Hardware-Accelerated Video Analytics 교육 과정

대한민국에서 진행되는 이 실시간 교육(온라인 또는 현장)은 CUDA를 사용하여 NVIDIA GPU에서 병렬로 실행되는 Python 애플리케이션을 구축하려는 개발자를 대상으로 합니다.

이 교육이 끝나면 참가자는 다음을 수행할 수 있습니다.

• Numba 컴파일러를 사용하여 NVIDIA GPU에서 실행되는 Python 애플리케이션을 가속화하세요.
• 사용자 정의 CUDA 커널을 생성, 컴파일 및 실행합니다.
• GPU 메모리를 관리합니다.
• CPU 기반 애플리케이션을 GPU 가속 애플리케이션으로 변환합니다.

대한민국에서 진행되는 이 실시간 교육(온라인 또는 현장)은 CUDA 환경을 설치, 구성, 관리 및 문제 해결하려는 초급 시스템 관리자 및 IT 전문가를 대상으로 합니다.

이 교육이 끝나면 참가자는 다음을 수행할 수 있습니다.

• CUDA의 아키텍처, 구성 요소 및 기능을 이해합니다.
• CUDA 환경을 설치하고 구성합니다.
• CUDA 리소스를 관리하고 최적화합니다.
• 일반적인 CUDA 문제를 디버그하고 해결합니다.

OpenCV(오픈 소스 컴퓨터 비전 라이브러리: http://opencv.org)는 수백 개의 컴퓨터 비전 알고리즘을 포함하는 오픈 소스 BSD 라이선스 라이브러리입니다.

청중

이 과정은 컴퓨터 비전 프로젝트에 OpenCV를 활용하려는 엔지니어와 건축가를 대상으로 합니다.

이 강사가 진행된 실습에서는 처음부터 안면 인식 시스템을 구축하는 데 필요한 소프트웨어, 하드웨어 및 stepbystep 프로세스를 소개합니다 얼굴 인식은 얼굴 인식이라고도합니다 이 실험실에서 사용되는 하드웨어에는 Rasberry Pi, 카메라 모듈, servos (옵션) 등이 포함됩니다 참가자는 이러한 구성 요소를 직접 구매해야합니다 사용 된 소프트웨어에는 OpenCV, Linux, Python 등이 포함됩니다 이 훈련이 끝나면 참가자는 다음을 할 수 있습니다 Rasberry Pi에 Linux, OpenCV 및 기타 소프트웨어 유틸리티 및 라이브러리를 설치하십시오 얼굴 이미지를 캡처하고 탐지하도록 OpenCV를 구성합니다 실제 환경에서 사용하기 위해 Rasberry Pi 시스템을 패키징하기위한 다양한 옵션을 이해하십시오 감시, 신원 확인 등을 포함한 다양한 유스 케이스에 맞게 시스템을 수정하십시오 청중 개발자 하드웨어 / 소프트웨어 기술자 모든 산업 분야의 기술 인력 애호가 코스 형식 파트 강의, 파트 토론, 연습 및 무거운 핸드 슨 연습 노트 기타 하드웨어 및 소프트웨어 옵션으로는 Arduino, OpenFace, Windows 등이 있습니다 이들 중 하나를 사용하려면 문의하여 협의하십시오 .

대한민국(온라인 또는 현장)에서 진행되는 이 강사 주도 라이브 교육은 딥 러닝을 위해 OpenCV 4를 사용하여 Python 프로그래밍을 원하는 소프트웨어 엔지니어를 대상으로 합니다.

이 교육이 끝나면 참가자는 다음을 수행할 수 있습니다.

• OpenCV 4를 사용하여 이미지와 비디오를 보고 로드하고 분류합니다.
• TensorFlow 및 Keras를 사용하여 OpenCV 4에서 딥 러닝을 구현합니다.
• 딥 러닝 모델을 실행하고 이미지와 비디오에서 영향력 있는 보고서를 생성하세요.

패턴 일치는 이미지 내에서 지정된 패턴을 찾는 데 사용되는 기술입니다. 캡처 된 이미지 내에서 지정된 특성의 존재 여부를 결정하는 데 사용할 수 있습니다 (예 : 공장 라인의 결함있는 제품의 예상 레이블 또는 구성 요소의 지정된 치수). 그것은 우리가 찾고있는 것을 구체적으로 지시한다는 점에서 " Pattern Recognition "(관련 샘플의 더 큰 컬렉션을 기반으로 일반적인 패턴을 인식)과 다르며 예상 패턴이 존재하는지 여부를 알려줍니다.

코스 형식

• 이 과정은 Machine Vision 적용되는 패턴 매칭 분야에서 사용되는 접근법, 기술 및 알고리즘을 소개합니다.

이 강사가 진행하는 실시간 교육(온라인 또는 현장)은 Stable Diffusion을 활용하여 다양한 사용 사례에 맞는 고품질 이미지를 생성하려는 데이터 과학자, 기계 학습 엔지니어 및 컴퓨터 비전 연구원을 대상으로 합니다.

이 교육이 끝나면 참가자는 다음을 수행할 수 있습니다.

Stable Diffusion의 원리와 이것이 이미지 생성에 어떻게 작동하는지 이해합니다. 이미지 생성 작업을 위한 Stable Diffusion 모델을 구축하고 훈련합니다. 인페인팅, 아웃페인팅, 이미지 간 변환 등 다양한 이미지 생성 시나리오에 Stable Diffusion을 적용합니다. Stable Diffusion 모델의 성능과 안정성을 최적화합니다.

