서울 컴퓨터 비전 과정

이 강사는 서울 (온라인 또는 현장)에서 직접 진행하며, 중간 수준에서 고급 수준의 컴퓨터 비전 엔지니어, AI 개발자 및 IoT 전문가를 대상으로 합니다. 이들은 에지 디바이스에서 실시간으로 컴퓨터 비전 모델을 구현하고 최적화하고자 합니다.

이 훈련을 마친 후, 참가자들은 다음을 할 수 있습니다:

• Edge AI의 기본 원리와 컴퓨터 비전에서의 응용 방법을 이해합니다.
• 에지 디바이스에 최적화된 딥러닝 모델을 배치하여 실시간 이미지와 동영상 분석을 수행합니다.
• TensorFlow Lite, OpenVINO 및 NVIDIA Jetson SDK와 같은 프레임워크를 사용하여 모델을 배치합니다.
• 성능, 전력 효율성 및 저지연 추론을 위해 AI 모델을 최적화합니다.

이 강사 주도의 실시간 교육(서울, 온라인 또는 현장)은 컴퓨터 비전에 대한 이해를 깊게 하고, Google Colab을 사용하여 고급 시각 모델을 개발하기 위한 TensorFlow의 기능을 탐색하고자 하는 고급 전문가들을 대상으로 합니다.

이 교육이 끝나면 참가자들은 다음과 같은 능력을 갖추게 됩니다:

• TensorFlow를 사용하여 합성곱 신경망(CNN)을 구축하고 훈련시킵니다.
• 확장性和高效的云基模型开发。
• 实现用于计算机视觉任务的图像预处理技术。
• 部署计算机视觉模型以进行实际应用。
• 使用迁移学习来提高CNN模型的性能。
• 可视化和解释图像分类模型的结果。

CANN SDK (Compute Architecture for Neural Networks)는 컴퓨터 비전과 NLP에서 실시간 AI 애플리케이션을 배포하고 최적화하는 강력한 도구를 제공합니다. 특히 화웨이 Ascend 하드웨어에서 사용할 때 효과적입니다.

이 트레이닝은 중급 AI 전문가들을 대상으로 하며, 실제 사용 사례를 위해 CANN SDK를 사용하여 비전 및 언어 모델을 구축, 배포, 최적화하는 방법을 배울 수 있습니다.

이 트레이닝이 끝나면 참가자들은 다음과 같은 능력을 갖추게 됩니다:

• CANN과 AscendCL을 사용하여 CV와 NLP 모델을 배포하고 최적화합니다.
• CANN 도구를 사용하여 모델을 변환하고 실시간 파이프라인에 통합합니다.
• 검출, 분류, 감정 분석과 같은 작업의 추론 성능을 최적화합니다.
• 엣지 또는 클라우드 기반 배포 시나리오에서 실시간 CV/NLP 파이프라인을 구축합니다.

강의 형식

• 상호작용 강연과 데모.
• 모델 배포 및 성능 프로파일링 실습.
• 실제 CV와 NLP 사용 사례를 활용한 실시간 파이프라인 설계.

강의 커스터마이징 옵션

• 이 강의에 대한 맞춤형 트레이닝을 요청하려면 문의해 주세요.

이 강사는 서울 (온라인 또는 현장)에서 직접 지도하는 라이브 교육으로, 자율주행 응용 프로그램을 위한 견고한 비전 시스템을 구축하려는 중간 수준의 AI 개발자 및 컴퓨터 비전 엔지니어를 대상으로 합니다.

이 교육을 통해 참가자들은 다음을 할 수 있습니다:

• 자율주행 차량에서 컴퓨터 비전의 기본 개념을 이해합니다.
• 객체 탐지, 차선 탐지 및 의미 분할을 위한 알고리즘을 구현합니다.
• 비전 시스템을 자율주행 차량의 다른 하위 시스템과 통합합니다.
• 고급 지각 작업에 대한 딥러닝 기법을 적용합니다.
• 실세계 시나리오에서 컴퓨터 비전 모델의 성능을 평가합니다.

이 강사는 현장 학습을 통해 서울(온라인 또는 현장에서) 초보 법 집행 인력이 수동 얼굴 스케치에서 AI 도구를 사용하여 얼굴 인식 시스템을 개발하는 데 필요한 기술을 습득할 수 있도록 돕습니다.

이 강의를 마친 후, 참가자들은 다음과 같은 능력을 갖게 됩니다:

• 인공지능과 머신러닝의 기본 원리를 이해합니다.
• 디지털 이미지 처리 및 얼굴 인식에 대한 기본 사항을 학습합니다.
• 얼굴 인식 모델을 생성하는 데 필요한 AI 도구 및 프레임워크를 사용하기 위한 기술을 개발합니다.
• 얼굴 인식 시스템을 생성, 학습 및 테스트하는 데 대한 실습 경험을 쌓습니다.
• 얼굴 인식 기술 사용에 대한 윤리적 고려 사항 및 모범 사례를 이해합니다.

