Computer Vision with Google Colab and TensorFlow Training Course
Visi komputer merupakan bidang yang berkembang pesat dalam kecerdasan buatan, dan TensorFlow merupakan salah satu alat paling canggih yang tersedia untuk membangun dan menyebarkan model visi. Kursus ini memperkenalkan peserta pada teknik visi komputer tingkat lanjut menggunakan TensorFlow dan Google Colab, yang mencakup area penting seperti jaringan saraf konvolusional (CNN) dan teknik pemrosesan gambar.
Pelatihan langsung yang dipimpin instruktur ini (online atau di tempat) ditujukan untuk profesional tingkat lanjut yang ingin memperdalam pemahaman mereka tentang visi komputer dan mengeksplorasi kemampuan TensorFlow untuk mengembangkan model visi canggih menggunakan Google Colab.
Pada akhir pelatihan ini, peserta akan dapat:
- Membangun dan melatih jaringan saraf konvolusional (CNN) menggunakan TensorFlow.
- Manfaatkan Google Colab untuk pengembangan model berbasis cloud yang skalabel dan efisien.
- Menerapkan teknik praproses gambar untuk tugas visi komputer.
- Menerapkan model visi komputer untuk aplikasi dunia nyata.
- Gunakan pembelajaran transfer untuk meningkatkan kinerja model CNN.
- Visualisasikan dan interpretasikan hasil model klasifikasi gambar.
Format Kursus
- Kuliah dan diskusi interaktif.
- Banyak latihan dan praktik.
- Implementasi langsung di lingkungan lab langsung.
Opsi Kustomisasi Kursus
- Untuk meminta pelatihan khusus untuk kursus ini, silakan hubungi kami untuk mengaturnya.
Course Outline
Pengantar Computer Vision
- Tinjauan umum aplikasi visi komputer
- Memahami data dan format gambar
- Tantangan dalam tugas visi komputer
Pengantar Konvolusional Neural Networks (CNN)
- Apa itu CNN?
- Arsitektur CNN: Lapisan konvolusional, penggabungan, dan lapisan yang terhubung sepenuhnya
- Bagaimana CNN digunakan dalam visi komputer
Praktik Langsung dengan TensorFlow dan Google Colab
- Menyiapkan lingkungan di Google Colab
- Menggunakan TensorFlow untuk membangun model
- Membangun model CNN sederhana di TensorFlow
Teknik CNN Lanjutan
- Pembelajaran transfer untuk CNN
- Menyempurnakan model yang telah dilatih sebelumnya
- Teknik augmentasi data untuk meningkatkan kinerja
Praproses dan Augmentasi Gambar
- Teknik praproses gambar (skala, normalisasi, dll.)
- Menambah data gambar untuk pelatihan model yang lebih baik
- Menggunakan jalur data gambar TensorFlow
Membangun dan Menyebarkan Computer Vision Model
- Melatih CNN untuk klasifikasi gambar
- Mengevaluasi dan memvalidasi kinerja model
- Menyebarkan model ke lingkungan produksi
Aplikasi Dunia Nyata dari Computer Vision
- Visi komputer dalam perawatan kesehatan, ritel, dan keamanan
- Deteksi dan pengenalan objek bertenaga AI
- Menggunakan CNN untuk pengenalan wajah dan gerakan
Ringkasan dan Langkah Berikutnya
Requirements
- Pengalaman dengan pemrograman Python
- Pemahaman konsep pembelajaran mendalam
- Pengetahuan dasar tentang jaringan saraf konvolusional (CNN)
Hadirin
- Ilmuwan data
- Praktisi AI
Open Training Courses require 5+ participants.
Computer Vision with Google Colab and TensorFlow Training Course - Booking
Computer Vision with Google Colab and TensorFlow Training Course - Enquiry
Computer Vision with Google Colab and TensorFlow - Consultancy Enquiry
Consultancy Enquiry
Testimonials (1)
I genuinely enjoyed the hands-on approach.
