Fiji: Introduction to Scientific Image Processing培訓

模式匹配是一種用於在圖像中定位指定模式的技術。它可用於確定捕獲圖像中指定特徵的存在，例如工廠生產線中缺陷產品上的預期標籤或組件的指定尺寸。它不同於“ Pattern Recognition ”（它識別基於較大的相關樣本集合的一般模式），因為它具體決定了我們正在尋找的東西，然後告訴我們預期的模式是否存在。

課程格式

• 本課程介紹了模式匹配領域中使用的方法，技術和算法，因為它適用於Machine Vision 。

Marvin是一個用Java開發的可擴展，跨平台，開源的圖像和視頻處理框架。開發人員可以使用Marvin來處理圖像，從圖像中提取特徵以進行分類任務，通過算法生成圖形，處理視頻文件數據集以及設置單元測試自動化。

Marvin的一些視頻應用包括濾波，增強現實，物體跟踪和運動檢測。

在這個以講師為主導的實踐課程中，學員將學習圖像和視頻分析的原理，並利用Marvin框架及其圖像處理算法構建自己的應用程序。

課程格式

• 首先介紹了圖像分析，視頻分析和Marvin框架的基本原理。為學生提供基於項目的任務，使他們能夠練習所學的概念。在課程結束時，參與者將使用Marvin框架和庫開發自己的應用程序。

Scilab是一種用於科學數據處理的完善的，免費的，開源的高級語言。用於統計，圖形和動畫，模擬，信號處理，物理，優化等，其中心數據結構是矩陣，與FORTRAN和C衍生物等替代品相比，簡化了許多類型的問題。它與C， Java和Python等語言兼容，因此適合用作現有系統的補充。

在這個教師指導的培訓，學員將學習的優點Scilab相比，像Matlab的基礎知識替代Scilab語法以及一些先進的功能和接口與其他廣泛使用的語言，視需求而定。本課程將以一個專注於圖像處理的簡短項目結束。

在培訓結束時，參與者將掌握Scilab的基本功能和一些高級功能，並有資源繼續擴展他們的知識。

聽眾

• 數據科學家和工程師，特別是對圖像處理和麵部識別感興趣

課程形式

• 部分講座，部分討論，練習和密集的實踐練習，以及最終項目

PaddlePaddle (PArallel Distributed Deep LEarning) is a scalable deep learning platform developed by Baidu.

In this instructor-led, live training, participants will learn how to use PaddlePaddle to enable deep learning in their product and service applications.

By the end of this training, participants will be able to:

• Set up and configure PaddlePaddle
• Set up a Convolutional Neural Network (CNN) for image recognition and object detection
• Set up a Recurrent Neural Network (RNN) for sentiment analysis
• Set up deep learning on recommendation systems to help users find answers
• Predict click-through rates (CTR), classify large-scale image sets, perform optical character recognition(OCR), rank searches, detect computer viruses, and implement a recommendation system.

Audience

• Developers
• Data scientists

Format of the course

• Part lecture, part discussion, exercises and heavy hands-on practice

這是為期5天的Data Science和AI入門。

本課程隨附使用Python示例和練習

這種以講師為主導的台灣現場現場培訓針對的是希望使用AI通過有價值的客戶洞察力來改進數字行銷策略的營銷人員。

在培訓結束時，參與者將能夠：

• 利用 AI 軟體改善品牌與使用者建立聯繫的方式。
• 使用聊天機器人來優化用戶體驗。
• 通過任務自動化提高生產力和收入。

這種以講師為主導的台灣現場現場培訓針對的是希望了解人工智慧基礎知識併為其組織管理人工智慧專案的經理和業務領導者。

在本次培訓結束時，參與者將能夠在技術層面上了解人工智慧，並利用其組織的數據和資源制定戰略，以成功管理人工智慧專案。

這種以講師為主導的台灣現場現場培訓針對的是希望通過基本AI方法程式設計和創建機器人的工程師。

在培訓結束時，參與者將能夠：

• 實施過濾器（卡爾曼和粒子），使機器人能夠定位其環境中的移動物體。
• 實現搜索演算法和運動規劃。
• 實施 PID 控制以調節機器人在環境中的運動。
• 實施SLAM演算法，使機器人能夠繪製出未知環境。

這種以講師為主導的台灣現場培訓（現場或遠端）面向希望學習和理解人工智慧概念以及如何有效和負責任地使用它的專業人士。

在培訓結束時，參與者將能夠：

• 瞭解 Artificial Intelligence (AI) 的概念。
• 瞭解人工智慧的局限性和危險性，並負責任地使用它。
• 瞭解如何在真實場景中有效使用 AI。

