Fiji: Introduction to Scientific Image Processing Treningskurs

Pattern Matching er en teknikk som brukes til å finne spesifiserte mønstre i et bilde. Det kan brukes til å bestemme eksistensen av spesifiserte egenskaper i et tatt bilde, for eksempel den forventede etiketten på et mangelfullt produkt på 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 den spesifikt dikterer hva vi leter etter, for så å fortelle oss om det forventede mønsteret eksisterer eller ikke.

Kursets format

• Dette kurset introduserer tilnærminger, teknologier og algoritmer som brukes i feltet mønster matching som det gjelder Machine Vision .

Marvin er et utvidbart rammeverk på tvers av plattformer, åpen kildekode for bilde- og videobehandling utviklet i Java. Utviklere kan bruke Marvin til å manipulere bilder, trekke ut funksjoner fra bilder for klassifiseringsoppgaver, generere tall algoritmisk, behandle videofildatasett og sette opp enhetstestautomatisering.

Noen av Marvin sine videoapplikasjoner inkluderer filtrering, utvidet virkelighet, objektsporing og bevegelsesdeteksjon.

I dette instruktørledede, live kursdeltakerne vil lære prinsippene for bilde- og videoanalyse og bruke Marvin Framework og dets bildebehandlingsalgoritmer for å konstruere sin egen applikasjon.

Kursets format

De grunnleggende prinsippene for bildeanalyse, videoanalyse og Marvin Framework introduseres først. Studentene får prosjektbaserte oppgaver som lar dem praktisere begrepene som er lært. Ved slutten av timen vil deltakerne ha utviklet sin egen applikasjon ved hjelp av Marvin-rammeverket og bibliotekene.

Scilab er et velutviklet, gratis og åpen kildekode høynivåspråk for vitenskapelig datamanipulering. Brukt til statistikk, grafikk og animasjon, simulering, signalbehandling, fysikk, optimalisering og mer, er dens sentrale datastruktur matrisen, og forenkler mange typer problemer sammenlignet med alternativer som FORTRAN og C-derivater. Den er kompatibel med språk som C, Java og Python, noe som gjør den egnet for bruk som et supplement til eksisterende systemer.

I denne instruktørledede opplæringen vil deltakerne lære fordelene med Scilab sammenlignet med alternativer som Matlab, det grunnleggende om Scilab-syntaksen samt noen avanserte funksjoner, og grensesnitt med andre mye brukte språk, avhengig av etterspørsel. Kurset avsluttes med et kort prosjekt med fokus på bildebehandling.

Ved slutten av denne opplæringen vil deltakerne ha en forståelse av de grunnleggende funksjonene og noen avanserte funksjoner til Scilab, og ha ressursene til å fortsette å utvide kunnskapen sin.

Publikum

Datavitere og ingeniører, spesielt med interesse for bildebehandling og ansiktsgjenkjenning

Format på kurset

Delforelesning, deldiskusjon, øvelser og intensiv praktisk praksis, med sluttprosjekt

PaddlePaddle (PArallel Distributed Deep LEarning) is a scalable deep learning platform developed by Baidu.

In this instructor-led, live training, participants will learn how to use PaddlePaddle to enable deep learning in their product and service applications.

By the end of this training, participants will be able to:

• Set up and configure PaddlePaddle
• Set up a Convolutional Neural Network (CNN) for image recognition and object detection
• Set up a Recurrent Neural Network (RNN) for sentiment analysis
• Set up deep learning on recommendation systems to help users find answers
• Predict click-through rates (CTR), classify large-scale image sets, perform optical character recognition(OCR), rank searches, detect computer viruses, and implement a recommendation system.

Audience

• Developers
• Data scientists

Format of the course

• Part lecture, part discussion, exercises and heavy hands-on practice

Dette er en 5 dagers introduksjon til Data Science og AI.

Kurset blir levert med eksempler og øvelser ved bruk av Python

Denne instruktørledede, live-opplæringen i Norge (online eller på stedet) er rettet mot markedsførere som ønsker å bruke AI for å forbedre forbedre digitale markedsføringsstrategier gjennom verdifull kundeinnsikt.

