Visión artificial con SimpleCV

El SDK CANN (Arquitectura de Computación para Redes Neuronales) ofrece potentes herramientas de implementación y optimización para aplicaciones de IA en tiempo real en los campos de la visión artificial y el procesamiento del lenguaje natural (PNL), especialmente en hardware Ascend de Huawei.

Esta capacitación en vivo, impartida por instructores (en línea o en sitio), está dirigida a profesionales de IA de nivel intermedio que deseen construir, implementar y optimizar modelos de visión y lenguaje utilizando el SDK CANN para casos de uso en entornos productivos.

Al finalizar esta capacitación, los participantes serán capaces de:

• Implementar y optimizar modelos de visión artificial y PNL mediante CANN y AscendCL.
• Utilizar las herramientas de CANN para convertir modelos e integrarlos en pipelines en vivo.
• Optimizar el rendimiento de inferencia para tareas como detección, clasificación y análisis de sentimientos.
• Desarrollar pipelines en tiempo real de visión artificial y PNL para escenarios de implementación en el borde o en la nube.

Formato del Curso

• Clase magistral interactiva y demostraciones.
• Prácticas de laboratorio con implementación de modelos y perfilado de rendimiento.
• Diseño de pipelines en vivo utilizando casos reales de visión artificial y PNL.

Opciones de Personalización del Curso

• Para solicitar una capacitación personalizada para este curso, contáctenos para coordinar los detalles.

Esta formación impartida por un instructor, en vivo en Colombia (en línea o en sitio), está dirigida a desarrolladores de IA y especialistas en visión por computador de nivel intermedio que deseen construir sistemas de visión robustos para aplicaciones de conducción autónoma.

Al finalizar esta formación, los participantes serán capaces de:

• Comprender los conceptos fundamentales de la visión por computador en vehículos autónomos.
• Implementar algoritmos para la detección de objetos, detección de carriles y segmentación semántica.
• Integrar sistemas de visión con otros subsistemas del vehículo autónomo.
• Aplicar técnicas de aprendizaje profundo para tareas avanzadas de percepción.
• Evaluar el rendimiento de los modelos de visión por computador en escenarios del mundo real.

Esta capacitación presencial o en línea impartida por instructores en Colombia está dirigida a profesionales de nivel avanzado que desean profundizar su comprensión de la visión por computadora y explorar las capacidades de TensorFlow para desarrollar modelos de visión sofisticados utilizando Google Colab.

Al finalizar esta capacitación, los participantes podrán:

• Construir y entrenar redes neuronales convolucionales (CNN) utilizando TensorFlow.
• Aprovechar Google Colab para el desarrollo eficiente y escalable de modelos en la nube.
• Implementar técnicas de preprocesamiento de imágenes para tareas de visión por computadora.
• Desplegar modelos de visión por computadora para aplicaciones del mundo real.
• Utilizar el aprendizaje por transferencia para mejorar el rendimiento de los modelos CNN.
• Visualizar e interpretar los resultados de los modelos de clasificación de imágenes.

Esta capacitación impartida por un instructor, en vivo en Colombia (en línea o en sitio), está dirigida a ingenieros de visión artificial de nivel intermedio a avanzado, desarrolladores de IA y profesionales de IoT que deseen implementar y optimizar modelos de visión artificial para su procesamiento en tiempo real en dispositivos de borde.

Al finalizar esta capacitación, los participantes podrán:

• Comprender los fundamentos de Edge AI y sus aplicaciones en la visión artificial.
• Desplegar modelos de aprendizaje profundo optimizados en dispositivos de borde para el análisis de imágenes y videos en tiempo real.
• Utilizar frameworks como TensorFlow Lite, OpenVINO y NVIDIA Jetson SDK para el despliegue de modelos.
• Optimizar los modelos de IA en cuanto a rendimiento, eficiencia energética e inferencia de baja latencia.

Este entrenamiento en vivo, impartido por un instructor en Colombia (en línea o en sitio), está dirigido al personal de fuerzas del orden de nivel principiante que desea pasar del dibujo manual de rostros a la utilización de herramientas de IA para desarrollar sistemas de reconocimiento facial.

Al finalizar este entrenamiento, los participantes serán capaces de:

• Comprender los fundamentos de la inteligencia artificial y el aprendizaje automático.
• Aprender los conceptos básicos del procesamiento de imágenes digitales y su aplicación en el reconocimiento facial.
• Desarrollar habilidades en el uso de herramientas y frameworks de IA para crear modelos de reconocimiento facial.
• Adquirir experiencia práctica en la creación, entrenamiento y prueba de sistemas de reconocimiento facial.
• Comprender las consideraciones éticas y las mejores prácticas en el uso de la tecnología de reconocimiento facial.

Fiji es un paquete de código abierto para el procesamiento de imágenes que incluye ImageJ (un programa de procesamiento de imágenes diseñado para imágenes científicas multidimensionales) y una variedad de complementos para el análisis de imágenes científicas.

En esta capacitación en vivo, dirigida por un instructor, los participantes aprenderán a utilizar la distribución de Fiji y su programa subyacente, ImageJ, para desarrollar una aplicación de análisis de imágenes.

Al finalizar esta capacitación, los participantes estarán en capacidad de:

• Utilizar las funciones avanzadas de programación y los componentes de software de Fiji para extender ImageJ.
• Unir grandes imágenes 3D a partir de mosaicos superpuestos.
• Actualizar automáticamente una instalación de Fiji al iniciar, gracias al sistema de actualización integrado.
• Elegir entre una amplia gama de lenguajes de scripting para desarrollar soluciones personalizadas de análisis de imágenes.
• Aplicar las potentes bibliotecas de Fiji, como ImgLib, en grandes conjuntos de datos de imágenes biológicas.
• Desplegar su aplicación y colaborar con otros científicos en proyectos similares.

