Pelatihan online atau tatap muka, pelatihan langsung Computer Vision melalui diskusi interaktif dan praktek tangan pertama menunjukkan dasar-dasar dari Computer Vision saat peserta melewati pembuatan aplikasi Computer Vision sederhana.
Pelatihan Computer Vision tersedia sebagai "pelatihan online langsung" atau "pelatihan langsung tatap muka". Pelatihan online langsung (juga dikenal sebagai "pelatihan jarak jauh langsung") dilakukan melalui desktop jarak jauh interaktif, remote desktop. Pelatihan langsung tatap muka dapat dilakukan di lokasi klien atau di pusat pelatihan korporat NobleProg di Jakarta.
NobleProg -- Penyedia Pelatihan Lokal Anda
Pondok Indah Office Tower 3
17th Floor, Jl Sultan Iskandar Muda Kav. V-TA, Jakarta Selatan, Indonesia
Pondok Indah Office Tower 3 adalah gedung perkantoran yang terletak di Komplek Pondok Indah Office Tower, Jalan Sultan Iskandar Muda Kav. 5-TA, Jakarta Selatan. Gedung ini memiliki 21 lantai dengan total luas bangunan sekitar 38.000 meter persegi.
Pelatihan ini yang dipimpin instruktur, pelatihan online langsung atau pelatihan langsung tatap muka, ditujukan untuk insinyur penglihatan komputer tingkat menengah hingga mahir, pengembang AI, dan profesional IoT yang ingin mengimplementasikan dan mengoptimalkan model penglihatan komputer untuk pemrosesan waktu nyata di perangkat edge.
Di akhir pelatihan ini, peserta akan mampu:
Memahami dasar-dasar Edge AI dan aplikasi-nya dalam penglihatan komputer.
Mendeploy model pembelajaran mendalam yang teroptimasi di perangkat edge untuk analisis gambar dan video waktu nyata.
Menggunakan kerangka kerja seperti TensorFlow Lite, OpenVINO, dan NVIDIA Jetson SDK untuk penyebaran model.
Mengoptimalkan model AI untuk kinerja, efisiensi daya, dan inferensi rendah latensi.
Pelatihan ini dipandu instruktur secara langsung di Jakarta (online atau tatap muka) ditujukan untuk profesional tingkat lanjut yang ingin memperdalam pemahaman mereka tentang computer vision dan mengeksplorasi kemampuan TensorFlow untuk mengembangkan model visi canggih menggunakan Google Colab.
Pada akhir pelatihan ini, peserta akan dapat:
Membuat dan melatih convolutional neural networks (CNNs) menggunakan TensorFlow.
Memanfaatkan Google Colab untuk pengembangan model berbasis cloud yang skala besar dan efisien.
Mengimplementasikan teknik preprocessing gambar untuk tugas-tugas computer vision.
Menerapkan model visi komputer untuk aplikasi dunia nyata.
Menggunakan transfer learning untuk meningkatkan kinerja model CNN.
Memvisualisasikan dan menginterpretasikan hasil dari model klasifikasi gambar.
CANN SDK (Compute Architecture for Neural Networks) menyediakan alat pengimplementasian dan optimasi yang kuat untuk aplikasi AI real-time dalam komputer vision dan NLP, terutama pada perangkat keras Huawei Ascend.
Pelatihan langsung ini dipandu instruktur (online atau tatap muka) ditujukan bagi praktisi AI tingkat menengah yang ingin membangun, mengimplementasikan, dan mengoptimalkan model vision dan bahasa menggunakan CANN SDK untuk kasus penggunaan produksi.
Pada akhir pelatihan ini, peserta akan dapat:
Mengimplementasikan dan mengoptimalkan model CV dan NLP menggunakan CANN dan AscendCL.
Menggunakan alat-alat CANN untuk mengonversi model dan mengintegrasikannya ke dalam pipelines langsung.
Mengoptimalkan kinerja inferensi untuk tugas seperti deteksi, klasifikasi, dan analisis sentimen.
Membangun pipelines CV/NLP real-time untuk skenario implementasi di edge atau berbasis cloud.
Format Kursus
Kuliah interaktif dan demonstrasi.
Laboratorium praktis dengan pengimplementasian model dan penilaian kinerja.
Desain pipeline langsung menggunakan kasus penggunaan CV dan NLP yang nyata.
