YOLOv7: Detección de objetos en tiempo real con visión por computadora

El SDK CANN (Compute Architecture for Neural Networks) proporciona herramientas potentes para el despliegue y la optimización de aplicaciones de inteligencia artificial en tiempo real, especialmente en hardware Huawei Ascend.

Esta formación presencial en vivo (en línea o in situ) está dirigida a profesionales intermedios de inteligencia artificial que desean construir, desplegar y optimizar modelos de visión y lenguaje utilizando el SDK CANN para casos de uso en producción.

Al final de esta formación, los participantes podrán:

• Desplegar y optimizar modelos de VC y PLN utilizando CANN y AscendCL.
• Utilizar las herramientas CANN para convertir modelos e integrarlos en flujos de trabajo en vivo.
• Optimizar el rendimiento de la inferencia para tareas como detección, clasificación y análisis de sentimiento.
• Construir flujos de trabajo de VC / PLN en tiempo real para escenarios de despliegue en edge o en la nube.

Formato del curso

• Conferencia interactiva y demostración.
• Laboratorio práctico con despliegue de modelos y perfilado de rendimiento.
• Diseño de flujos de trabajo en vivo utilizando casos de uso reales de VC y PLN.

Opciones de personalización del curso

• Para solicitar una formación personalizada para este curso, por favor contáctenos para organizarla.

Esta capacitación presencial impartida por un instructor en Guatemala (en línea o in situ) está dirigida a desarrolladores de IA de nivel intermedio e ingenieros de visión por computadora que desean construir sistemas visuales robustos para aplicaciones de conducción autónoma.

Al finalizar esta capacitación, los participantes serán capaces de:

• Comprender los conceptos fundamentales de la visión por computadora en vehículos autónomos.
• Implementar algoritmos para la detección de objetos, detección de carriles y segmentación semántica.
• Integrar sistemas visuales con otros subsistemas del vehículo autónomo.
• Aplicar técnicas de aprendizaje profundo para tareas avanzadas de percepción.
• Evaluar el rendimiento de los modelos de visión por computadora en escenarios del mundo real.

Esta formación en vivo impartida por un instructor en Guatemala (en línea o presencial) está dirigida a profesionales de nivel avanzado que desean profundizar su comprensión de la visión por computadora y explorar las capacidades de TensorFlow para desarrollar sofisticados modelos de visión utilizando Google Colab.

Al finalizar esta formación, los participantes podrán:

• Construir y entrenar redes neuronales convolucionales (CNN) utilizando TensorFlow.
• Aprovechar Google Colab para el desarrollo de modelos en la nube escalable y eficiente.
• Implementar técnicas de preprocesamiento de imágenes para tareas de visión por computadora.
• Implementar modelos de visión por computadora para aplicaciones del mundo real.
• Utilizar el aprendizaje por transferencia para mejorar el rendimiento de los modelos CNN.
• Visualizar e interpretar los resultados de los modelos de clasificación de imágenes.

Esta capacitación en vivo con instructor en Guatemala (en línea o presencial) está dirigida a ingenieros de visión por computadora, desarrolladores de IA y profesionales de IoT de nivel intermedio a avanzado que deseen implementar y optimizar modelos de visión por computadora para el procesamiento en tiempo real en dispositivos periféricos.

Al finalizar esta capacitación, los participantes serán capaces de:

• Comprender los fundamentos de la Edge AI y sus aplicaciones en visión por computadora.
• Desplegar modelos de aprendizaje profundo optimizados en dispositivos periféricos para el análisis de imágenes y video en tiempo real.
• Utilizar marcos de trabajo como TensorFlow Lite, OpenVINO y NVIDIA Jetson SDK para el despliegue de modelos.
• Optimizar los modelos de IA para obtener un mejor rendimiento, eficiencia energética e inferencia de baja latencia.

Este curso práctico impartido por un instructor en Guatemala (en línea o presencial) está dirigido al personal de fuerzas del orden con conocimientos básicos que deseen pasar del dibujo manual de perfiles faciales al uso de herramientas de IA para desarrollar sistemas de reconocimiento facial.

Al finalizar esta formación, los participantes podrán:

• Comprender los fundamentos de la Inteligencia Artificial y el Aprendizaje Automático.
• Aprender los conceptos básicos del procesamiento digital de imágenes y su aplicación en el reconocimiento facial.
• Desarrollar habilidades para utilizar herramientas e infraestructuras de IA con el fin de crear modelos de reconocimiento facial.
• Adquirir experiencia práctica en la creación, capacitación y prueba de sistemas de reconocimiento facial.
• Comprender las consideraciones éticas y las mejores prácticas en el uso de la tecnología de reconocimiento facial.

Esta formación en vivo, impartida por instructores en Guatemala (en línea o presencial), está dirigida a investigadores y profesionales de laboratorio con nivel principiante a intermedio que deseen procesar y analizar imágenes relacionadas con tejidos histológicos, glóbulos rojos, algas y otras muestras biológicas.

Al finalizar esta formación, los participantes podrán:

• Navegar por la interfaz de Fiji y utilizar las funciones principales de ImageJ.
• Preprocesar y mejorar imágenes científicas para un análisis más preciso.
• Analizar imágenes cuantitativamente, incluida la contabilización de células y la medición de áreas.
• Automatizar tareas repetitivas utilizando macros y complementos (plugins).
• Personalizar flujos de trabajo para necesidades específicas de análisis de imágenes en la investigación biológica.

La visión por computadora es un campo que implica la extracción, análisis y comprensión automática de información útil a partir de medios digitales. Python es un lenguaje de programación de alto nivel famoso por su sintaxis clara y la legibilidad del código.

En esta capacitación en vivo con instructor, los participantes aprenderán los fundamentos de la visión por computadora mientras desarrollan un conjunto de aplicaciones básicas de visión por computadora utilizando Python.

Al finalizar esta capacitación, los participantes podrán:

• Comprender los fundamentos de la visión por computadora
• Utilizar Python para implementar tareas de visión por computadora
• Crear sus propios sistemas de detección facial, de objetos y de movimiento

Público objetivo

• Programadores en Python interesados en la visión por computadora

Formato del curso

• Combinación de conferencias, discusiones, ejercicios y práctica intensiva

Esta capacitación en vivo impartida por un instructor en Guatemala (en línea o presencial) está dirigida a profesionales de nivel intermedio que deseen utilizar Vision Builder AI para diseñar, implementar y optimizar sistemas de inspección automatizada para procesos de tecnología de montaje superficial (SMT).

Al finalizar esta capacitación, los participantes podrán:

• Configurar e implementar inspecciones automatizadas utilizando Vision Builder AI.
• Adquirir y preprocesar imágenes de alta calidad para su análisis.
• Implementar decisiones basadas en lógica para la detección de defectos y la validación del proceso.
• Generar informes de inspección y optimizar el rendimiento del sistema.