Los cursos de capacitación de Computer Vision en vivo, en línea o en el sitio, dirigidos por un instructor, demuestran a través de debates interactivos y prácticas prácticas los conceptos básicos de Computer Vision a medida que los participantes avanzan en la creación de aplicaciones simples de Computer Vision. El entrenamiento de visión por computadora está disponible como "entrenamiento en vivo en el sitio" o "entrenamiento remoto en vivo". El entrenamiento en vivo en línea (también conocido como "entrenamiento remoto en vivo") se lleva a cabo a través de un escritorio remoto interactivo. El entrenamiento en vivo en el sitio se puede llevar a cabo localmente en las instalaciones del cliente en Lima o en los centros de entrenamiento corporativos de NobleProg en Lima. NobleProg: su proveedor local de capacitación
Lima - Edificio Tempus San Isidro
Av. Santo Toribio 115, Lima, peru, 27
Edificio Tempus es un edificio clase A completamente nuevo, situado estratégicamente en la esquina de la Av. Víctor Belaunde y Av. San Toribio, en el corazón de San Isidro. Contamos con gran capacidad de estacionamientos. Este centro se encuentra a unos 300 metros de distancia de nuestro centro de negocios ubicado en el Centro Empresarial Real Seis.
Lima - Miguel Grau
Av. Almte. Miguel Grau 709 Lima , Lima, Perú, 15063
Amplía los horizontes de tu negocio con un espacio de trabajo en Barranco, uno de los 43 distritos de Lima, que cuenta con una excelente conectividad a sus alrededores. Disfruta de un desplazamiento sin esfuerzo hacia tu oficina a través de las paradas de autobús Avenida Almirante Miguel Grau S/N y Bulevar - Embarque Sur 2.
Esta formación en vivo, dirigida por un instructor, en Lima (en línea o presencial) está destinada a ingenieros de visión por computadora de nivel intermedio a avanzado, desarrolladores de IA y profesionales de IoT que deseen implementar y optimizar modelos de visión por computadora para el procesamiento en tiempo real en dispositivos perimetrales.
Al final de esta capacitación, los participantes podrán:
Entender los fundamentos de Edge AI y sus aplicaciones en visión por computadora.
Desplegar modelos de aprendizaje profundo optimizados en dispositivos perimetrales para el análisis de imágenes y videos en tiempo real.
Usar frameworks como TensorFlow Lite, OpenVINO y NVIDIA Jetson SDK para el despliegue de modelos.
Optimizar modelos de IA para rendimiento, eficiencia energética y inferencia de baja latencia.
Esta capacitación en vivo dirigida por un instructor en Lima (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 modelos de visión sofisticados utilizando Google Colab.
Al final de esta formación, los participantes serán capaces de:
Construya y entrene redes neuronales convolucionales (CNN) utilizando TensorFlow.
Aproveche Google Colab para el desarrollo de modelos escalables y eficientes basados en la nube.
Implementar técnicas de preprocesamiento de imágenes para tareas de visión artificial.
Implemente modelos de visión artificial para aplicaciones del mundo real.
Utilice el aprendizaje por transferencia para mejorar el rendimiento de los modelos de CNN.
Visualizar e interpretar los resultados de los modelos de clasificación de imágenes.
Esta capacitación en vivo, dirigida por un instructor, en Lima (en línea o presencial), está dirigida a desarrolladores de IA de nivel intermedio e ingenieros de visión artificial que desean construir sistemas de visión robustos para aplicaciones de conducción autónoma.Al finalizar esta capacitación, los participantes podrán:
Comprender los conceptos fundamentales de la visión artificial en vehículos autónomos.
Implementar algoritmos para la detección de objetos, la detección de carriles y la segmentación semántica.
Integrar sistemas de visión con otros subsistemas de vehículos autónomos.
Aplicar técnicas de aprendizaje profundo para tareas avanzadas de percepción.
Evaluar el rendimiento de los modelos de visión artificial en escenarios del mundo real.
Esta capacitación en vivo dirigida por un instructor en Lima (en línea o presencial) está dirigida a personal policial de nivel principiante que desea pasar del dibujo facial manual al uso de herramientas de IA para desarrollar sistemas de reconocimiento facial.