Ved slutten av denne opplæringen vil deltakerne kunne:

• Utnytt AI-programvare for å forbedre måten merker kobler til brukere på.
• Bruk chatbots for å optimalisere brukeropplevelsen.
• Øk produktiviteten og inntektene gjennom automatisering av oppgaver.

Denne instruktørledede, live-opplæringen i Norge (online eller på stedet) er rettet mot ledere og bedriftsledere som ønsker å lære om det grunnleggende innen kunstig intelligens og administrere AI-prosjekter for sin organisasjon.

Ved slutten av denne opplæringen vil deltakerne være i stand til å forstå AI på et teknisk nivå og legge strategier ved å bruke organisasjonens data og ressurser for å lykkes med AI-prosjekter.

Denne instruktørledede, liveopplæringen i Norge (online eller på stedet) er rettet mot ingeniører som ønsker å programmere og lage roboter gjennom grunnleggende AI-metoder.

Ved slutten av denne opplæringen vil deltakerne kunne:

• Implementer filtre (Kalman og partikkel) for å gjøre det mulig for roboten å lokalisere bevegelige objekter i omgivelsene.
• Implementer søkealgoritmer og bevegelsesplanlegging.
• Implementer PID-kontroller for å regulere en robots bevegelse i et miljø.
• Implementer SLAM-algoritmer for å gjøre det mulig for en robot å kartlegge et ukjent miljø.

Denne instruktørledede, live-opplæringen i Norge (online eller på stedet) er rettet mot fagfolk som ønsker å lære og forstå konseptet AI og hvordan man bruker det effektivt og ansvarlig.

Ved slutten av denne opplæringen vil deltakerne kunne:

Lær begrepet Artificial Intelligence (AI). Forstå grensene og farene ved AI og bruk den ansvarlig. Vet hvordan du effektivt bruker AI i virkelige scenarier.

I denne instruktørledede, live-opplæringen i Norge (online eller på stedet), vil deltakerne lære de forskjellige teknologiene, rammeverkene og teknikkene for programmering av forskjellige typer roboter som skal brukes innen kjernefysisk teknologi og miljøsystemer.

Det 6-ukers kurset holdes 5 dager i uken. Hver dag er 4 timer lang og består av forelesninger, diskusjoner og praktisk robotutvikling i et levende labmiljø. Deltakerne vil fullføre ulike virkelige prosjekter som gjelder for arbeidet deres for å praktisere den ervervede kunnskapen.

Målmaskinvaren for dette kurset vil bli simulert i 3D gjennom simuleringsprogramvare. ROS (Robot Operating System) åpen kildekode-rammeverket, C++ og Python vil bli brukt til å programmere robotene.

Ved slutten av denne opplæringen vil deltakerne kunne:

• Forstå nøkkelbegrepene som brukes i robotteknologi.
• Forstå og administrere samspillet mellom programvare og maskinvare i et robotsystem.
• Forstå og implementere programvarekomponentene som underbygger robotikk.
• Bygg og bruk en simulert mekanisk robot som kan se, sanse, behandle, navigere og samhandle med mennesker gjennom stemmen.
• Forstå de nødvendige elementene av kunstig intelligens (maskinlæring, dyp læring, etc.) som gjelder for å bygge en smart robot.
• Implementer filtre (Kalman og partikkel) for å gjøre roboten i stand til å lokalisere bevegelige objekter i omgivelsene.
• Implementer søkealgoritmer og bevegelsesplanlegging.
• Implementer PID-kontroller for å regulere en robots bevegelse i et miljø.
• Implementer SLAM-algoritmer for å gjøre det mulig for en robot å kartlegge et ukjent miljø.
• Utvid en robots evne til å utføre komplekse oppgaver gjennom Deep Learning.
• Test og feilsøk en robot i realistiske scenarier.

