Computer Vision met Python Training Cursus

Deze interactieve training onder begeleiding van een docent in België (online of op locatie) richt zich op AI-ontwikkelaars en computervisie-engineers met middenkadervaardigheden die visiesystemen willen ontwikkelen voor autonome rijapplicaties.

Na afronding van deze training kunnen deelnemers:

• De fundamentele begrippen van computervisie bij autonome voertuigen bevatten.
• Algorithmen implementeren voor objectdetectie, rijbaanherkenning en semantische segmentatie.
• Visiesystemen integreren met andere subsystemen van autonome voertuigen.
• Diepteleertechnieken toepassen bij geavanceerde perceptietaken.
• De prestaties van computervisiemodellen in reële situaties evalueren.

Deze interactieve, live-training onder leiding van een instructeur in België (online of ter plaatse) is bedoeld voor professionals op gevorderd niveau die hun kennis van computervisie willen verdiepen en de mogelijkheden van TensorFlow willen ontdekken om complexe visiemodellen te ontwikkelen via Google Colab.

Aan het einde van deze training zullen deelnemers in staat zijn tot:

• Convolutieneurale netwerken (CNN's) bouwen en trainen met TensorFlow.
• Google Colab gebruiken voor het efficiënt ontwikkelen van modellen in de cloud op schaalbare wijze.
• Technieken toepassen voor beeldvoorbereiding bij computervisietaken.
• Computervisiemodellen implementeren voor praktische toepassingen.
• Transfer learning benutten om de prestaties van CNN-modellen te verbeteren.
• De resultaten van beeldclassificatiemodellen visualiseren en interpreteren.

Deze door een instructeur geleide training in België (online of op locatie) richt zich op Python-ontwikkelaars en data-analisten met middenniveauvaardigheden die hun kennis willen verbreden op het gebied van data-analyse met behulp van Pandas en NumPy.

Aan het einde van deze training zullen deelnemers in staat zijn tot:

• Een ontwikkelomgeving instellen waarin Python, Pandas en Numpy geïntegreerd zijn.
• Een data-analyseapplicatie creëren met behulp van Pandas en NumPy.
• Geavanceerde data-bewerking, sortering en filtering uitvoeren.
• Aggregatiebewerkingen toepassen en tijdreeksgegevens analyseren.
• Data visualiseren via Matplotlib en andere visualisatiebibliotheken.
• Hun data-analysecode debuggen en optimaliseren.

Deze praktijkgerichte training onder leiding van een instructeur in België (online of ter plaatse) richt zich op computer vision-engineers, AI-ontwikkelaars en IoT-professionals met een gemiddelde tot gevorderde kennis die AI-modellen voor computervisie willen implementeren en optimaliseren voor real-time verwerking op edge-apparaten.

Na afloop van deze training zullen deelnemers in staat zijn om:

• De basisprincipes van Edge AI en diens toepassingen in computervisie te begrijpen.
• Geoptimaliseerde deep learning-modellen op edge-apparaten te implementeren voor real-time beeld- en videoverwerking.
• Frameworks zoals TensorFlow Lite, OpenVINO en NVIDIA Jetson SDK te gebruiken bij het implementeren van modellen.
• AI-modellen te optimaliseren met betrekking tot prestaties, energie-efficiëntie en snelle inferentie.

Deze praktijkgerichte training onder leiding van een instructeur in België (online of ter plaatse) is bedoeld voor wetshandhavingspersoneel met minimale voorkennis die wil overstappen van handmatig gezichtsschetsen naar het gebruik van AI-tools voor het ontwikkelen van gezichtsherkenningssystemen.

Aan het einde van deze training zullen deelnemers in staat zijn om:

• De basisprincipes van kunstmatige intelligentie en machine learning te begrijpen.
• De fundamentele concepten van digitale beeldverwerking en hun toepassing in gezichtsherkenning te leren.
• Vaardigheden te ontwikkelen in het gebruik van AI-tools en -frameworks om gezichtsherkenningsmodellen te creëren.
• Praktische ervaring op te doen met het ontwerpen, trainen en testen van gezichtsherkenningssystemen.
• De ethische aspecten en beste praktijken bij het gebruik van gezichtsherkenningstechnologie te bevatten.

Deze begeleide live-training (online of op locatie) is bedoeld voor ontwikkelaars die de FARM-stack willen gebruiken om dynamische, hoogperformante en schaalbare webapplicaties te bouwen.

Aan het einde van deze training zullen deelnemers onder andere het volgende kunnen:

• Het benodigde ontwikkelmilieu instellen waarin FastAPI, React en MongoDB samenwerken.
• De essentiële concepten, functies en voordelen van de FARM-stack doorgronden.
• REST API's ontwikkelen met behulp van FastAPI.
• Interactieve gebruikersinterfaces ontwerpen met React.
• Applicaties (front end en back end) ontwikkelen, testen en implementeren door middel van de FARM-stack.

Deze door een instructeur geleide training in België (online of ter plaatse) is bedoeld voor ontwikkelaars die FastAPI in combinatie met Python willen gebruiken om RESTful API's sneller en eenvoudiger te ontwikkelen, testen en implementeren.

Aan het einde van deze training zullen deelnemers in staat zijn tot het volgende:

• Het opzetten van een geschikte ontwikkelomgeving voor het bouwen van API's met Python en FastAPI.
• Het sneller en eenvoudiger creëren van API’s dankzij de FastAPI-bibliotheek.
• Het maken van datamodellen en -schema’s op basis van Pydantic en OpenAPI.
• Het koppelen van API's aan een database met behulp van SQLAlchemy.
• Het implementeren van beveiliging en authenticatie in API's door het gebruik van FastAPI-utilities.
• Het bouwen van container-images en het implementeren van web-API’s op een cloud-server.

Deze hands-on training in België dekt de basis van Fiji en ImageJ voor biologisch onderzoek. Leerders verwerven praktische vaardigheden in beeldvoorverwerking, kwantitatieve analyse en macro-automatisatie om werkstromen voor histologische weefsels, cellen en andere monsters te optimaliseren met reproduceerbare resultaten.

Deze praktijkgerichte training onder begeleiding van een instructeur (online of op locatie) richt zich op professionals met een gemiddelde kennisgraad die Vision Builder AI willen gebruiken om geautomatiseerde inspectiesystemen te ontwerpen, implementeren en optimaliseren voor SMT-processen.

Aan het einde van de training zijn deelnemers in staat tot:

• Geautomatiseerde inspecties instellen en configureren met Vision Builder AI.
• Hoogwaardige beelden verzamelen en voorbereiden voor analyse.
• Logische beslissingsregels toepassen voor het detecteren van defecten en valideren van processen.
• Inspectierapporten genereren en de prestaties van het systeem optimaliseren.

Dit live seminar met een trainer in België (online of op locatie) is bedoeld voor ontwikkelaars, onderzoekers en data scientists van intermediair tot gevorderd niveau die willen leren hoe ze real-time object detection kunnen implementeren met YOLOv7.

Aan het einde van deze training zullen deelnemers in staat zijn om:

• De fundamentele concepten van object detection te begrijpen.
• YOLOv7 te installeren en te configureren voor object detection-taken.
• Aangepaste object detection-modellen te trainen en te testen met behulp van YOLOv7.
• YOLOv7 te integreren met andere computer vision-frameworks en tools.
• Kleine problemen op te lossen die samenhangen met de implementatie van YOLOv7.