Pattern Matching Treningskurs

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) er en skalerbar dyp læringsplattform utviklet av Baidu.

I denne instruktørledede, live-opplæringen vil deltakerne lære hvordan de bruker PaddlePaddle for å muliggjøre dyp læring i produkt- og tjenesteapplikasjonene deres.

Ved slutten av denne opplæringen vil deltakerne kunne:

Konfigurer og konfigurer PaddlePaddle Konfigurer et konvolusjonelt nevralt nettverk (CNN) for bildegjenkjenning og objektdeteksjon Konfigurer et tilbakevendende nevralt nettverk (RNN) for sentimentanalyse Konfigurer dyp læring på anbefalingssystemer for å hjelpe brukere med å finne svar Forutsi gjennomklikk rates (CTR), klassifisere store bildesett, utføre optisk tegngjenkjenning (OCR), rangere søk, oppdage datavirus og implementere et anbefalingssystem.

Publikum

Utviklere Dataforskere

Format på kurset

Del forelesning, del diskusjon, øvelser og tung praktisk praksis

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 Stitch 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 f.eks. 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.

Dette instruktørledede, live kurset gir en innføring i feltet mønstergjenkjenning og maskinlæring. Den berører praktiske applikasjoner innen statistikk, informatikk, signalbehandling, datavisning, data mining og bioinformatikk.

Kurset er interaktivt og inneholder mange praktiske øvelser, tilbakemelding fra instruktører og testing av kunnskap og ferdigheter.