Formation CANN SDK pour Computer Vision et les pipelines de traitement du langage naturel (NLP)

LangGraph est un framework pour construire des applications LLM multi-acteurs et à état en utilisant des graphes composables avec un état persistant et un contrôle sur l'exécution.

Cette formation en direct, dirigée par un instructeur (en ligne ou sur site), s'adresse aux ingénieurs de plateforme AI avancés, DevOps pour AI et architectes ML qui souhaitent optimiser, déboguer, surveiller et opérer des systèmes LangGraph de production.

A la fin de cette formation, les participants seront capables de :

• Définir et optimiser des topologies complexes de LangGraph pour la vitesse, le coût et l'évolutivité.
• Concevoir une fiabilité grâce aux réessais, aux délais d'expiration, à l'idempotence et au redémarrage basé sur les points de contrôle.
• Déboguer et tracer les exécutions des graphes, inspecter l'état et reproduire systématiquement les problèmes de production.
• Instrumentaliser les graphes avec des journaux, des métriques et des traces, déployer en production et surveiller les SLAs et les coûts.

Format du cours

• Cours interactif et discussion.
• De nombreux exercices et pratiques.
• Mise en œuvre pratique dans un environnement de laboratoire live.

Options de personnalisation du cours

• Pour demander une formation personnalisée pour ce cours, veuillez nous contacter pour les arrangements.

Cette formation en direct (en ligne ou sur site) est destinée aux agents de police débutants qui souhaitent passer des croquis manuels de visages à l'utilisation d'outils basés sur l'intelligence artificielle pour développer des systèmes de reconnaissance faciale.

À la fin de cette formation, les participants seront capables de :

• Comprendre les fondamentaux de l'Intelligence Artificielle et de l'apprentissage automatique.
• Apprendre les bases du traitement d'image numérique et son application dans la reconnaissance faciale.
• Développer des compétences dans l'utilisation d'outils et de cadres basés sur l'IA pour créer des modèles de reconnaissance faciale.
• Acquérir une expérience pratique en créant, formant et testant des systèmes de reconnaissance faciale.
• Comprendre les considérations éthiques et les meilleures pratiques dans l'utilisation de la technologie de reconnaissance faciale.

Fiji est un logiciel libre de traitement d'images qui regroupe ImageJ (un programme de traitement d'images multidimensionnelles scientifiques) et un certain nombre de plugins pour l'analyse d'images scientifiques.

Au cours de cette formation, les participants apprendront à utiliser la distribution Fiji et le programme ImageJ sous-jacent pour créer une application d'analyse d'images.

À l'issue de cette formation, les participants seront capables de :

• Utiliser les fonctions de programmation avancées et les composants logiciels de Fiji pour étendre ImageJ
• Assembler de grandes images 3D à partir de tuiles qui se chevauchent
• Mettre à jour automatiquement une installation de Fiji au démarrage en utilisant le système de mise à jour intégré
• Choisir parmi une large sélection de langages de script pour créer des solutions d'analyse d'images personnalisées.
• utiliser les puissantes bibliothèques de Fiji, telles que ImgLib, pour les grands ensembles de données d'imagerie biologique
• Déployer leur application et collaborer avec d'autres scientifiques sur des projets similaires.

Format du cours

• Exposé et discussion interactifs.
• Beaucoup d'exercices et de pratique.
• Mise en œuvre pratique dans un environnement live-lab.

Options de personnalisation du cours

• Pour demander une formation personnalisée pour ce cours, veuillez nous contacter.

Cette formation en direct (en ligne ou sur site) dispensée par un formateur est destinée aux chercheurs et professionnels de laboratoire de niveau débutant à intermédiaire qui souhaitent traiter et analyser des images liées aux tissus histologiques, aux cellules sanguines, aux algues et autres échantillons biologiques.

À la fin de cette formation, les participants seront capables de :

• Naviguer dans l'interface de Fiji et utiliser les fonctions principales d’ImageJ.
• Prétraiter et améliorer des images scientifiques pour une meilleure analyse.
• Analyser des images de manière quantitative, y compris le comptage cellulaire et la mesure des surfaces.
• Automatiser les tâches répétitives en utilisant des macros et des plugins.
• Personnaliser les workflows pour répondre aux besoins spécifiques d'analyse d’images dans la recherche biologique.