Kevin De Cuyper
Course - Computer Vision with OpenCV
Upcoming Courses (Minimal 5 peserta)
Related Courses
AI Facial Recognition Development for Law Enforcement
21 HoursPelatihan langsung yang dipimpin instruktur di Indonesia (online atau di tempat) ini ditujukan untuk personel penegakan hukum tingkat pemula yang ingin beralih dari sketsa wajah manual ke penggunaan alat AI untuk mengembangkan sistem pengenalan wajah.
Pada akhir pelatihan ini, peserta akan dapat:
- Memahami dasar-dasar Kecerdasan Buatan dan Machine Learning.
- Pelajari dasar-dasar pemrosesan gambar digital dan penerapannya dalam pengenalan wajah.
- Mengembangkan keterampilan dalam menggunakan alat dan kerangka kerja AI untuk membuat model pengenalan wajah.
- Dapatkan pengalaman langsung dalam membuat, melatih, dan menguji sistem pengenalan wajah.
- Memahami pertimbangan etika dan praktik terbaik dalam penggunaan teknologi pengenalan wajah.
Fiji: Introduction to Scientific Image Processing
21 HoursFiji adalah paket pemrosesan gambar sumber terbuka yang menggabungkan ImageJ (program pemrosesan gambar untuk gambar multidimensi ilmiah) dan sejumlah plugin untuk analisis gambar ilmiah.
Dalam pelatihan langsung yang dipandu instruktur ini, peserta akan mempelajari cara menggunakan distribusi Fiji dan program ImageJ yang mendasarinya untuk membuat aplikasi analisis gambar.
Pada akhir pelatihan ini, peserta akan dapat:
- Gunakan fitur pemrograman tingkat lanjut dan komponen perangkat lunak Fiji untuk memperluas ImageJ
- Jahit gambar 3D besar dari ubin yang tumpang tindih
- Perbarui instalasi Fiji secara otomatis saat memulai menggunakan sistem pembaruan terintegrasi
- Pilih dari berbagai pilihan bahasa skrip untuk membangun solusi analisis gambar khusus
- Gunakan pustaka Fiji yang canggih, seperti ImgLib pada kumpulan data bioimage yang besar
- Menerapkan aplikasi mereka dan berkolaborasi dengan ilmuwan lain pada proyek serupa
Format Kursus
- Kuliah dan diskusi interaktif.
- Banyak latihan dan praktik.
- Implementasi langsung di lingkungan lab langsung.
Opsi Kustomisasi Kursus
- Untuk meminta pelatihan khusus untuk kursus ini, silakan hubungi kami untuk mengaturnya.
Fiji: Image Processing for Biotechnology and Toxicology
14 HoursPelatihan langsung yang dipimpin instruktur di Indonesia (online atau di tempat) ini ditujukan untuk peneliti dan profesional laboratorium tingkat pemula hingga menengah yang ingin memproses dan menganalisis gambar yang terkait dengan jaringan histologis, sel darah, alga, dan sampel biologis lainnya.
Pada akhir pelatihan ini, peserta akan dapat:
- Jelajahi antarmuka Fiji dan manfaatkan fungsi inti ImageJ.
- Memproses terlebih dahulu dan menyempurnakan gambar ilmiah untuk analisis yang lebih baik.
- Menganalisis gambar secara kuantitatif, termasuk penghitungan sel dan pengukuran luas.
- Otomatisasi tugas berulang menggunakan makro dan plugin.
- Sesuaikan alur kerja untuk kebutuhan analisis gambar tertentu dalam penelitian biologi.
Fn Project
7 HoursPelatihan langsung yang dipimpin instruktur di Indonesia (online atau di tempat) ini ditujukan untuk programmer dan pengembang yang ingin menggunakan Fn dalam membuat aplikasi dan layanan tanpa server.
Pada akhir pelatihan ini, peserta akan dapat:
- Siapkan Fn untuk membuat direktori dan fungsi.