Al final de esta formación, los participantes serán capaces de:
Comprender los fundamentos de la Inteligencia Artificial y Machine Learning.
Aprenda los conceptos básicos del procesamiento digital de imágenes y su aplicación en el reconocimiento facial.
Desarrollar habilidades en el uso de herramientas y marcos de IA para crear modelos de reconocimiento facial.
Adquiera 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 capacitación en línea dirigida por un instructor en Lima (en línea o en el sitio) está dirigida a investigadores y profesionales de laboratorio de nivel principiante a intermedio que desean procesar y analizar imágenes relacionadas con tejidos histológicos, células sanguíneas, algas y otras muestras biológicas.
Al final de esta capacitación, los participantes podrán:
Navegar por la interfaz de Fiji y utilizar las funciones principales de ImageJ.
Preprocesar y mejorar imágenes científicas para un mejor análisis.
Analizar imágenes de manera quantitativa, incluida la contagem de células y la medición de áreas.
Automatizar tareas repetitivas usando macros y complementos.
Personalizar flujos de trabajo para necesidades específicas de análisis de imágenes en investigación biológica.
Esta formación en vivo dirigida por un instructor en Lima (en línea o presencial) está destinada a profesionales de nivel intermedio que desean utilizar Vision Builder AI para diseñar, implementar y optimizar sistemas de inspección automatizados para procesos SMT (Surface-Mount Technology).Al final de esta formación, los participantes podrán:
Configurar e instalar 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 validación del proceso.
Generar informes de inspección y optimizar el rendimiento del sistema.
Esta capacitación en vivo dirigida por un instructor en Lima (en línea o presencial) está dirigida a desarrolladores, investigadores y científicos de datos de nivel intermedio a avanzado que deseen aprender a implementar la detección de objetos en tiempo real utilizando YOLOv7.
Al final de esta formación, los participantes serán capaces de:
Comprender los conceptos fundamentales de la detección de objetos.
Instale y configure YOLOv7 para tareas de detección de objetos.
Entrene y pruebe modelos de detección de objetos personalizados con YOLOv7.
Integre YOLOv7 con otros marcos y herramientas de visión artificial.
Solucionar problemas comunes relacionados con la implementación de YOLOv7.
Caffe es un marco de aprendizaje profundo creado teniendo en cuenta la expresión, la velocidad y la modularidad. Este curso explora la aplicación de Caffe como un marco de aprendizaje profundo para el reconocimiento de imágenes utilizando MNIST como ejemplo Audiencia Este curso es adecuado para investigadores e ingenieros de Deep Learning interesados en utilizar Caffe como marco. Después de completar este curso, los delegados podrán:
Entender la estructura de Caffe y los mecanismos de despliegue.
realizar tareas de instalación / entorno de producción / arquitectura y configuración.
evaluar la calidad del código, realizar depuración, monitoreo
Implementar producción avanzada como modelos de entrenamiento, implementación de capas y registro.
Fiji es un paquete de procesamiento de imágenes de código abierto que agrupa ImageJ (un programa de procesamiento de imágenes para imágenes multidimensionales científicas) y una serie de complementos para el análisis de imágenes científicas.En esta capacitación en vivo dirigida por un instructor, los participantes aprenderán cómo usar la distribución Fiji y su programa ImageJ subyacente para crear una aplicación de análisis de imágenes.Al final de esta formación, los participantes serán capaces de:
Utilice las funciones de programación avanzadas y los componentes de software de Fiji para ampliar ImageJ
Unir imágenes 3D de gran tamaño a partir de mosaicos superpuestos
Actualización automática de una instalación de Fiji al iniciarse mediante el sistema de actualización integrado
Seleccione entre una amplia selección de lenguajes de scripting para crear soluciones de análisis de imágenes personalizadas
Utilice las potentes bibliotecas de Fiji, como ImgLib, en grandes conjuntos de datos de bioimágenes
Implemente su aplicación y colabore con otros científicos en proyectos similares
Formato del curso
Charla y discusión interactiva.
Muchos ejercicios y práctica.
Implementación práctica en un entorno de laboratorio en vivo.
Opciones de personalización del curso
Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertarlo.
