det forventede mønsteret eksisterer eller ikke.

Kursets format

• Dette kurset introduserer tilnærmingene, teknologiene og algoritmene som brukes innen mønstertilpasning slik det gjelder Machine Vision.

Denne instruktørledede, live-opplæringen introduserer programvaren, maskinvaren og trinn-for-trinn-prosessen som trengs for å bygge et ansiktsgjenkjenningssystem fra bunnen av. Ansiktsgjenkjenning er også kjent som Face Recognition.

Maskinvaren som brukes i denne laboratoriet inkluderer Rasberry Pi, en kameramodul, servoer (valgfritt) osv. Deltakerne er selv ansvarlige for å kjøpe disse komponentene. Programvaren som brukes inkluderer OpenCV, Linux, Python osv.

Ved slutten av denne opplæringen vil deltakerne kunne:

• Installer Linux, OpenCV og andre programvareverktøy og biblioteker på en Rasberry Pi.
• Konfigurer OpenCV for å ta og oppdage ansiktsbilder.
• Forstå de ulike alternativene for å pakke et Rasberry Pi-system for bruk i virkelige miljøer.
• Tilpass systemet for en rekke brukssaker, inkludert overvåking, identitetsverifisering, etc.

Format på kurset

• Del forelesning, del diskusjon, øvelser og tung praktisk praksis

Note

• Andre maskinvare- og programvarealternativer inkluderer: Arduino, OpenFace, Windows, etc. Hvis du ønsker å bruke noen av disse, vennligst kontakt oss for å avtale.

Dette instructorledede, live treningen i Norge (online eller på stedet) er rettet mot mellomtrinnspersoner som ønsker å bruke Vision Builder AI til å designe, implementere og optimere automatiserte inspeksjonsystemer for SMT (Surface-Mount Technology) prosesser.

Ved sluttet av denne treningen vil deltakerne kunne:

• Sette opp og konfigurere automatiserte inspeksjoner ved hjelp av Vision Builder AI.
• Få tak i og forbehandle høykvalitetsbilder for analyse.
• Implementere logikkbaserte beslutninger for feilopptegning og prosessverifisering.
• Generere inspeksjonsrapporter og optimere systemytelse.