I denne instruktørledede, live-opplæringen i Norge (online eller på stedet), vil deltakerne lære de forskjellige teknologiene, rammeverkene og teknikkene for programmering av forskjellige typer roboter som skal brukes innen kjernefysisk teknologi og miljøsystemer.

4-ukers kurs holdes 5 dager i uken. Hver dag er 4 timer lang og består av forelesninger, diskusjoner og praktisk robotutvikling i et levende labmiljø. Deltakerne vil fullføre ulike virkelige prosjekter som gjelder for arbeidet deres for å praktisere den ervervede kunnskapen.

Målmaskinvaren for dette kurset vil bli simulert i 3D gjennom simuleringsprogramvare. Koden vil deretter bli lastet inn på fysisk maskinvare (Arduino eller annet) for endelig distribusjonstesting. ROS (Robot Operating System) åpen kildekode-rammeverket, C++ og Python vil bli brukt til å programmere robotene.

Ved slutten av denne opplæringen vil deltakerne kunne:

• Forstå nøkkelbegrepene som brukes i robotteknologi.
• Forstå og administrere samspillet mellom programvare og maskinvare i et robotsystem.
• Forstå og implementere programvarekomponentene som underbygger robotikk.
• Bygg og bruk en simulert mekanisk robot som kan se, sanse, behandle, navigere og samhandle med mennesker gjennom stemmen.
• Forstå de nødvendige elementene av kunstig intelligens (maskinlæring, dyp læring, etc.) som gjelder for å bygge en smart robot.
• Implementer filtre (Kalman og partikkel) for å gjøre roboten i stand til å lokalisere bevegelige objekter i omgivelsene.
• Implementer søkealgoritmer og bevegelsesplanlegging.
• Implementer PID-kontroller for å regulere en robots bevegelse i et miljø.
• Implementer SLAM-algoritmer for å gjøre det mulig for en robot å kartlegge et ukjent miljø.
• Test og feilsøk en robot i realistiske scenarier.

This is a classroom based training session in a presentation and Q&A format

Denne instruktørledede, live-opplæringen i Norge (online eller på stedet) er rettet mot IT-fagfolk på nybegynnernivå til mellomnivå som ønsker å forstå og implementere AI TRiSM i organisasjonene deres.

Ved slutten av denne opplæringen vil deltakerne kunne:

• Ta tak i nøkkelbegrepene og viktigheten av AI-tillit, risiko og sikkerhetsstyring.
• Identifisere og redusere risiko knyttet til AI-systemer.
• Implementer beste praksis for sikkerhet for AI.
• Forstå overholdelse av regelverk og etiske hensyn for AI.
• Utvikle strategier for effektiv AI-styring og ledelse.

Denne instruktørledede, liveopplæringen i Norge (online eller på stedet) er rettet mot digitale markedsførere, innholdsskapere og utviklere som ønsker å forstå virkningen av AI på søkemotorer, utforske mulighetene til Bing AI og lære om chatbot teknologier og deres applikasjoner.

Ved slutten av denne opplæringen vil deltakerne kunne:

• Forstå prinsippene og fordelene med Bing AI.
• Identifiser de AI-drevne funksjonene i Bing og deres applikasjoner.
• Bruk Bing AI for å forbedre søkeresultater og brukeropplevelser.
• Vurder potensialet til AI i søkemotoroptimalisering (SEO) og innholdsskaping.
• Utforsk chatbot-teknologier og deres applikasjoner, inkludert Bing AI Chatbot.

Denne instruktørledede, direkteopplæringen i Norge (online eller på stedet) er rettet mot dataforskere som ønsker å bruke IBM Cloud Pak til å forberede data for bruk i AI-løsninger.

Ved slutten av denne opplæringen vil deltakerne kunne:

• Installer og konfigurer Cloud Pak for Data.
• Samle innsamling, organisering og analyse av data.
• Integrer Cloud Pak for Data med en rekke tjenester for å løse vanlige forretningsproblemer.
• Implementer arbeidsflyter for å samarbeide med teammedlemmer om utvikling av en AI-løsning.