Formato del curso

• Conferencias interactivas y debates.
• Numerosos ejercicios y prácticas.
• Implementación práctica en un entorno de laboratorio en vivo.

Opciones de personalización del curso

• Para solicitar una capacitación personalizada para este curso, contáctenos para coordinar los detalles.

Esta capacitación en vivo, impartida por un instructor en Colombia (en línea o en sitio), está dirigida a investigadores y profesionales de laboratorio de nivel principiante a intermedio que deseen procesar y analizar imágenes relacionadas con tejidos histológicos, células sanguíneas, algas y otras muestras biológicas.

Al finalizar esta capacitación, los participantes serán capaces de:

• Navegar por la interfaz de Fiji y utilizar las funciones principales de ImageJ.
• Preprocesar y mejorar imágenes científicas para obtener un mejor análisis.
• Realizar análisis cuantitativo de imágenes, incluido el conteo de células y la medición de áreas.
• Automatizar tareas repetitivas mediante el uso de macros y complementos.
• Personalizar flujos de trabajo según las necesidades específicas de análisis de imágenes en investigación biológica.

OpenCV (Librería de Código Abierto para Visión por Computador: http://opencv.org) es una librería de licencia BSD de código abierto que incluye cientos de algoritmos de visión por computador.

Público objetivo

Este curso está dirigido a ingenieros y arquitectos que buscan utilizar OpenCV en proyectos de visión por computador.

Este curso, impartido por un instructor en vivo en Colombia (en línea o en sitio), está dirigido a ingenieros de software que deseen programar en Python con OpenCV 4 para aprendizaje profundo.

Al finalizar este entrenamiento, los participantes podrán:

• Visualizar, cargar y clasificar imágenes y videos utilizando OpenCV 4.
• Implementar aprendizaje profundo en OpenCV 4 con TensorFlow y Keras.
• Ejecutar modelos de aprendizaje profundo y generar informes de alto impacto a partir de imágenes y videos.

La coincidencia de patrones es una técnica utilizada para localizar patrones específicos dentro de una imagen. Puede emplearse para determinar la existencia de características definidas en una imagen capturada, como la etiqueta esperada en un producto defectuoso en una línea de producción o las dimensiones especificadas de un componente. Se diferencia de la "reconocimiento de patrones" (que identifica patrones generales basándose en grandes colecciones de muestras relacionadas) en que define explícitamente qué estamos buscando y luego indica si el patrón esperado existe o no.

Formato del curso

• Este curso introduce los enfoques, tecnologías y algoritmos utilizados en el campo de la coincidencia de patrones aplicado a la visión artificial.

La Visión por Computador es un campo que implica extraer, analizar y comprender automáticamente información útil de medios digitales. Python es un lenguaje de programación de alto nivel famoso por su sintaxis clara y legibilidad del código.

En esta capacitación en vivo, impartida por un instructor, los participantes aprenderán los fundamentos de la Visión por Computador mientras avanzan en la creación de un conjunto de aplicaciones sencillas de Visión por Computador utilizando Python.

Al finalizar esta capacitación, los participantes podrán:

• Comprender los fundamentos de la Visión por Computador
• Utilizar Python para implementar tareas de Visión por Computador
• Construir sus propios sistemas de detección de rostros, objetos y movimiento

Público objetivo

• Programadores de Python interesados en la Visión por Computador

Formato del curso

• Combinación de clases magistrales, discusiones, ejercicios y práctica intensiva con uso activo

Esta capacitación impartida por un instructor en vivo en Colombia (en línea o presencial) está dirigida a profesionales de nivel intermedio que desean utilizar Vision Builder AI para diseñar, implementar y optimizar sistemas de inspección automatizada para procesos de tecnología de montaje superficial (SMT).

Al finalizar esta capacitación, los participantes podrán:

• Configurar y establecer inspecciones automatizadas utilizando Vision Builder AI.
• Adquirir y preprocesar imágenes de alta calidad para su análisis.
• Implementar decisiones basadas en lógica para la detección de defectos y la validación de procesos.
• Generar informes de inspección y optimizar el rendimiento del sistema.

Esta capacitación presencial o en línea, impartida por un instructor en Colombia, está dirigida a desarrolladores backend y científicos de datos que deseen incorporar modelos preentrenados de YOLO en sus programas orientados a la empresa e implementar componentes rentables para la detección de objetos.

Al finalizar esta capacitación, los participantes serán capaces de:

• Instalar y configurar las herramientas y bibliotecas necesarias requeridas para la detección de objetos mediante YOLO.
• Personalizar aplicaciones de línea de comandos en Python que funcionen basadas en modelos preentrenados de YOLO.
• Implementar el framework de modelos preentrenados de YOLO en diversos proyectos de visión por computadora.
• Convertir conjuntos de datos existentes para la detección de objetos al formato YOLO.
• Comprender los conceptos fundamentales del algoritmo YOLO aplicados a la visión por computadora y/o al aprendizaje profundo.

Esta capacitación presencial, impartida por un instructor en Colombia (en línea o en sitio), está dirigida a desarrolladores, investigadores y científicos de datos de nivel intermedio a avanzado que deseen aprender a implementar la detección de objetos en tiempo real utilizando YOLOv7.

Al finalizar esta capacitación, los participantes podrán:

• Comprender los conceptos fundamentales de la detección de objetos.
• Instalar y configurar YOLOv7 para tareas de detección de objetos.
• Entrenar y probar modelos personalizados de detección de objetos utilizando YOLOv7.
• Integrar YOLOv7 con otros marcos y herramientas de visión por computadora.
• Solucionar problemas comunes relacionados con la implementación de YOLOv7.