LangGraph est un framework pour la construction d'applications LLM structurées en graphes qui prennent en charge le planification, le branchement, l'utilisation des outils, la mémoire et l'exécution contrôlée.

Cette formation en direct (en ligne ou sur place) animée par un formateur est destinée aux développeurs débutants, aux ingénieurs de prompts et aux praticiens des données qui souhaitent concevoir et construire des workflows LLM multi-étapes fiables à l'aide de LangGraph.

À la fin de cette formation, les participants seront capables de :

• Expliquer les concepts fondamentaux de LangGraph (nœuds, arêtes, état) et quand les utiliser.
• Créer des chaînes de prompts qui se branchent, appellent des outils et maintiennent la mémoire.
• Intégrer des récupérations et des APIs externes dans les workflows graphiques.
• Tester, déboguer et évaluer les applications LangGraph pour garantir fiabilité et sécurité.

Format du cours

• Cours interactif et discussion guidée.
• Laboratoires encadrés et démonstrations de code dans un environnement sandbox.
• Exercices basés sur des scénarios pour la conception, le test et l'évaluation.

Options de personnalisation du cours

• Pour demander une formation personnalisée pour ce cours, veuillez nous contacter pour organiser cela.

Cette formation en direct (en ligne ou sur site) dirigée par un formateur s'adresse aux ingénieurs intermédiaires et aux équipes de produits qui souhaitent combiner la logique graphique de LangGraph avec les boucles d'agents LLM pour construire des applications dynamiques et contextuelles telles que des agents de support clients, des arbres de décision et des systèmes de récupération d'information.

A la fin de cette formation, les participants seront capables de :

• Définir des flux de travail basés sur les graphes qui coordonnent les agents LLM, les outils et la mémoire.
• Mettre en œuvre une routage conditionnel, des tentatives redémarrages et des remplacements pour une exécution robuste.
• Intégrer le récupération de données, les API et les sorties structurées dans les boucles d'agents.
• Évaluer, surveiller et renforcer le comportement des agents pour la fiabilité et la sécurité.

Format du cours

• Cours interactif et discussion facilitée.
• Laboratoires guidés et parcours de code dans un environnement sandbox.
• Exercices de conception basés sur des scénarios et revues par les pairs.

Options de personnalisation du cours

• Pour demander une formation personnalisée pour ce cours, veuillez nous contacter pour en faire la demande.

LangGraph est un cadre d'orchestration basé sur les graphes qui permet des workflows conditionnels et multistep pour les LLM et les outils, idéal pour automatiser et personnaliser les pipelines de contenu.

Cette formation en direct (en ligne ou sur site) animée par un formateur s'adresse aux marketeurs, stratèges en contenu et développeurs d'automatisation de niveau intermédiaire souhaitant mettre en œuvre des campagnes e-mail dynamiques à ramifications et des pipelines de génération de contenu à l'aide de LangGraph.

Au terme de cette formation, les participants seront capables de :

• Développer des workflows de contenu et d'e-mail structurés en graphes avec une logique conditionnelle.
• Intégrer des LLM, des API et des sources de données pour la personnalisation automatisée.
• Gérer l'état, la mémoire et le contexte tout au long des campagnes multistep.
• Evaluer, surveiller et optimiser les performances du workflow et les résultats de livraison.

Format du cours

• Cours interactifs et discussions en groupe.
• Laboratoires pratiques mettant en œuvre des workflows e-mail et des pipelines de contenu.
• Exercices basés sur des scénarios concernant la personnalisation, le segmentation et la logique à ramifications.

Options de Personnalisation du Cours

• Pour demander une formation personnalisée pour ce cours, veuillez nous contacter pour en faire la demande.

OpenCV (Open Source Computer Vision Library : http://opencv.org) est une bibliothèque open-source sous licence BSD qui comprend plusieurs centaines d'algorithmes de vision par ordinateur.

