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

El SDK CANN (Compute Architecture for Neural Networks) ofrece herramientas potentes de implementación y optimización para aplicaciones de IA en tiempo real en visión por computadora y PLN (Procesamiento de Lenguaje Natural), especialmente en hardware Huawei Ascend.

Esta formación en vivo con instructor (en línea o presencial) está dirigida a profesionales de IA de nivel intermedio que desean construir, implementar y optimizar modelos de visión y lenguaje utilizando el SDK CANN para casos de uso en producción.

Al finalizar esta formación, los participantes podrán:

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

Formato del curso

• Conferencia interactiva y demostración.
• Laboratorio práctico con implementación de modelos y perfilado de rendimiento.
• Diseño de pipelines en vivo utilizando casos de uso reales de CV y PLN.

Opciones de personalización del curso

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

Esta formación en vivo, impartida por un instructor, en Costa Rica (en línea o en las instalaciones) está dirigida a desarrolladores de IA de nivel intermedio e ingenieros de visión por computadora que desean construir sistemas de visión robustos para aplicaciones de conducción autónoma.

Al finalizar esta formación, 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 de visión con otros subsistemas del vehículo autónomo.
• Aplicar técnicas de aprendizaje profundo para tareas de percepción avanzadas.
• Evaluar el rendimiento de los modelos de visión por computadora en escenarios del mundo real.

Esta capacitación en vivo con instructor en Costa Rica (en línea o en las instalaciones) 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 capacitación, los participantes serán capaces de:

• Construir y entrenar redes neuronales convolucionales (CNN) utilizando TensorFlow.
• Aprovechar Google Colab para el desarrollo de modelos en la nube escalables y eficientes.
• Implementar técnicas de preprocesamiento de imágenes para tareas de visión por computadora.
• Desplegar 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 formación en vivo con instructor en Costa Rica (en línea o presencial) está dirigida a ingenieros de visión por computadora y desarrolladores de AI de nivel intermedio a avanzado, así como a profesionales del IoT que deseen implementar y optimizar modelos de visión por computadora para el procesamiento en tiempo real en dispositivos en el borde.

Al finalizar esta formación, los participantes podrán:

• Comprender los fundamentos del AI en el borde y sus aplicaciones en visión por computadora.
• Implementar modelos de aprendizaje profundo optimizados en dispositivos en el borde para el análisis de imágenes y video en tiempo real.
• Utilizar frameworks como TensorFlow Lite, OpenVINO y NVIDIA Jetson SDK para la implementación de modelos.
• Optimizar modelos de AI para obtener un mejor rendimiento, eficiencia energética e inferencia de baja latencia.

Esta formación en vivo impartida por un instructor en Costa Rica (en línea o presencial) está dirigida a personal de fuerzas del orden de nivel principiante que desea transitar del dibujo facial manual 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 y marcos de trabajo de IA para crear modelos de reconocimiento facial.
• Obtener experiencia práctica en la creación, entrenamiento y prueba de sistemas de reconocimiento facial.
• Comprender las consideraciones éticas y las mejores prácticas en el uso de la tecnología de reconocimiento facial.

Fiji es un potente paquete de procesamiento de imágenes de código abierto que agrupa ImageJ (un programa diseñado para imágenes multidimensionales científicas) junto con una amplia gama de complementos para el análisis de imágenes científicas.

En este entrenamiento en vivo con instrucción presencial, los participantes aprenderán cómo aprovechar la distribución de Fiji y su programa subyacente ImageJ para crear aplicaciones robustas de análisis de imágenes.

Al finalizar este entrenamiento, los participantes podrán:

• Utilizar las características avanzadas de programación y los componentes de software de Fiji para extender las capacidades de ImageJ
• Unir grandes imágenes 3D a partir de fragmentos superpuestos
• Automatizar la actualización de una instalación de Fiji al iniciarla mediante el sistema de actualización integrado
• Seleccionar entre una amplia gama de lenguajes de script para construir soluciones personalizadas de análisis de imágenes
• Utilizar las potentes bibliotecas de Fiji, como ImgLib, para procesar eficientemente grandes conjuntos de datos bioimagetéricos
• Desplegar aplicaciones y colaborar eficazmente con otros científicos en proyectos similares

Formato del curso

• Clase interactiva y discusión
• Ejercicios extensos y aplicación práctica
• Implementación práctica en un entorno de laboratorio en vivo

Opciones de personalización del curso

• Para solicitar un entrenamiento personalizado para este curso, contáctenos para coordinar.