OpenCV (Open Source Computer Vision Library: http://opencv.org) es una biblioteca de licencia BSD de código abierto que incluye varios centenares de algoritmos de visión por ordenador.AudienciaEste curso está dirigido a ingenieros y arquitectos que buscan utilizar OpenCV para proyectos de visión por computadora
Esta capacitación en vivo dirigida por un instructor en Lima (en línea o presencial) está dirigida a ingenieros de software que desean programar en Python con OpenCV 4 para el aprendizaje profundo.
Al final de esta formación, los participantes serán capaces de:
Vea, cargue y clasifique imágenes y vídeos con OpenCV 4.
Implemente el aprendizaje profundo en OpenCV, 4 con TensorFlow y Keras.
Ejecute modelos de aprendizaje profundo y genere informes impactantes a partir de imágenes y vídeos.
OpenFace es Python y Torch un software de reconocimiento facial en tiempo real de código abierto basado en la investigación de FaceNet de Google.En esta capacitación en vivo dirigida por un instructor, los participantes aprenderán a usar los componentes de OpenFace para crear e implementar una aplicación de reconocimiento facial de muestra.Al final de esta formación, los participantes serán capaces de:
Trabaje con los componentes de OpenFace, incluidos dlib, OpenVC Torch y nn4 para implementar la detección, alineación y transformación de rostros
Aplique OpenFace a aplicaciones del mundo real como vigilancia, verificación de identidad, realidad virtual, juegos e identificación de clientes habituales, etcétera.
Audiencia
Desarrolladores
Científicos de datos
Formato del curso
En parte conferencia, en parte discusión, ejercicios y práctica práctica pesada
Pattern Matching es una técnica utilizada para localizar patrones específicos dentro de una imagen. Se puede utilizar para determinar la existencia de características especificadas dentro de una imagen capturada, por ejemplo, la etiqueta esperada en un producto defectuoso en una línea de fábrica o las dimensiones especificadas de un componente. Es diferente de "Pattern Recognition" (que reconoce patrones generales basados en colecciones más grandes de muestras relacionadas) en que dicta específicamente lo que estamos buscando, y luego nos dice si el patrón esperado existe o no.Formato del curso
Este curso presenta los enfoques, tecnologías y algoritmos utilizados en el campo de la coincidencia de patrones en su aplicación a Machine Vision.
Computer Vision 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 de su código.En este entrenamiento en vivo dirigido por un instructor, los participantes aprenderán los conceptos básicos de Computer Vision mientras avanzan en la creación de una serie de aplicaciones simples de Computer Vision utilizando Python.Al finalizar este entrenamiento, los participantes podrán:
Comprender los conceptos básicos de Computer Vision
Utilizar Python para implementar tareas de Computer Vision
Construir sus propios sistemas de detección de rostros, objetos y movimiento
Audiencia
Programadores de Python interesados en Computer Vision
Formato del curso
Parte teórica, parte discusión, ejercicios y práctica intensiva
Esta capacitación en vivo dirigida por un instructor presenta el software, el hardware y el proceso paso a paso necesarios para crear un sistema de reconocimiento facial desde cero. El reconocimiento facial también se conoce como Face Recognition.El hardware utilizado en este laboratorio incluye Rasberry Pi, un módulo de cámara, servos (opcionales), etcétera. Los participantes son responsables de comprar estos componentes ellos mismos. El software utilizado incluye OpenCV, Linux, Python, etcétera.Al final de esta formación, los participantes serán capaces de:
Instale Linux, OpenCV y otras utilidades y bibliotecas de software en una Rasberry Pi.
Configure OpenCV para capturar y detectar imágenes faciales.
Comprenda las diversas opciones para empaquetar un sistema Rasberry Pi para su uso en entornos del mundo real.
Adapte el sistema para una variedad de casos de uso, incluida la vigilancia, la verificación de identidad, etcétera.
Formato del curso
En parte conferencia, en parte discusión, ejercicios y práctica práctica pesada
Nota
Otras opciones de hardware y software incluyen: Arduino, OpenFace, Windows, etcétera. Si desea utilizar alguno de ellos, póngase en contacto con nosotros para concertarlo.