Public

Ce cours s'adresse aux ingénieurs et aux architectes qui souhaitent utiliser OpenCV pour des projets de vision par ordinateur.

Cette formation en Canada (en ligne ou sur site) s'adresse aux ingénieurs logiciels qui souhaitent programmer en Python avec OpenCV 4 pour l'apprentissage profond.

A l'issue de cette formation, les participants seront capables de :

• Visualiser, charger et classifier des images et des vidéos en OpenCV 4.
• Mettre en œuvre l'apprentissage profond en OpenCV 4 avec TensorFlow et Keras.
• Exécuter des modèles d'apprentissage profond et générer des rapports percutants à partir d'images et de vidéos.

OpenFace est un logiciel de reconnaissance faciale en temps réel, à code source ouvert, basé sur les recherches FaceNet de Google Python et Torch.

Au cours de cette formation, les participants apprendront à utiliser les composants d'OpenFace pour créer et déployer un exemple d'application de reconnaissance faciale.

A la fin de cette formation, les participants seront capables de :

• Travailler avec les composants d'OpenFace, y compris dlib, OpenVC, Torch, et nn4 pour implémenter la détection, l'alignement et la transformation des visages.
• Appliquer OpenFace à des applications réelles telles que la surveillance, la vérification d'identité, la réalité virtuelle, les jeux, l'identification de clients réguliers, etc.

Public

• Développeurs
• Scientifiques des données

Format du cours

• En partie conférence, en partie discussion, exercices et pratique intensive.

Pattern Matching est une technique utilisée pour localiser des motifs spécifiques dans une image. Elle peut être utilisée pour déterminer l'existence de caractéristiques spécifiques dans une image capturée, par exemple l'étiquette attendue sur un produit défectueux dans une chaîne de production ou les dimensions spécifiées d'un composant. Elle diffère de la technique "Pattern Recognition" (qui reconnaît des modèles généraux basés sur des collections plus vastes d'échantillons apparentés) en ce sens qu'elle dicte spécifiquement ce que nous recherchons, puis nous indique si le modèle attendu existe ou non.

Format du cours

• Ce cours présente les approches, les technologies et les algorithmes utilisés dans le domaine de la recherche de motifs, tels qu'ils s'appliquent à Machine Vision.

Cette formation en direct, dirigée par un instructeur, présente le logiciel, le matériel et le processus étape par étape nécessaire pour construire un système de reconnaissance faciale à partir de zéro. La reconnaissance faciale est également connue sous le nom de Face Recognition.

Le matériel utilisé dans ce laboratoire comprend le Rasberry Pi, un module caméra, des servos (optionnels), etc. Les participants sont responsables de l'achat de ces composants. Les logiciels utilisés comprennent OpenCV, Linux, Python, etc.

A l'issue de cette formation, les participants seront capables de :

• Installer Linux, OpenCV et d'autres logiciels utilitaires et bibliothèques sur un Rasberry Pi.
• Configurer OpenCV pour capturer et détecter des images faciales.
• Comprendre les différentes options de conditionnement d'un système Rasberry Pi pour une utilisation dans des environnements réels.
• Adapter le système à une variété de cas d'utilisation, y compris la surveillance, la vérification d'identité, etc.

Format du cours

• En partie exposé, en partie discussion, exercices et pratique intensive.

Remarque

• D'autres options matérielles et logicielles existent : Arduino, OpenFace, Windows, etc. Si vous souhaitez utiliser l'une de ces options, veuillez nous contacter.

Cette formation en direct, animée par un formateur (en ligne ou sur site), s'adresse aux professionnels intermédiaires souhaitant utiliser Vision Builder AI pour concevoir, mettre en œuvre et optimiser des systèmes d'inspection automatisés destinés aux processus SMT (Surface-Mount Technology).

À la fin de cette formation, les participants seront capables de :

• Configurer et paramétrer des inspections automatisées à l'aide de Vision Builder AI.
• Acquérir et prétraiter des images de haute qualité pour l'analyse.
• Mettre en œuvre des décisions basées sur la logique pour la détection de défauts et la validation du processus.
• Générer des rapports d'inspection et optimiser les performances du système.