Hardware-Accelerated Video Analytics培訓

這種由講師指導的現場培訓 台灣（在線或遠端）面向希望安裝、配置、管理和排除 CUDA 環境故障的初級系統管理員和 IT 專業人員。

在培訓結束時，參與者將能夠：

• 瞭解 CUDA 的架構、元件和功能。
• 安裝和配置 CUDA 環境。
• 管理和優化 CUDA 資源。
• 調試和排查常見的 CUDA 問題。

這種以講師為主導的台灣現場現場培訓面向希望使用CUDA 構建在NVIDIA GPU上並行運行的Python應用程式的開發人員。

在培訓結束時，參與者將能夠：

• 使用 Numba 編譯器加速在 NVIDIA GPU 上運行的 Python 應用程式。
• 創建、編譯和啟動自定義 CUDA 內核。
• 管理 GPU 記憶體。
• 將基於 CPU 的應用程式轉換為 GPU 加速的應用程式。

這種由講師指導的 台灣 現場培訓（在線或現場）面向希望從手動面部素描過渡到使用 AI 工具開發面部識別系統的初級執法人員。

在本次培訓結束時，參與者將能夠：

• 瞭解人工智慧的基礎知識和 Machine Learning。
• 瞭解數位圖像處理的基礎知識及其在面部識別中的應用。
• 培養使用 AI 工具和框架創建面部識別模型的技能。
• 獲得創建、培訓和測試面部識別系統的實踐經驗。
• 瞭解使用面部識別技術的道德注意事項和最佳實踐。

OpenFace 是基於 Python 和 Torch 的開源即時面部識別軟體，基於 Google 的 FaceNet 研究。

在這個由講師指導的現場培訓中，參與者將學習如何使用 OpenFace 的元件來創建和部署範例面部識別應用程式。

在本次培訓結束時，參與者將能夠：

• 使用 OpenFace 的元件（包括 dlib、OpenVC、Torch 和 nn4）實現人臉檢測、對齊和轉換
• 將OpenFace應用於實際應用，例如監控、身份驗證、虛擬實境、遊戲和識別回頭客等。

觀眾

• 開發人員
• 數據科學家

課程形式

• 部分講座、部分討論、練習和大量動手實踐

這個由講師指導的現場培訓介紹了從頭開始構建面部識別系統所需的軟體、硬體和分步過程。面部識別也稱為 Face Recognition。

本實驗中使用的硬體包括Rasberry Pi、攝像頭模組、伺服系統（可選）等。參與者負責自己購買這些元件。使用的軟體包括 OpenCV、Linux、Python 等。

在本次培訓結束時，參與者將能夠：

• 在 Rasberry Pi 上安裝 Linux、OpenCV 和其他軟體實用程式和庫。
• 配置 OpenCV 以捕獲和檢測面部圖像。
• 瞭解打包Rasberry Pi系統以在實際環境中使用的各種選項。
• 使系統適應各種用例，包括監控、身份驗證等。

課程形式

• 部分講座、部分討論、練習和大量動手實踐

注意

• 其他硬體和軟體選項包括：Arduino、OpenFace、Windows 等。如果您想使用其中任何一個，請聯繫我們進行安排。

Fiji 是一個開源圖像處理包，它捆綁了 ImageJ（用於科學多維圖像的圖像處理程式）和許多用於科學圖像分析的外掛程式。

在這個由講師指導的現場培訓中，參與者將學習如何使用 Fiji 發行版及其底層 ImageJ 程式來創建圖像分析應用程式。

在本次培訓結束時，參與者將能夠：

• 使用 Fiji 的高級程式設計功能和軟體元件來擴展 ImageJ
• 從重疊的圖塊拼接大型 3D 圖像
• 使用整合更新系統在啟動時自動更新 Fiji 安裝
• 從廣泛的腳本語言中進行選擇，以構建自定義圖像分析解決方案
• 在大型生物圖像數據集上使用斐濟強大的庫，例如 ImgLib
• 部署他們的應用程式並與其他科學家合作開展類似專案

課程形式

• 互動講座和討論。
• 大量的練習和練習。
• 在即時實驗室環境中動手實施。

課程自定義選項

• 要申請本課程的定製培訓，請聯繫我們進行安排。

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。

PaddlePaddle （PArallel Distributed Deep Learning） 是由百度開發的可擴展深度學習平臺。

在這個由講師指導的現場培訓中，參與者將學習如何使用 PaddlePaddle 在其產品和服務應用程式中實現深度學習。

在本次培訓結束時，參與者將能夠：

• 設定與設定 PaddlePaddle
• 設置卷積神經網路 （CNN） 以進行圖像識別和物件檢測
• 設置遞迴神經網路 （RNN） 以進行情緒分析
• 在推薦系統上設置深度學習以幫助使用者找到答案
• 預測點擊率 （CTR）、對大規模圖像集進行分類、執行光學字元識別 （OCR）、對搜索進行排名、檢測計算機病毒並實施推薦系統。

觀眾

• 開發人員
• 數據科學家

課程形式

• 部分講座、部分討論、練習和大量動手實踐

Pattern Matching 是一種用於在圖像中定位指定模式的技術。它可用於確定捕獲的圖像中是否存在指定特徵，例如工廠生產線中缺陷產品上的預期標籤或元件的指定尺寸。它與 “Pattern Recognition” 的不同之處在於 “Pattern Recognition” （它根據更大的相關樣本集合識別一般模式），因為它具體指示我們正在尋找什麼，然後告訴我們預期的模式是否存在。

課程形式

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

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

OpenCV（開源 Computer Vision 庫：http://opencv.org）是一個開源 BSD 許可的庫，包括數百種計算機視覺演算法。

觀眾

本課程面向尋求將 OpenCV 用於計算機視覺專案的工程師和架構師

這種以講師為主導的台灣現場培訓（現場或遠端）針對希望在Python與OpenCV 4中程式設計以進行深度學習的軟體工程師。

在培訓結束時，參與者將能夠：

• 使用 OpenCV 查看、載入和分類圖像和視頻 4.
• 在 OpenCV 4 中使用 TensorFlow 和 Keras 實現深度學習。
• 運行深度學習模型，並從圖像和視頻中生成有影響力的報告。

這種由講師指導的 台灣 現場培訓（在線或現場）面向希望擴展深度學習以生成文本到圖像的知識和技能的中高級數據科學家、機器學習工程師、深度學習研究人員和計算機視覺專家。

在本次培訓結束時，參與者將能夠：

• 了解用於文字到圖像生成的高級深度學習架構和技術。
• 實施複雜模型和優化，以實現高品質的圖像合成。
• 優化大型數據集和複雜模型的性能和可擴充性。
• 優化超參數以獲得更好的模型性能和泛化。
• 與其他深度學習框架和工具整合 Stable Diffusion