Trwają zapisy do grupy

Wizja komputerowa w języku Python

Szkolenie „Wizja komputerowa w Pythonie” ma na celu przygotowanie uczestników do pracy nad rzeczywistymi projektami związanymi z przetwarzaniem obrazów i analizą danych wizualnych. Zaczniemy od podstawowych pojęć i metod, a następnie przejdziemy do bardziej zaawansowanych zadań wizji komputerowej takich jak segmentacja, rozpoznawanie obiektów oraz klasyfikacja obrazów. Wiedza i umiejętności zdobyte w trakcie kursu znajdują szerokie zastosowanie w wielu branżach, takich jak przemysł, medycyna, e-commerce czy bezpieczeństwo. Uczestnicy poznają podstawowe techniki wykorzystywane przez inżynierów wizji komputerowej oraz specjalistów ds. uczenia maszynowego, co pozwoli im na rozwój w dynamicznie rosnącej dziedzinie analizy obrazów.

3950 PLN+23% VAT (4858 PLN brutto / 1 os.)

Czas trwania szkolenia:5 dni (40h)

Poziom zaawansowania:

Kod kursu:PYTHON/CV

pythonanalysisvisualization

Dostępne terminy

  • Termin
  • Trener
  • Cena
  • Zapis
  • Lokalizacja

Termin:

21 października
Trwają zapisy na szkolenieOferta specjalna

Trener:

Trener Sages

Cena:

3950 PLN netto
Ikona podpowiedziDowiedz się więcej o cenach szkoleń - zapraszamy do kontaktu
+23% VAT

Lokalizacja:

Zdalne
Zdalne
Ikona podpowiedziZapytaj o inne lokalizacje - w tym celu skorzystaj z chatu

Termin:

16 grudnia
Trwają zapisy na szkolenieOferta specjalna

Trener:

Trener Sages

Cena:

3950 PLN netto
Ikona podpowiedziDowiedz się więcej o cenach szkoleń - zapraszamy do kontaktu
+23% VAT

Lokalizacja:

Zdalne
Zdalne
Ikona podpowiedziZapytaj o inne lokalizacje - w tym celu skorzystaj z chatu

Forma szkolenia

Interesuje Cię szkolenie stacjonarne?

Dostępne terminy

Interesują Cię inne terminy?

Wizja komputerowa w języku Python

Cele szkolenia

  • Zrozumienie podstaw oraz zastosowań wizji komputerowej i przetwarzania obrazów

  • Nabycie umiejętności pracy z obrazami w Pythonie z użyciem popularnych bibliotek

  • Poznanie podstawowych metod przetwarzania i manipulacji obrazami

  • Zapoznanie się z technikami segmentacji obrazów i wyznaczania ich cech w kontekście rzeczywistych problemów, takich jak rozpoznawanie obiektów czy wykrywanie anomalii

  • Implementacja modeli klasyfikacji obrazów przy użyciu tradycyjnych algorytmów uczenia maszynowego

  • Wprowadzenie do głębokiego uczenia i splotowych sieci neuronowych (CNN) w kontekście wizji komputerowej, które stanowią fundament zaawansowanych systemów analizy obrazów


Dla kogo?

  • Osób, które mają co najmniej podstawową wiedzę z obszaru uczenia maszynowego i mają doświadczenie w programowaniu w Python

  • Inżynierów i specjalistów z obszaru uczenia maszynowego oraz data science, którzy chcą rozwijać swoje kompetencje w zakresie analizy obrazów

  • Osób rozpoczynających swoją karierę w dziedzinie wizji komputerowej i analizy obrazów, którzy chcą zdobyć praktyczne umiejętności poszukiwane na rynku pracy


Zalety

  • Szkolenie stanowi kompletne wprowadzenie do wizji komputerowej – od podstaw po zaawansowane techniki