이 지도자 주도의 실시간 교육(온라인 또는 현장)은 조직 병리학적인 조직, 혈액 세포, 미생물 및 기타 생명과학 샘플과 관련된 이미지를 처리하고 분석하길 원하는 초보부터 중급 연구원 및 실험실 전문가를 대상으로 합니다.

이 교육을 마친 후 참가자들은 다음과 같은 능력을 갖추게 됩니다:

• Fiji 인터페이스를 탐색하고 ImageJ의 핵심 기능을 활용합니다.
• 더 나은 분석을 위해 과학적 이미지를 전처리하고 향상시킵니다.
• 세포 수 및 면적 측정 등을 포함한 정량적 이미지 분석을 수행합니다.
• 매크로와 플러그인을 사용하여 반복적인 작업을 자동화합니다.
• 생명과학 연구에 필요한 특정 이미지 분석 요구사항에 맞게 워크플로를 맞춤화합니다.

이 강사 주도의 실시간 트레이닝(서울 온라인 또는 오프사이트)은 SMT(표면 장착 기술) 프로세스를 위한 자동 검사 시스템을 설계, 구현 및 최적화하기 위해 Vision Builder AI를 사용하고자 하는 중급 전문가들을 대상으로 합니다.

이 트레이닝의 끝까지 참여하면 다음과 같은 능력을 갖추게 됩니다:

• Vision Builder AI를 사용하여 자동 검사를 설정 및 구성합니다.
• 분석을 위한 고화질 이미지를 획득하고 전처리합니다.
• 결함 감지와 프로세스 검증을 위한 논리 기반 결정을 구현합니다.
• 검사 보고서를 생성하고 시스템 성능을 최적화합니다.

이 지도 교육(온라인 또는 현장)은 중급에서 고급 개발자, 연구원, 데이터 과학자를 대상으로 YOLOv7을 사용하여 실시간 객체 감지를 구현하는 방법을 배우는 데 목표를 두고 있습니다.

이 교육이 끝나면 참가자는 다음과 같은 능력을 갖추게 됩니다:

• 객체 감지의 기본 개념을 이해합니다.
• YOLOv7를 객체 감지 작업에 설치하고 구성할 수 있습니다.
• YOLOv7를 사용하여 사용자 정의 객체 감지 모델을 훈련시키고 테스트할 수 있습니다.
• YOLOv7를 다른 컴퓨터 비전 프레임워크 및 도구와 통합할 수 있습니다.
• YOLOv7 구현과 관련된 일반적인 문제를 해결할 수 있습니다.

Caffe는 표현력, 속도, 모듈성을 고려하여 만든 딥러닝 프레임워크입니다.

이 과정에서는 이미지 인식을 위한 딥러닝 프레임워크로 Caffe를 적용하는 방법을 MNIST를 예로 들어 탐구합니다.

대상

이 과정은 Caffe를 프레임워크로 활용하고자 하는 딥러닝 연구자와 엔지니어에게 적합합니다.

이 과정을 완료한 후 참가자들은 다음을 할 수 있습니다:

• Caffe의 구조와 배포 메커니즘을 이해합니다
• 설치 / 프로덕션 환경 / 아키텍처 작업 및 구성 작업을 수행합니다
• 코드 품질을 평가하고 디버깅, 모니터링을 수행합니다
• 고급 프로덕션 작업, 예를 들어 모델 학습, 레이어 구현, 로깅을 구현합니다

Fiji는 ImageJ(과학적 다차원 이미지를 위한 이미지 처리 프로그램)와 여러 개의 과학적 이미지 분석 플러그인을 번들로 제공하는 오픈 소스 이미지 처리 패키지입니다.

이 트레이너 주도, 실시간 교육에서 참가자들은 Fiji 배포판과 그 기반이 되는 ImageJ 프로그램을 사용하여 이미지 분석 애플리케이션을 작성하는 방법을 배우게 됩니다.

이 교육이 끝나면 참가자들은 다음과 같은 능력을 갖추게 됩니다:

• Fiji의 고급 프로그래밍 기능과 소프트웨어 구성 요소를 사용하여 ImageJ를 확장할 수 있습니다.
• 중복 타일에서 큰 3D 이미지를 스티칭할 수 있습니다.
• 통합 업데이트 시스템을 사용하여 시작 시 Fiji 설치를 자동으로 업데이트할 수 있습니다.
• 다양한 스크립팅 언어 중에서 선택하여 맞춤형 이미지 분석 솔루션을 구축할 수 있습니다.
• 큰 바이오 이미지 데이터세트에 ImgLib와 같은 Fiji의 강력한 라이브러리를 사용할 수 있습니다.
• 애플리케이션을 배포하고 비슷한 프로젝트를 진행하는 다른 과학자들과 협업할 수 있습니다.