대한민국에서 진행되는 이 실시간 교육(온라인 또는 현장)은 딥 러닝에 대한 지식과 기술을 확장하고자 하는 중급 및 고급 수준의 데이터 과학자, 기계 학습 엔지니어, 딥 러닝 연구자 및 컴퓨터 비전 전문가를 대상으로 합니다. 텍스트-이미지 생성을 위해.

이 교육이 끝나면 참가자는 다음을 수행할 수 있습니다.

텍스트-이미지 생성을 위한 고급 딥 러닝 아키텍처와 기술을 이해합니다. 고품질 이미지 합성을 위해 복잡한 모델과 최적화를 구현합니다. 대규모 데이터세트와 복잡한 모델의 성능과 확장성을 최적화합니다. 더 나은 모델 성능과 일반화를 위해 하이퍼파라미터를 조정합니다. Stable Diffusion을 다른 딥 러닝 프레임워크 및 도구와 통합

대한민국에서 진행되는 이 실시간 교육(온라인 또는 현장)은 AlphaFold의 작동 방식을 이해하고 AlphaFold 모델을 실험 연구의 가이드로 사용하려는 생물학자를 대상으로 합니다.

이 교육이 끝나면 참가자는 다음을 수행할 수 있습니다.

• AlphaFold의 기본 원리를 이해합니다.
• AlphaFold이 어떻게 작동하는지 알아보세요.
• AlphaFold 예측과 결과를 해석하는 방법을 알아보세요.

대한민국에서 진행되는 이 실시간 교육(온라인 또는 현장)은 TensorFlow Lite를 사용하여 임베디드 장치에 딥 러닝 모델을 배포하려는 개발자를 대상으로 합니다.

이 교육이 끝나면 참가자는 다음을 수행할 수 있습니다.

• 임베디드 장치에 Tensorflow Lite를 설치하고 구성합니다.
• TensorFlow Lite의 기본 개념과 구성 요소를 이해합니다.
• 임베디드 장치에서 실행하기 위해 기존 모델을 TensorFlow Lite 형식으로 변환합니다.
• 소형 장치 및 TensorFlow Lite의 한계 내에서 작업하면서 실행할 수 있는 작업 범위를 확장하는 방법을 알아보세요.
• Linux를 실행하는 임베디드 장치에 딥 러닝 모델을 배포합니다.

대한민국에서 진행되는 이 실시간 교육(온라인 또는 현장)은 TensorFlow Lite를 사용하여 딥 러닝 기능이 있는 모바일 애플리케이션을 개발하려는 개발자를 대상으로 합니다.

이 교육이 끝나면 참가자는 다음을 수행할 수 있습니다.

• TensorFlow Lite를 설치하고 구성합니다.
• TensorFlow, 머신러닝, 딥러닝의 기본 원리를 이해하세요.
• TensorFlow 모델을 Android 기기에 로드합니다.
• 모바일 애플리케이션에서 컴퓨터 비전 및 자연어 인식과 같은 딥 러닝 및 머신 러닝 기능을 지원합니다.

대한민국에서 진행되는 이 실시간 교육(온라인 또는 현장)은 매우 작은 임베디드 장치에서 기계 학습 모델을 작성, 로드 및 실행하려는 엔지니어를 대상으로 합니다.

이 교육이 끝나면 참가자는 다음을 수행할 수 있습니다.

• TensorFlow Lite을 설치합니다.
• 기계 학습 모델을 임베디드 장치에 로드하여 음성 감지, 이미지 분류 등을 수행할 수 있습니다.
• 네트워크 연결에 의존하지 않고 하드웨어 장치에 AI를 추가합니다.

이 강사가 진행하는 실시간 교육(온라인 또는 현장)은 TensorFlow Lite를 사용하여 딥 러닝 기능이 있는 iOS 모바일 애플리케이션을 개발하려는 개발자를 대상으로 합니다.

이 교육이 끝나면 참가자는 다음을 수행할 수 있습니다.

• TensorFlow Lite를 설치하고 구성합니다.
• 모바일 장치에서 TensorFlow 및 머신러닝의 기본 원리를 이해합니다.
• TensorFlow 모델을 iOS 기기에 로드합니다.
• 기기의 카메라를 통해 캡처된 객체를 감지하고 분류할 수 있는 iOS 애플리케이션을 실행합니다.

대한민국에서 진행되는 이 실시간 교육(온라인 또는 현장)은 Chainer를 사용하여 Python에서 신경망을 구축 및 교육하는 동시에 코드를 쉽게 디버그할 수 있도록 하려는 연구원과 개발자를 대상으로 합니다.

이 교육이 끝나면 참가자는 다음을 수행할 수 있습니다.

• 신경망 모델 개발을 시작하는 데 필요한 개발 환경을 설정합니다.
• 이해하기 쉬운 소스 코드를 사용하여 신경망 모델을 정의하고 구현합니다.
• 예시를 실행하고 기존 알고리즘을 수정하여 딥 러닝 훈련 모델을 최적화하는 동시에 고성능을 위해 GPU을 활용합니다.

대한민국에서 진행되는 이 실시간 교육(온라인 또는 현장)은 Horovod를 사용하여 분산 딥 러닝 교육을 실행하고 여러 GPU에서 병렬로 실행되도록 확장하려는 개발자 또는 데이터 과학자를 대상으로 합니다.

이 교육이 끝나면 참가자는 다음을 수행할 수 있습니다.

• 딥 러닝 교육 실행을 시작하는 데 필요한 개발 환경을 설정합니다.
• TensorFlow, Keras, PyTorch 및 Apache MXNet을 사용하여 모델을 교육하도록 Horovod를 설치하고 구성합니다.
• 여러 GPU에서 실행되도록 Horovod를 사용하여 딥 러닝 훈련을 확장하세요.