Scilab es un lenguaje de alto nivel bien desarrollado, gratuito y de código abierto para la manipulación de datos científicos. Utilizado para estadísticas, gráficos y animación, simulación, procesamiento de señales, física, optimización y más, su estructura de datos central es la matriz, lo que simplifica muchos tipos de problemas en comparación con alternativas como FORTRAN y derivados de C. Es compatible con lenguajes como C, Java y Python, por lo que es adecuado para su uso como complemento de los sistemas existentes.En esta capacitación dirigida por un instructor, los participantes aprenderán las ventajas de Scilab en comparación con alternativas como Matlab, los conceptos básicos de la sintaxis Scilab, así como algunas funciones avanzadas, y la interfaz con otros lenguajes ampliamente utilizados, según la demanda. El curso concluirá con un breve proyecto centrado en el procesamiento de imágenes.Al final de esta formación, los participantes tendrán una comprensión de las funciones básicas y algunas funciones avanzadas de Scilab, y tendrán los recursos para seguir ampliando sus conocimientos.Audiencia
Científicos e ingenieros de datos, especialmente con interés en el procesamiento de imágenes y el reconocimiento facial
Formato del curso
Parte conferencia, parte discusión, ejercicios y práctica intensiva, con un proyecto final
SimpleCV es un marco de código abierto, lo que significa que es una colección de bibliotecas y software que puede usar para desarrollar aplicaciones de visión. Le permite trabajar con las imágenes o secuencias de vídeo que provienen de cámaras web, Kinects, FireWire y cámaras IP, o teléfonos móviles. Le ayuda a crear software para que sus diversas tecnologías no solo vean el mundo, sino que también lo entiendan.AudienciaEste curso está dirigido a ingenieros y desarrolladores que buscan desarrollar aplicaciones de visión artificial con SimpleCV.
Esta capacitación en vivo dirigida por un instructor en Lima (en línea o en el sitio) está dirigida a desarrolladores de back-end y científicos de datos que deseen incorporar modelos YOLO previamente entrenados en sus programas impulsados por la empresa e implementar componentes rentables para la detección de objetos.
Al final de esta capacitación, los participantes serán capaces de:
Instale y configure las herramientas y bibliotecas necesarias para la detección de objetos mediante YOLO.
Personalice Python las aplicaciones de línea de comandos que funcionan en función de modelos previamente entrenados de YOLO.
Implementar el marco de los modelos YOLO preentrenados para varios proyectos de visión artificial.
Convierta los conjuntos de datos existentes para la detección de objetos en formato YOLO.
Comprender los conceptos fundamentales del algoritmo YOLO para visión por computador y/o aprendizaje profundo.
Leer más...
Última Actualización:
Testimonios (2)
El entrenador era muy conocedor y abierto a recibir retroalimentación sobre el ritmo al que avanzar con el contenido y los temas que cubrimos. Aprendí mucho del entrenamiento y me siento como si ahora tuviera un buen dominio de la manipulación de imágenes y algunas técnicas para crear un conjunto de entrenamiento sólido para un problema de clasificación de imágenes.
Cursos de Fin de Semana de Visión artificial en Lima, Capacitación por la Tarde de Visión artificial en Lima, Visión artificial con instructor en Lima, Visión artificial en sitio en Lima, Capacitación de Fin de Semana de Visión artificial en Lima, Visión artificial boot camp en Lima, Cursos por la Tarde de Visión artificial en Lima, Visión artificial coaching en Lima, Clases Particulares de Visión artificial en Lima, Cursos Privados de Visión artificial en Lima, Instructor de Visión artificial en Lima, Clases de Visión artificial en Lima, Cursos de Formación de Visión artificial en Lima, Capacitador de Visión artificial en LimaCursos de Fin de Semana de Computer Vision en Lima, Capacitación por la Tarde de Computer Vision en Lima, Computer Vision con instructor en Lima, Clases Particulares de Computer Vision en Lima, Cursos de Formación de Computer Vision en Lima, Capacitación de Fin de Semana de Computer Vision en Lima, Cursos Privados de Computer Vision en Lima, Cursos por la Tarde de Computer Vision en Lima, Computer Vision boot camp en Lima, Clases de Computer Vision en Lima, Capacitador de Computer Vision en Lima, Instructor de Computer Vision en Lima, Computer Vision en sitio en Lima, Computer Vision coaching en Lima
