Formation Vision par ordinateur avec Python

Le SDK CANN (Compute Architecture for Neural Networks) fournit des outils puissants de déploiement et d'optimisation pour les applications d'IA en temps réel dans les domaines de la vision par ordinateur et du TAL, en particulier sur le matériel Huawei Ascend.

Cette formation pratique dirigée par un instructeur (en ligne ou en présentiel) s'adresse aux praticiens de l'IA de niveau intermédiaire qui souhaitent construire, déployer et optimiser des modèles de vision et de langage en utilisant le SDK CANN pour des cas d'utilisation en production.

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

• Déployer et optimiser des modèles de vision par ordinateur et de TAL à l'aide de CANN et d'AscendCL.
• Utiliser les outils CANN pour convertir des modèles et les intégrer dans des pipelines en temps réel.
• Optimiser les performances d'inférence pour des tâches telles que la détection, la classification et l'analyse des sentiments.
• Construire des pipelines de vision par ordinateur et de TAL en temps réel pour des scénarios de déploiement sur edge ou dans le cloud.

Format du cours

• Conférence interactive et démonstration.
• Atelier pratique avec déploiement de modèles et profilage des performances.
• Conception de pipelines en direct en utilisant des cas d'utilisation réels de vision par ordinateur et de TAL.

Options de personnalisation du cours

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

Cette formation en présentiel, animée par un formateur, à Canada (en ligne ou sur site), s'adresse aux développeurs d'IA de niveau intermédiaire et aux ingénieurs en vision par ordinateur souhaitant construire des systèmes visuels robustes pour des applications de conduite autonome.

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

• Comprendre les concepts fondamentaux de la vision par ordinateur dans les véhicules autonomes.
• Mettre en œuvre des algorithmes de détection d'objets, de détection de lignes et de segmentation sémantique.
• Intégrer les systèmes de vision avec les autres sous-systèmes des véhicules autonomes.
• Appliquer des techniques d'apprentissage profond pour des tâches de perception avancées.
• Évaluer la performance des modèles de vision par ordinateur dans des scénarios réels.

Cette formation en direct, animée par un instructeur, en Canada (en ligne ou en présentiel), s'adresse aux professionnels de niveau avancé souhaitant approfondir leur compréhension de la vision par ordinateur et explorer les capacités de TensorFlow pour développer des modèles de vision sophistiqués avec Google Colab.

À la fin de cette formation, les participants seront en mesure de :

• Créer et entraîner des réseaux neuronaux convolutifs (CNN) avec TensorFlow.
• Tirer parti de Google Colab pour un développement de modèles évolutif et efficace dans le cloud.
• Mettre en œuvre des techniques de prétraitement d'images pour les tâches de vision par ordinateur.
• Déployer des modèles de vision par ordinateur pour des applications réelles.
• Utiliser l'apprentissage par transfert pour améliorer les performances des modèles CNN.
• Visualiser et interpréter les résultats des modèles de classification d'images.

Cette formation en direct, animée par un instructeur, à Canada (en ligne ou sur site), s'adresse aux data scientists et aux ingénieurs logiciel qui souhaitent utiliser Dask avec l'écosystème Python pour construire, mettre à l'échelle et analyser des ensembles de données volumineux.

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

• Configurer l'environnement nécessaire pour débuter le traitement des grandes données avec Dask et Python.
• Explorer les fonctionnalités, bibliothèques, outils et API disponibles dans Dask.
• Comprendre comment Dask accélère le calcul parallèle sous Python.
• Apprendre à mettre à l'échelle l'écosystème Python (Numpy, SciPy et Pandas) à l'aide de Dask.
• Optimiser l'environnement Dask afin de maintenir des performances élevées lors du traitement d'ensembles de données volumineux.

Cette formation en présentiel ou à distance, animée par un formateur, s'adresse aux développeurs Python et aux analystes de données de niveau intermédiaire souhaitant améliorer leurs compétences en analyse et manipulation des données à l'aide de Pandas et NumPy.