  • Zdobycie praktycznych umiejętności w zakresie przetwarzania obrazów przy użyciu popularnych narzędzi i bibliotek (OpenCV, scikit-image, Pillow), które są szeroko stosowane w firmach technologicznych

  • Nauka metod rozwiązywania zadań wizji komputerowej, takich jak segmentacja, detekcja i klasyfikacja obrazów

  • Szkolenie "Wizja komputerowa w języku Python" jest wprowadzeniem do głębokiego uczenia z użyciem splotowych sieci neuronowych (CNN), co pozwala na zrozumienie najnowszych technologii stosowanych w rozpoznawaniu obrazów, analizie wideo i budowie zaawansowanych algorytmów klasyfikacji w biznesie


Wymagania

  • Od uczestników wymagana jest umiejętność programowania w języku Python pozwalająca na pisanie nieskompliwanego kodu i praca z zewnętrznymi bibliotekami

  • Ogólna wiedza o klasycznych algorytmach i dobrych praktykach w uczeniu maszynowym

  • Podstawowa znajomość matematyki, w tym algebry i geometrii


W cenie otrzymasz:

  • Materiały szkoleniowe

  • Certyfikat ukończenia szkolenia

  • W przypadku szkolenia w trybie stacjonarnym zapewnimy Ci również lunch oraz sprzęt niezbędny do nauki

Program

Pobierz program w PDF

Wprowadzenie do wizji komputerowej i przetwarzania obrazów

  • Podstawowe definicje

  • Kluczowe zastosowania oraz zadania wizji komputerowej i przetwarzania obrazów

  • Podstawy obrazu cyfrowego: reprezentacja, cechy, próbkowanie i kwantyzacja, przestrzenie barw, transformacje i kompresja obrazów

  • Mierzenie jakości obrazów

Praca z obrazami w języku Python

  • Wprowadzenie do popularnych bibliotek: NumPy, OpenCV, Pillow, scikit-image, pyvips

  • Odczytywanie, zapisywanie, wyświetlanie i metadane obrazów

Przetwarzanie i manipulacja obrazami

  • Podstawowe operacje na obrazach: zmiana rozmiaru, przycinanie, obracanie, odbicie, skalowanie i przesuwanie obrazów

  • Ulepszanie obrazów: liniowe i nieliniowe operacje, histogram obrazu

  • Filtrowanie i wypełnianie obrazów

  • Metody częstotliwościowe w przetwarzaniu obrazów

Cechy obrazów

  • Wykrywanie krawędzi, linii i narożników

  • Geometryczne cechy obrazów

  • Ramka ograniczająca i otoczka wypukła

  • Statystyczne właściwości kształtu

  • Tekstura

  • Macierze współwystępowania

  • Zastosowania lokalnych cech

  • SIFT (Scale Invariant Feature Transform)

  • HOG (Histogram of Oriented Gradients)

  • BoF (Bag of Features)

Zadanie segmentacji w przetwarzaniu obrazów

  • Progowanie, progowanie adaptacyjne

  • Metody krawędziowe

  • Klasteryzacja, k-means

  • Segmentacja wododziałowa

  • Obrazy binarne i operacje morfologiczne: dylatacja, erozja, otwarcie, domknięcie, hit-or-miss

  • Skeletonizacja

Wykrywanie i rozpoznawanie obrazów

  • Dopasowywanie wzorców

  • Dopasowywanie cech z wykorzystaniem punktów kluczowych

  • Śledzenie ruchu obiektów

Klasyfikacja obrazów z wykorzystaniem tradycyjnych algorytmów uczenia maszynowego

  • Ekstrakcja cech dla uczenia maszynowego

  • Trenowanie wybranych klasyfikatorów

Wprowadzenie do uczenia głębokiego dla zadań wizji komputerowej

  • Różnice między klasycznym a głębokim uczeniem maszynowym w wizji komputerowej

  • Podstawy splotowych sieci neuronowych (CNN)

  • Popularne architektury CNN

  • Wykorzystanie wstępnie wytrenowanych modeli