在這個以講師為主導的台灣現場現場培訓中，參與者將學習不同的技術，框架和技術，用於程式設計用於核技術和環境系統領域的不同類型的機器人。

為期 6 周的課程每周 5 天舉行。每天有 4 個小時，包括講座、討論和在現場實驗室環境中動手機器人開發。參與者將完成適用於其工作的各種現實世界專案 ，以實踐他們所獲得的知識。

本課程的目標硬體將通過模擬軟體進行3D模擬。ROS（機器人操作系統）開源框架，C++和Python將用於機器人程式設計。

在培訓結束時，參與者將能夠：

• 了解機器人技術中使用的關鍵概念。
• 瞭解和管理機器人系統中軟體和硬體之間的交互。
• 瞭解並實施支持機器人技術的軟體元件。
• 構建和操作一個類比機械機器人，該機器人可以通過語音查看、感知、處理、導航並與人類互動。
• 瞭解適用於構建智慧機器人的人工智慧（機器學習、深度學習等）的必要元素。
• 實施過濾器（卡爾曼和粒子），使機器人能夠定位其環境中的移動物體。
• 實現搜索演算法和運動規劃。
• 實施 PID 控制以調節機器人在環境中的運動。
• 實施SLAM演算法，使機器人能夠繪製出未知環境。
• 通過Deep Learning擴展機器人執行複雜任務的能力。
• 在真實場景中對機器人進行測試和故障排除。

在這個以講師為主導的台灣現場現場培訓中，參與者將學習不同的技術，框架和技術，用於程式設計用於核技術和環境系統領域的不同類型的機器人。

為期 4 周的課程每周 5 天舉行。每天有 4 個小時，包括講座、討論和在現場實驗室環境中動手機器人開發。參與者將完成適用於其工作的各種現實世界專案 ，以實踐他們所獲得的知識。

本課程的目標硬體將通過模擬軟體進行3D模擬。然後，代碼將被載入到物理硬體（Arduino或其他）上，以進行最終的部署測試。ROS（機器人操作系統）開源框架，C++和Python將用於機器人程式設計。

在培訓結束時，參與者將能夠：

• 了解機器人技術中使用的關鍵概念。
• 瞭解和管理機器人系統中軟體和硬體之間的交互。
• 瞭解並實施支持機器人技術的軟體元件。
• 構建和操作一個類比機械機器人，該機器人可以通過語音查看、感知、處理、導航並與人類互動。
• 瞭解適用於構建智慧機器人的人工智慧（機器學習、深度學習等）的必要元素。
• 實施過濾器（卡爾曼和粒子），使機器人能夠定位其環境中的移動物體。
• 實現搜索演算法和運動規劃。
• 實施 PID 控制以調節機器人在環境中的運動。
• 實施SLAM演算法，使機器人能夠繪製出未知環境。
• 在真實場景中對機器人進行測試和故障排除。

This is a classroom based training session in a presentation and Q&A format

這種以講師為主導的台灣現場現場培訓面向數位營銷人員，內容創作者和開發人員，他們希望瞭解AI對搜尋引擎的影響，探索Bing AI的功能，並瞭解聊天機器人技術及其應用。

在培訓結束時，參與者將能夠：

• 瞭解必應 AI 的原理和優勢。
• 識別必應 Bing 及其應用程式中的 AI 功能。
• 利用必應 AI 來增強搜尋結果和用戶體驗。
• 評估人工智慧在搜尋引擎優化 （SEO） 和內容創建方面的潛力。
• 探索聊天機器人技術及其應用，包括必應 AI 聊天機器人。

這種以講師為主導的台灣現場培訓（現場或遠端）面向希望使用IBM Cloud Pak準備數據以用於AI解決方案的數據科學家。

在培訓結束時，參與者將能夠：

• 安裝和配置 Cloud Pak for Data。
• 統一數據的收集、組織和分析。
• 將 Cloud Pak for Data 與各種服務整合，以解決常見的業務問題。
• 實施工作流，以便與團隊成員協作開發 AI 解決方案。

這種由講師指導的現場培訓台灣（在線或現場）面向希望學習智慧駕駛基礎知識以及如何將其應用於現實世界場景的初級到中級開發人員和架構師。

在培訓結束時，參與者將能夠：

• 解釋人工智慧的基本概念和原理，以及如何將其應用於駕駛。
• 瞭解智慧駕駛系統的架構和元件。
• 創建並可視化來自不同設計學科的復合驅動模型。
• 在模型中溝通和註釋問題和反饋。
• 在駕駛場景之間執行碰撞檢測和解決。
• 類比和控制駕駛進度和成本。