Szkolenie: Zastosowania uczenia głębokiego w zadaniach wizji komputerowej
Szkolenie z uczenia głębokiego w wizji komputerowej przygotowuje do pracy z nowoczesnymi modelami CNN i Transformer, obejmuje segmentację, detekcję, generowanie obrazów oraz analizę wideo, kładąc nacisk na praktyczne zastosowania i implementację w Pythonie z użyciem PyTorch
Zastosowania uczenia głębokiego w zadaniach wizji komputerowej
Cele szkolenia
Szkolenie przygotowuje do samodzielnego projektowania i wdrażania modeli głębokiego uczenia w zadaniach wizji komputerowej, takich jak klasyfikacja, segmentacja, detekcja i generowanie obrazów
Szkolenie uczy stosowania zaawansowanych architektur sieci neuronowych, w tym CNN, Transformer i RNN, w praktycznych zastosowaniach przemysłowych
Szkolenie rozwija umiejętność wykorzystania transfer learning i fine-tuningu do optymalizacji modeli wizji komputerowej w różnych środowiskach produkcyjnych
Szkolenie pokazuje, jak implementować, trenować i wdrażać modele wizji komputerowej z użyciem nowoczesnych frameworków, takich jak PyTorch
Dla kogo?
Szkolenie adresowane jest do programistów, analityków danych i data scientistów z podstawową wiedzą o uczeniu maszynowym
Przeznaczone dla osób posiadających doświadczenie w programowaniu w Pythonie oraz znajomość podstaw przetwarzania obrazów
Skierowane do specjalistów chcących rozwijać kompetencje w zakresie wdrażania modeli głębokiego uczenia w wizji komputerowej
Efekty kształcenia
Uczestnik projektuje i wdraża modele głębokiego uczenia do analizy obrazów i wideo
Uczestnik analizuje i porównuje architektury CNN, Transformer oraz RNN w kontekście wizji komputerowej
Uczestnik optymalizuje i dostraja modele z wykorzystaniem transfer learning i fine-tuningu
Uczestnik implementuje rozwiązania z użyciem PyTorch i narzędzi do przetwarzania obrazów
Uczestnik ocenia skuteczność modeli w zadaniach segmentacji, detekcji i generowania obrazów
Uczestnik wdraża modele wizji komputerowej w środowiskach produkcyjnych i chmurowych
Wymagania
Znajomość podstaw wizji komputerowej i głębokiego uczenia
Doświadczenie w programowaniu w Pythonie
Podstawowa umiejętność korzystania z frameworków do uczenia głębokiego, takich jak TensorFlow lub PyTorch
W cenie otrzymasz:
Materiały szkoleniowe
Certyfikat ukończenia szkolenia
W przypadku szkolenia w trybie stacjonarnym zapewnimy Ci również lunch oraz sprzęt niezbędny do nauki
Uczestnik szkolenia “Od API LLM do Agent-RAG – budowa systemów RAG”
Hubert Rosna-Woźniak
Wiele się nauczyłem, przypomniałem sobie podstawy, utrwaliłem to co wiedziałem i miałem przestrzeń żeby nauczyć się całkowicie nowych rzeczy. Marcin był zawsze pomocny, tłumaczył co i jak a w razie kłopotów przejmował ekran i naprawiał. Bardzo pozytywne odczucia po tym szkoleniu pozostaną i na pewno dużo wiedzy którą będę chciał wdrożyć w swoich projektach.
18.09.2026
Uczestnik szkolenia “Docker w praktyce”
Artur Kozłowski, Capgemini Polska Sp. z o.o.
Ogromna wiedza prowadzącego, oraz lekkość prowadzenia szkolenia.
18.09.2026
Uczestnik szkolenia “Docker w praktyce”
Robert Jańczuk, Capgemini Polska Sp. z o.o.
Dużo przydatnych informacji i pomoc ze strony prowadzącego.
18.09.2026
Uczestnik szkolenia “Python i generatywna AI w praktyce - podstawy”
Piotr Bernaśkiewicz, Aptiv Services Poland S.A.
Opowiedziano o zagadnieniach, które mnie interesowały.
18.09.2026
Uczestnik szkolenia “Python i generatywna AI w praktyce - podstawy”
Krzysztof Baran, Aptiv Services Poland S.A.
Było obszerne w temacie AI i narzędzi z nim związanych, chociaż czasem zbyt rozciągnięte (szczególnie w przypadku dni z zagadnieniami teoretycznymi)
18.09.2026
Uczestnik szkolenia “Inżynieria wymagań w AI”
Klaudia Jastrzębska
Dużo przykładów, ale może trochę za dużo zadań pod rząd dotyczących jednego zagadnienia. Przydatne i ciekawe prompty do wykorzystania później samodzielnie.
18.09.2026
Uczestnik szkolenia “Certyfikowany Architekt AWS”
Norbert Piwowarczyk
Na szkoleniu omawiany jest dość szczegółowo obszerny materiał.
Trwają zapisy na szkolenie
Dostępne w Bazie Usług Rozwojowych
online_payments