강의 형식

• 상호작용식 강의와 토론.
• 많은 연습과 실습.
• 실시간 랩 환경에서 직접 구현.

강의 커스터마이징 옵션

• 이 강의에 대한 맞춤형 트레이닝을 요청하려면 연락주시기 바랍니다.

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

청중

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

서울에서 진행되는 이 실시간 교육(온라인 또는 현장)은 딥 러닝을 위해 Python 및 OpenCV 4를 프로그래밍하려는 소프트웨어 엔지니어를 대상으로 합니다.

이 교육이 끝나면 참가자는 다음을 수행할 수 있습니다.

• OpenCV을 사용하여 이미지와 비디오를 보고 로드하고 분류합니다. 4.
• TensorFlow과 Keras을 사용하여 OpenCV 4의 딥 러닝을 구현합니다.
• 딥 러닝 모델을 실행하고 이미지와 비디오에서 영향력 있는 보고서를 생성하세요.

Pattern Matching는 이미지 내에서 지정된 패턴을 찾는 데 사용되는 기술입니다. 예를 들어, 공장 라인에서 결함이 있는 제품의 예상 라벨이나 구성 요소의 지정된 치수와 같이 캡처된 이미지 내에서 지정된 특성의 존재를 확인하는 데 사용할 수 있습니다. 이것은 더 큰 관련 샘플 컬렉션을 기반으로 일반적인 패턴을 인식하는 "Pattern Recognition"과 다릅니다. 즉, 우리가 찾고 있는 것이 무엇인지 구체적으로 지시한 다음 예상 패턴이 있는지 여부를 알려줍니다.

과정 형식

• 이 과정에서는 Machine Vision에 적용되는 패턴 매칭 분야에서 사용되는 접근 방식, 기술 및 알고리즘을 소개합니다.

컴퓨터 비전은 디지털 미디어에서 유용한 정보를 자동으로 추출, 분석하고 이해하는 분야입니다. 파이썬은 명확한 구문과 코드 가독성으로 유명한 고급 프로그래밍 언어입니다.

이 강사 주도형 실습 교육에서 참가자들은 파이썬을 사용하여 간단한 컴퓨터 비전 애플리케이션을 만들어가며 컴퓨터 비전의 기본 개념을 배웁니다.

이 교육을 마치면 참가자들은 다음을 할 수 있게 됩니다:

• 컴퓨터 비전의 기본 개념을 이해합니다
• 파이썬을 사용하여 컴퓨터 비전 작업을 구현합니다
• 자신의 얼굴, 객체, 동작 탐지 시스템을 만듭니다

대상 청중

• 컴퓨터 비전에 관심 있는 파이썬 프로그래머

강의 형식

• 강의, 토론, 연습 및 실습 위주

SimpleCV는 오픈 소스 프레임워크입니다. 즉, 비전 애플리케이션을 개발하는 데 사용할 수 있는 라이브러리와 소프트웨어의 모음입니다. 웹캠, Kinect, FireWire 및 IP 카메라 또는 휴대폰에서 나오는 이미지나 비디오 스트림으로 작업할 수 있습니다. 다양한 기술이 세상을 볼 뿐만 아니라 이해할 수 있도록 소프트웨어를 빌드하는 데 도움이 됩니다.

청중

이 과정은 SimpleCV를 사용하여 컴퓨터 비전 애플리케이션을 개발하려는 엔지니어와 개발자를 대상으로 합니다.

서울(온라인 또는 현장)에서 진행되는 이 강사 주도형 실시간 교육은 백엔드 개발자와 데이터 과학자를 대상으로, 기업 주도 프로그램에 사전 훈련된 YOLO 모델을 통합하고 비용 효율적인 객체 탐지 구성 요소를 구현하는 방법을 배우는 데 중점을 둡니다.

이 교육을 마치면 참가자들은 다음과 같은 능력을 갖추게 됩니다:

• YOLO를 활용한 객체 탐지에 필요한 도구와 라이브러리를 설치하고 구성할 수 있습니다.
• YOLO 사전 훈련된 모델을 기반으로 작동하는 Python 명령줄 애플리케이션을 사용자 정의할 수 있습니다.
• 다양한 컴퓨터 비전 프로젝트에 YOLO 사전 훈련된 모델 프레임워크를 구현할 수 있습니다.
• 객체 탐지를 위한 기존 데이터셋을 YOLO 형식으로 변환할 수 있습니다.
• 컴퓨터 비전과/또는 딥러닝을 위한 YOLO 알고리즘의 기본 개념을 이해할 수 있습니다.