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

• Configurer un environnement de développement incluant Python, Pandas et NumPy.
• Créer une application d'analyse de données utilisant Pandas et NumPy.
• Effectuer des opérations avancées de nettoyage, de tri et de filtrage des données.
• Réaliser des opérations d'agrégation et analyser des séries chronologiques.
• Visualiser les données à l'aide de Matplotlib et d'autres bibliothèques de visualisation.
• Dépanner et optimiser leur code d'analyse de données.

Cette formation en direct, encadrée par un instructeur, en Canada (en ligne ou sur site), s'adresse aux ingénieurs en vision par ordinateur de niveau intermédiaire à avancé, aux développeurs d'IA et aux professionnels de l'IoT souhaitant implémenter et optimiser des modèles de vision par ordinateur pour le traitement en temps réel sur des appareils périphériques.

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

• Comprendre les fondements de l'IA en périphérie et ses applications dans le domaine de la vision par ordinateur.
• Déployer des modèles d'apprentissage profond optimisés sur des appareils périphériques pour l'analyse d'images et de vidéos en temps réel.
• Utiliser des frameworks tels que TensorFlow Lite, OpenVINO et NVIDIA Jetson SDK pour le déploiement de modèles.
• Optimiser les modèles d'IA pour la performance, l'efficacité énergétique et l'inférence à faible latence.

Cette formation en direct animée par un formateur en Canada (en ligne ou sur site) s'adresse au personnel des services de police de niveau débutant souhaitant passer du croquis manuel de visages à l'utilisation d'outils d'IA pour développer des systèmes de reconnaissance faciale.

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

• Comprendre les principes fondamentaux de l'Intelligence Artificielle et de l'Apprentissage Automatique.
• Apprendre les bases du traitement numérique des images et leur application dans la reconnaissance faciale.
• Développer des compétences dans l'utilisation d'outils et de cadres d'IA pour créer des modèles de reconnaissance faciale.
• Acquérir une expérience pratique dans la création, l'entraînement et les tests de systèmes de reconnaissance faciale.
• Comprendre les considérations éthiques et les bonnes pratiques en matière d'utilisation de la technologie de reconnaissance faciale.

Cette formation en direct, animée par un instructeur (en ligne ou en présentiel), s'adresse aux développeurs souhaitant utiliser la pile FARM (FastAPI, React et MongoDB) pour créer des applications web dynamiques, performantes et évolutives.

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

• Mettre en place l'environnement de développement nécessaire intégrant FastAPI, React et MongoDB.
• Comprendre les concepts clés, les fonctionnalités et les avantages de la pile FARM.
• Apprendre à créer des API REST avec FastAPI.
• Apprendre à concevoir des applications interactives avec React.
• Développer, tester et déployer des applications (front-end et back-end) en utilisant la pile FARM.

Cette formation en présentiel ou à distance, animée par un instructeur dans Canada s'adresse aux développeurs qui souhaitent utiliser FastAPI avec Python pour créer, tester et déployer des APIs RESTful plus facilement et rapidement.

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

• Configurer l'environnement de développement nécessaire pour développer des APIs avec Python et FastAPI.
• Créer des APIs plus rapidement et plus simplement en utilisant la bibliothèque FastAPI.
• Apprendre à créer des modèles de données et des schémas basés sur Pydantic et OpenAPI.
• Connecter des APIs à une base de données à l'aide de SQLAlchemy.
• Mettre en œuvre la sécurité et l'authentification dans les APIs en utilisant les outils de FastAPI.
• Construire des images de conteneurs et déployer des APIs web sur un serveur cloud.

Fiji est un puissant package de traitement d'images open-source qui bundle ImageJ (un programme conçu pour des images scientifiques multidimensionnelles) ainsi qu'une suite complète de plugins pour l'analyse d'images scientifiques.

