Computer Vision with Google Colab and TensorFlow 培训

在本次培训结束时，学员将能够：

本课程为讲师指导的线下或线上培训，面向希望学习使用Google Colab进行数据科学基础的初级数据科学家和IT专业人员。

• 设置和导航Google Colab。
• 编写并执行基本的Python代码。
• 导入和处理数据集。
• 使用Python库创建可视化。

在本培训结束时，学员将能够：

本课程为讲师引导的中国（线上或线下）培训，面向希望学习如何创建有意义且视觉吸引人的数据可视化的初级数据科学家。

• 设置并导航Google Colab以进行数据可视化。
• 使用Matplotlib创建各种类型的图表。
• 利用Seaborn进行高级可视化技术。
• 自定义图表以提升展示效果和清晰度。
• 使用视觉工具有效解释和展示数据。

这种由讲师指导的 中国 现场培训（在线或现场）面向希望从手动面部素描过渡到使用 AI 工具开发面部识别系统的初级执法人员。

在本次培训结束时，参与者将能够：

• 了解人工智慧的基础知识和 Machine Learning。
• 了解数位图像处理的基础知识及其在面部识别中的应用。
• 培养使用 AI 工具和框架创建面部识别模型的技能。
• 获得创建、培训和测试面部识别系统的实践经验。
• 了解使用面部识别技术的道德注意事项和最佳实践。

Fiji 是一个开源图像处理包，它捆绑了 ImageJ（用于科学多维图像的图像处理程式）和许多用于科学图像分析的外挂程式。

在这个由讲师指导的现场培训中，参与者将学习如何使用 Fiji 发行版及其底层 ImageJ 程式来创建图像分析应用程式。

在本次培训结束时，参与者将能够：

• 使用 Fiji 的高级程式设计功能和软体元件来扩展 ImageJ
• 从重叠的图块拼接大型 3D 图像
• 使用整合更新系统在启动时自动更新 Fiji 安装
• 从广泛的脚本语言中进行选择，以构建自定义图像分析解决方案
• 在大型生物图像数据集上使用斐济强大的库，例如 ImgLib
• 部署他们的应用程式并与其他科学家合作开展类似专案

课程形式

• 互动讲座和讨论。
• 大量的练习和练习。
• 在即时实验室环境中动手实施。

课程自定义选项

• 要申请本课程的定制培训，请联系我们进行安排。

本次由讲师指导的线下培训（线上或线下）面向初级至中级研究人员和实验室专业人员，旨在帮助他们处理和分析与组织学组织、血细胞、藻类及其他生物样本相关的图像。

培训结束后，学员将能够：

• 熟练使用Fiji界面，并掌握ImageJ的核心功能。
• 对科学图像进行预处理和增强，以便更好地分析。
• 定量分析图像，包括细胞计数和面积测量。
• 使用宏和插件自动化重复性任务。
• 根据生物研究中的具体需求，定制图像分析工作流程。

在本培训结束时，学员将能够：

本次由讲师指导的中国（线上或线下）培训，面向希望使用Google Colab环境高效应用机器学习算法的中级数据科学家和开发者。

• 为机器学习项目设置和导航Google Colab。
• 理解并应用各种机器学习算法。
• 使用Scikit-learn等库分析和预测数据。
• 实现监督学习和无监督学习模型。
• 有效优化和评估机器学习模型。

OpenCV（开源 Computer Vision 库：http://opencv.org）是一个开源 BSD 许可的库，包括数百种计算机视觉演算法。

观众

本课程面向寻求将 OpenCV 用于计算机视觉专案的工程师和架构师

这种以讲师为主导的中国现场培训（现场或远程）针对希望在Python与OpenCV 4中编程以进行深度学习的软件工程师。

在培训结束时，参与者将能够：

• 使用 OpenCV 查看、加载和分类图像和视频 4.
• 在 OpenCV 4 中使用 TensorFlow 和 Keras 实现深度学习。
• 运行深度学习模型，并从图像和视频中生成有影响力的报告。

OpenFace 是基于 Python 和 Torch 的开源即时面部识别软体，基于 Google 的 FaceNet 研究。

在这个由讲师指导的现场培训中，参与者将学习如何使用 OpenFace 的元件来创建和部署范例面部识别应用程式。

在本次培训结束时，参与者将能够：

• 使用 OpenFace 的元件（包括 dlib、OpenVC、Torch 和 nn4）实现人脸检测、对齐和转换
• 将OpenFace应用于实际应用，例如监控、身份验证、虚拟实境、游戏和识别回头客等。

观众

• 开发人员
• 数据科学家

课程形式

• 部分讲座、部分讨论、练习和大量动手实践

Pattern Matching 是一种用于在图像中定位指定模式的技术。它可用于确定捕获的图像中是否存在指定特征，例如工厂生产线中缺陷产品上的预期标签或元件的指定尺寸。它与 “Pattern Recognition” 的不同之处在于 “Pattern Recognition” （它根据更大的相关样本集合识别一般模式），因为它具体指示我们正在寻找什么，然后告诉我们预期的模式是否存在。

课程形式

• 本课程介绍了模式匹配领域中使用的方法、技术和演算法，因为它适用于 Machine Vision。

在本次培训结束时，学员将能够：

本次由讲师指导的中国（线上或线下）培训，面向希望从头学习Python编程并使用Google Colab的初级开发人员和数据分析师。

• 理解Python编程语言的基础知识。
• 在Google Colab环境中实现Python代码。
• 使用控制结构来管理Python程序的流程。
• 创建函数以有效组织和重用代码。
• 探索并使用Python编程的基本库。

这个由讲师指导的现场培训介绍了从头开始构建面部识别系统所需的软体、硬体和分步过程。面部识别也称为 Face Recognition。

本实验中使用的硬体包括Rasberry Pi、摄像头模组、伺服系统（可选）等。参与者负责自己购买这些元件。使用的软体包括 OpenCV、Linux、Python 等。

在本次培训结束时，参与者将能够：

• 在 Rasberry Pi 上安装 Linux、OpenCV 和其他软体实用程式和库。
• 配置 OpenCV 以捕获和检测面部图像。
• 了解打包Rasberry Pi系统以在实际环境中使用的各种选项。
• 使系统适应各种用例，包括监控、身份验证等。

课程形式

• 部分讲座、部分讨论、练习和大量动手实践

注意

• 其他硬体和软体选项包括：Arduino、OpenFace、Windows 等。如果您想使用其中任何一个，请联系我们进行安排。

这是一个由讲师指导的中国（线上或线下）培训课程，旨在帮助中级专业人士使用Vision Builder AI来设计、实施和优化用于SMT（表面贴装技术）流程的自动化检测系统。

在培训结束时，参与者将能够：

• 使用Vision Builder AI设置和配置自动化检测。
• 获取并预处理高质量图像以进行分析。
• 实施基于逻辑的决策，用于缺陷检测和流程验证。
• 生成检测报告并优化系统性能。