Cursos de Pattern Matching

O Fiji é um pacote de processamento de imagens de código aberto que agrupa o ImageJ (um programa de processamento de imagens para imagens multidimensionais científicas) e vários plugins para análise de imagens científicas.

Neste treinamento ao vivo conduzido por instrutor, os participantes aprenderão como usar a distribuição Fiji e seu programa ImageJ subjacente para criar um aplicativo de análise de imagem.

Ao final deste treinamento, os participantes serão capazes de:

• Usar os recursos avançados de programação e os componentes de software do Fiji para estender o ImageJ
• costurar grandes imagens 3d a partir de telhas sobrepostas
• Atualizar automaticamente uma instalação do Fiji na inicialização usando o sistema de atualização integrado
• Selecionar de entre uma vasta seleção de linguagens de scripting para criar soluções de análise de imagem personalizadas
• Utilizar as poderosas bibliotecas do Fiji, como a ImgLib, em grandes conjuntos de dados de bioimagens
• Implementar a sua aplicação e colaborar com outros cientistas em projectos semelhantes

Formato do curso

• Palestra interactiva e discussão.
• Muitos exercícios e prática.
• Implementação prática num ambiente de laboratório ao vivo.

Opções de personalização do curso

• Para solicitar uma formação personalizada para este curso, por favor contacte-nos para combinar.

Marvin é uma estrutura extensível, multi-plataforma, de código aberto de imagem e processamento de vídeo desenvolvida em Java.   os desenvolvedores podem usar Marvin para manipular imagens, extrair recursos de imagens para tarefas de classificação, gerar figuras de forma algorithmically, processar conjuntos de dados de arquivo de vídeo e configurar a automação de teste de unidade.

alguns dos aplicativos de vídeo Marvin & #39; s incluem filtragem, realidade aumentada, rastreamento de objetos e detecção de movimento.

neste ministrado por instrutor, os participantes do curso ao vivo aprenderão os princípios de análise de imagem e vídeo e utilizarão o Marvin Framework e seus algoritmos de processamento de imagem para construir sua própria aplicação.

formato do curso

• os princípios básicos de análise de imagem, análise de vídeo e Marvin Framework são introduzidos pela primeira vez. Os alunos recebem tarefas baseadas em projetos que lhes permitem praticar os conceitos aprendidos. Até o final da aula, os participantes terão desenvolvido seu próprio aplicativo usando o Marvin Framework e bibliotecas.

PaddlePaddle (PArallel Distributed Deep LEarning) é uma plataforma de aprendizagem profunda escalável desenvolvida pela Baidu Neste treinamento ao vivo com instrutores, os participantes aprenderão como usar o PaddlePaddle para permitir o aprendizado profundo em seus aplicativos de produtos e serviços No final deste treinamento, os participantes serão capazes de: Configurar e configurar o PaddlePaddle Configurar uma rede neural por convolução (CNN) para reconhecimento de imagem e detecção de objetos Configurar uma Rede Neural Recorrente (RNN) para análise de sentimento Configure o aprendizado profundo em sistemas de recomendação para ajudar os usuários a encontrar respostas Prever taxas de cliques (CTR), classificar conjuntos de imagens em larga escala, realizar reconhecimento óptico de caracteres (OCR), classificar pesquisas, detectar vírus de computador e implementar um sistema de recomendação Público Desenvolvedores Cientistas de dados Formato do curso Palestra parcial, parte discussão, exercícios e prática handson pesada .

O Scilab é uma linguagem de alto nível bem desenvolvida, livre e de código aberto para manipulação de dados científicos Usada para estatísticas, gráficos e animação, simulação, processamento de sinais, física, otimização e muito mais, sua estrutura de dados central é a matriz, simplificando muitos tipos de problemas em comparação com alternativas como FORTRAN e derivados de C Ele é compatível com linguagens como C, Java e Python, tornando-o adequado para uso como suplemento aos sistemas existentes Neste treinamento instructorled, os participantes aprenderão as vantagens do Scilab em comparação com alternativas como o Matlab, os princípios básicos da sintaxe do Scilab, bem como algumas funções avançadas e interface com outros idiomas amplamente utilizados, dependendo da demanda O curso terminará com um breve projeto focado no processamento de imagens No final deste treinamento, os participantes terão uma compreensão das funções básicas e algumas funções avançadas do Scilab, e terão os recursos para continuar expandindo seus conhecimentos Público Cientistas de dados e engenheiros, especialmente com interesse em processamento de imagem e reconhecimento facial Formato do curso Palestra parcial, parte discussão, exercícios e prática intensiva de handson, com um projeto final .

[A aprendizagem automática é o processo de classificação de dados de entrada em objectos ou classes com base em características-chave.

Este treinamento ao vivo conduzido por instrutor (no local ou remoto) fornece uma introdução ao campo de reconhecimento de padrões e aprendizado de máquina. Ele toca em aplicações práticas em estatística, ciência da computação, processamento de sinais, visão computacional, mineração de dados e bioinformática.

No final deste treinamento, os participantes serão capazes de:

• Aplicar os principais métodos estatísticos ao reconhecimento de padrões.
• Utilizar modelos-chave como redes neurais e métodos de kernel para análise de dados.
• Implementar técnicas avançadas para a resolução de problemas complexos.
• Melhorar a precisão da previsão através da combinação de diferentes modelos.

Formato do curso

• Aulas e discussões interactivas.
• Muitos exercícios e prática.
• Implementação prática num ambiente de laboratório ao vivo.

Opções de personalização do curso

• Para solicitar uma formação personalizada para este curso, por favor contacte-nos para combinar.