Esta formación en vivo, impartida por un instructor en Costa Rica (en línea o presencial), está dirigida a investigadores y profesionales de laboratorio de nivel principiante a intermedio que deseen procesar y analizar imágenes relacionadas con tejidos histológicos, células sanguíneas, 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 obtener mejores resultados analíticos.
• Analizar imágenes de manera cuantitativa, incluyendo el conteo de células y la medición de áreas.
• Automatizar tareas repetitivas mediante el uso de macros y complementos (plugins).
• Personalizar flujos de trabajo según las necesidades específicas de análisis de imágenes en investigación biológica.

Esta formación en vivo, impartida por un instructor, en Costa Rica (en línea o presencial), está dirigida a ingenieros de software que deseen programar en Python con OpenCV 4 para aprendizaje profundo.

Al finalizar esta formación, los participantes podrán:

• Visualizar, cargar y clasificar imágenes y videos utilizando OpenCV 4.
• Implementar aprendizaje profundo en OpenCV 4 con TensorFlow y Keras.
• Ejecutar modelos de aprendizaje profundo y generar informes impactantes a partir de imágenes y videos.

La visión por computadora es un campo que implica la extracción, el análisis y la 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 este entrenamiento en vivo con instructor, los participantes aprenderán los fundamentos de la visión por computadora mientras desarrollan un conjunto de aplicaciones sencillas de visión por computadora utilizando Python.

Al finalizar este entrenamiento, los participantes podrán:

• Comprender los fundamentos de la visión por computadora
• Usar Python para implementar tareas de visión por computadora
• Construir sus propios sistemas de detección de caras, objetos y movimiento

Público objetivo

• Programadores de Python interesados en la visión por computadora

Formato del curso

• Parte teórico-práctica, discusión, ejercicios y práctica intensiva hands-on

SimpleCV es un marco de trabajo de código abierto, lo que significa que es una colección de bibliotecas y software que puedes utilizar para desarrollar aplicaciones de visión. Te permite trabajar con imágenes o flujos de video provenientes de cámaras web, Kinects, FireWire y cámaras IP, o teléfonos móviles. Te ayuda a construir software para que tus diversas tecnologías no solo vean el mundo, sino que también lo entiendan.

Público objetivo

Este curso está dirigido a ingenieros y desarrolladores que buscan crear aplicaciones de visión por computadora con SimpleCV.

Esta formación en vivo impartida por un instructor en Costa Rica (en línea o en las instalaciones) está dirigida a profesionales de nivel intermedio que deseen utilizar Vision Builder AI para diseñar, implementar y optimizar sistemas de inspección automatizada para procesos SMT (Tecnología de Montaje en Superficie).

Al finalizar esta formación, los participantes serán capaces de:

• 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.

Esta capacitación en vivo con instructor en <ubicación> (en línea o en las instalaciones) está dirigida a desarrolladores de backend y científicos de datos que deseen incorporar modelos YOLO preentrenados en sus programas impulsados por la empresa e implementar componentes rentables para la detección de objetos.

Al final de esta capacitación, los participantes podrán:

• Instalar y configurar las herramientas y bibliotecas necesarias requeridas en la detección de objetos usando YOLO.
• Personalizar aplicaciones de línea de comandos de Python que operan basadas en modelos preentrenados de YOLO.
• Implementar el marco de modelos YOLO preentrenados para varios proyectos de visión por computadora.
• Convertir conjuntos de datos existentes para la detección de objetos al formato YOLO.
• Comprender los conceptos fundamentales del algoritmo YOLO para la visión por computadora y/o aprendizaje profundo.