Dans cette formation live animée par un instructeur, les participants apprendront à exploiter la distribution Fiji et son programme ImageJ sous-jacent pour créer des applications d'analyse d'images robustes.

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

• Utiliser les fonctionnalités de programmation avancées et les composants logiciels de Fiji pour étendre les capacités d'ImageJ
• Assembler de grandes images 3D à partir de tuiles superposées
• Automatiser la mise à jour d'une installation Fiji au démarrage en utilisant le système de mise à jour intégré
• Choisir parmi une large sélection de langages de script pour construire des solutions d'analyse d'images personnalisées
• Utiliser les puissantes bibliothèques de Fiji, telles que ImgLib, pour traiter efficacement de grands ensembles de données bioimage
• Déployer des applications et collaborer efficacement avec d'autres scientifiques sur des projets similaires

Format de la Formation

• Conférence interactive et discussion
• Nombreux exercices et application pratique
• Mise en œuvre pratique dans un environnement de laboratoire live

Options de Personnalisation de la Formation

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

Cette formation en direct, animée par un formateur, en Canada (en ligne ou en présentiel), s'adresse aux chercheurs et professionnels de laboratoire de niveau débutant à intermédiaire souhaitant traiter et analyser des images liées aux tissus histologiques, aux cellules sanguines, aux algues et à d'autres échantillons biologiques.

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

• Naviguer dans l'interface de Fiji et utiliser les fonctions principales d'ImageJ.
• Prétraiter et améliorer les images scientifiques pour une analyse plus performante.
• Analyser quantitativement les images, y compris le comptage cellulaire et la mesure de surfaces.
• Automatiser les tâches répétitives à l'aide de macros et de plugins.
• Personnaliser les flux de travail pour répondre aux besoins spécifiques de l'analyse d'images en recherche biologique.

Cette formation en direct, animée par un formateur à Canada (en ligne ou en présentiel), s’adresse aux ingénieurs en logiciel souhaitant programmer en Python avec OpenCV 4 pour l’apprentissage profond.

À l’issue de cette formation, les participants seront en mesure de :

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

SimpleCV est un framework open source — c'est-à-dire qu'il s'agit d'un ensemble de bibliothèques et de logiciels que vous pouvez utiliser pour développer des applications de vision par ordinateur. Il vous permet de travailler avec des images ou des flux vidéo provenant de webcams, de Kinects, de caméras FireWire et IP, ou encore de téléphones mobiles. Il vous aide à construire des logiciels pour que vos diverses technologies non seulement voient le monde, mais le comprennent également.

Public cible

Ce cours s'adresse aux ingénieurs et développeurs souhaitant créer des applications de vision par ordinateur avec SimpleCV.

Ce cours en direct, dirigé par un formateur, à Canada (en ligne ou sur site), s'adresse aux professionnels de niveau intermédiaire qui souhaitent utiliser Vision Builder AI pour concevoir, mettre en œuvre et optimiser des systèmes d'inspection automatisée pour les procédés SMT (Technologie de montage en surface).

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

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

Cette formation live animée par un instructeur en <lieu> (en ligne ou sur site) s'adresse aux développeurs backend et aux scientifiques des données qui souhaitent intégrer des modèles YOLO pré-entraînés dans leurs applications professionnelles et implémenter des composants rentables pour la détection d'objets.

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

• Installer et configurer les outils et bibliothèques nécessaires à la détection d'objets avec YOLO.
• Personnaliser des applications en ligne de commande Python basées sur des modèles pré-entraînés YOLO.
• Implémenter le framework de modèles YOLO pré-entraînés pour divers projets de vision par ordinateur.
• Convertir les jeux de données existants pour la détection d'objets au format YOLO.
• Comprendre les concepts fondamentaux de l'algorithme YOLO pour la vision par ordinateur et/ou l'apprentissage profond.