- Membuat aplikasi menggunakan berbagai bahasa pemrograman.
- Memantau fungsi untuk menyelesaikan masalah pada tahap pengembangan dan penerapan.
Computer Vision with OpenCV
28 HoursOpenCV (Open Source Computer Vision Library: http://opencv.org) adalah library berlisensi BSD open-source yang mencakup beberapa ratus algoritma visi komputer.
Hadirin
Kursus ini ditujukan untuk para insinyur dan arsitek yang ingin memanfaatkan OpenCV untuk proyek visi komputer
Python and Deep Learning with OpenCV 4
14 HoursPelatihan langsung yang dipimpin instruktur di Indonesia (online atau di lokasi) ditujukan untuk insinyur perangkat lunak yang ingin memprogram dalam Python dengan OpenCV 4 untuk pembelajaran mendalam.
Pada akhir pelatihan ini, peserta akan mampu:
- Melihat, memuat, dan mengklasifikasikan gambar dan video menggunakan OpenCV 4.
- Terapkan pembelajaran mendalam di OpenCV 4 dengan TensorFlow dan Keras.
- Jalankan model pembelajaran mendalam dan hasilkan laporan yang berdampak dari gambar dan video.
OpenFaas for Developers
14 HoursPelatihan langsung yang dipandu instruktur di Indonesia (di tempat atau jarak jauh) ini ditujukan untuk pengembang yang ingin menggunakan OpenFaas untuk membuat, membangun, menguji, men-debug, dan menyebarkan fungsi berbasis peristiwa tanpa perlu khawatir mengelola infrastruktur server yang mendasarinya.
Pada akhir pelatihan ini, peserta akan dapat:
- Instal dan konfigurasikan OpenFaas.
- Kemas biner atau kode apa pun sebagai fungsi tanpa server tanpa pengkodean boiler-plate yang berulang.
- Pisahkan dari AWS Lambda untuk menghindari penguncian.
- Terapkan fungsi berbasis peristiwa ke server lokal atau ke cloud.
OpenFace: Creating Facial Recognition Systems
14 HoursOpenFace adalah Python dan Torch perangkat lunak pengenalan wajah real-time berbasis open-source yang didasarkan pada penelitian FaceNet milik Google.
Dalam pelatihan langsung yang dipandu instruktur ini, peserta akan mempelajari cara menggunakan komponen OpenFace untuk membuat dan menerapkan contoh aplikasi pengenalan wajah.
Pada akhir pelatihan ini, peserta akan dapat:
- Bekerja dengan komponen OpenFace, termasuk dlib, OpenVC, Torch, dan nn4 untuk mengimplementasikan deteksi wajah, penyelarasan, dan transformasi
- Terapkan OpenFace ke aplikasi dunia nyata seperti pengawasan, verifikasi identitas, realitas virtual, permainan, dan mengidentifikasi pelanggan tetap, dll.
Hadirin
- Pengembang
- Ilmuwan data
Format kursus
- Sebagian kuliah, sebagian diskusi, latihan dan praktik langsung yang berat
Parallel Programming with OpenMP
14 HoursPelatihan langsung yang dipimpin instruktur di Indonesia (online atau di tempat) ini ditujukan untuk para insinyur perangkat lunak yang ingin mengembangkan aplikasi paralel menggunakan OpenMP.
Pada akhir pelatihan ini, peserta akan dapat:
- Memahami dan menggunakan pemrograman paralel dengan Fortran di OpenMP.
- Hitung fraktal secara paralel untuk merender beberapa piksel dan karakter.
- Terapkan pemrograman vektor dengan ekstensi SIMD untuk sistem HPC.
- Tambahkan blok paralel untuk menentukan paralelisme memori bersama.
Pattern Matching
14 HoursPattern Matching adalah teknik yang digunakan untuk menemukan pola tertentu dalam sebuah gambar. Teknik ini dapat digunakan untuk menentukan keberadaan karakteristik tertentu dalam gambar yang diambil, misalnya label yang diharapkan pada produk cacat di jalur produksi pabrik atau dimensi komponen tertentu. Teknik ini berbeda dari "Pattern Recognition" (yang mengenali pola umum berdasarkan kumpulan sampel terkait yang lebih besar) karena teknik ini secara spesifik mendiktekan apa yang kita cari, lalu memberi tahu kita apakah pola yang diharapkan itu ada atau tidak.
Format Kursus
- Kursus ini memperkenalkan pendekatan, teknologi, dan algoritma yang digunakan dalam bidang pencocokan pola sebagaimana diterapkan pada Machine Vision.
Raspberry Pi + OpenCV for Facial Recognition
21 HoursPelatihan langsung yang dipandu instruktur ini memperkenalkan perangkat lunak, perangkat keras, dan proses langkah demi langkah yang diperlukan untuk membangun sistem pengenalan wajah dari awal. Pengenalan Wajah juga dikenal sebagai Face Recognition.
Perangkat keras yang digunakan dalam lab ini meliputi Rasberry Pi, modul kamera, servo (opsional), dll. Peserta bertanggung jawab untuk membeli sendiri komponen-komponen ini. Perangkat lunak yang digunakan meliputi OpenCV, Linux, Python, dll.
Pada akhir pelatihan ini, peserta akan dapat:
- Instal Linux, OpenCV dan utilitas perangkat lunak serta pustaka lainnya di Rasberry Pi.
- Konfigurasikan OpenCV untuk menangkap dan mendeteksi gambar wajah.
- Pahami berbagai pilihan untuk mengemas sistem Rasberry Pi untuk digunakan di lingkungan dunia nyata.
- Sesuaikan sistem untuk berbagai kasus penggunaan, termasuk pengawasan, verifikasi identitas, dll.
Format kursus
- Sebagian kuliah, sebagian diskusi, latihan dan praktik langsung yang berat
Catatan
- Pilihan perangkat keras dan perangkat lunak lainnya meliputi: Arduino, OpenFace, Windows, dll. Jika Anda ingin menggunakan salah satu di antaranya, silakan hubungi kami untuk mengaturnya.
Scilab
14 HoursScilab is a well-developed, free, and open-source high-level language for scientific data manipulation. Used for statistics, graphics and animation, simulation, signal processing, physics, optimization, and more, its central data structure is the matrix, simplifying many types of problems compared to alternatives such as FORTRAN and C derivatives. It is compatible with languages such as C, Java, and Python, making it suitable as for use as a supplement to existing systems.
In this instructor-led training, participants will learn the advantages of Scilab compared to alternatives like Matlab, the basics of the Scilab syntax as well as some advanced functions, and interface with other widely used languages, depending on demand. The course will conclude with a brief project focusing on image processing.
By the end of this training, participants will have a grasp of the basic functions and some advanced functions of Scilab, and have the resources to continue expanding their knowledge.
Audience
- Data scientists and engineers, especially with interest in image processing and facial recognition
Format of the course
- Part lecture, part discussion, exercises and intensive hands-on practice, with a final project
Vision Builder for Automated Inspection
35 HoursPelatihan langsung yang dipimpin instruktur di Indonesia (daring atau tatap muka) ini ditujukan untuk profesional level menengah yang ingin menggunakan Vision Builder AI untuk merancang, mengimplementasikan, dan memperbaiki sistem inspeksi otomatis untuk proses SMT (Surface-Mount Technology).
Selesai pelatihan ini, peserta akan dapat:
- Mengatur dan mengonfigurasi inspeksi otomatis menggunakan Vision Builder AI.
- Mendapatkan dan mempraproses gambar berkualitas tinggi untuk analisis.
- Melaksanakan keputusan berbasis logika untuk deteksi cacat dan validasi proses.
- Menghasilkan laporan inspeksi dan memperbaiki kinerja sistem.