Pilihan Penyesuaian Kursus
Untuk meminta pelatihan khusus untuk kursus ini, silakan hubungi kami untuk menata.
Pelatihan ini yang dipimpin instruktur secara langsung (online atau tatap muka) ditujukan bagi pengembang AI dan insinyur penglihatan komputer tingkat menengah yang ingin membangun sistem penglihatan yang kuat untuk aplikasi kendaraan berjalan sendiri.
Di akhir pelatihan ini, peserta akan dapat:
Memahami konsep dasar penglihatan komputer di kendaraan berjalan sendiri.
Mengimplementasikan algoritma untuk deteksi objek, deteksi jalur, dan segmen semantik.
Mengintegrasikan sistem penglihatan dengan subsistem kendaraan berjalan sendiri lainnya.
Mengaplikasikan teknik pembelajaran mendalam untuk tugas pengenalan tingkat lanjut.
Menilai kinerja model penglihatan komputer di skenario dunia nyata.
Ini adalah pelatihan online langsung atau pelatihan langsung tatap muka yang dipimpin instruktur dan ditujukan untuk personel pengawasan hukum tingkat pemula yang ingin beralih dari menggambar wajah secara manual ke penggunaan alat AI untuk mengembangkan sistem pengenalan wajah.
Di akhir pelatihan ini, peserta akan mampu:
Memahami dasar-dasar Kecerdasan Buatan dan Belajar Mesin.
Belajar dasar pemrosesan gambar digital dan aplikasinya dalam pengenalan wajah.
Mengembangkan keterampilan dalam menggunakan alat dan kerangka kerja AI untuk membuat model pengenalan wajah.
Mendapatkan pengalaman tangan pertama dalam membuat, melatih, dan menguji sistem pengenalan wajah.
Memahami pertimbangan etis dan praktik terbaik dalam penggunaan teknologi pengenalan wajah.
Pelatihan ini dipandu oleh instruktur dan dilakukan secara langsung (online atau tatap muka) ditujukan kepada peneliti dan profesional laboratorium tingkat pemula hingga menengah yang ingin memproses dan menganalisis gambar terkait jaringan histologis, sel darah, alga, dan sampel biologis lainnya.
Pada akhir pelatihan ini, peserta akan dapat:
Menavigasi antarmuka Fiji dan memanfaatkan fungsi inti ImageJ.
Mempraproses dan meningkatkan gambar ilmiah untuk analisis yang lebih baik.
Menganalisis gambar secara kuantitatif, termasuk penghitungan sel dan pengukuran luasan.
Mengotomatisasi tugas berulang menggunakan makro dan plugin.
Menyesuaikan alur kerja untuk kebutuhan analisis gambar spesifik dalam penelitian biologis.
Pelatihan langsung yang dipimpin instruktur di Jakarta (daring atau tatap muka) ini ditujukan untuk profesional level menengah yang ingin menggunakan Vision Builder AI untuk merancang, mengimplementasikan, dan memperbaiki sistem inspeksi otomatis untuk proses SMT (Surface-Mount Technology).
Selesai pelatihan ini, peserta akan dapat:
Mengatur dan mengonfigurasi inspeksi otomatis menggunakan Vision Builder AI.
Mendapatkan dan mempraproses gambar berkualitas tinggi untuk analisis.
Melaksanakan keputusan berbasis logika untuk deteksi cacat dan validasi proses.
Menghasilkan laporan inspeksi dan memperbaiki kinerja sistem.
Pelatihan ini, yang dipimpin instruktur, diselenggarakan dalam bentuk Jakarta (pelatihan online langsung atau pelatihan langsung tatap muka) dan ditujukan untuk pengembang, peneliti, dan ilmuwan data tingkat menengah hingga lanjut yang ingin mempelajari bagaimana mengimplementasikan deteksi objek real-time menggunakan YOLOv7.
Setelah menyelesaikan pelatihan ini, peserta akan mampu:
Memahami konsep dasar deteksi objek.
Menginstal dan mengkonfigurasi YOLOv7 untuk tugas-tugas deteksi objek.
Melatih dan menguji model deteksi objek kustom menggunakan YOLOv7.
Mengintegrasikan YOLOv7 dengan kerangka kerja dan alat penglihatan komputer lainnya.
Memperbaiki masalah umum terkait dengan implementasi YOLOv7.
Fiji adalah paket pemrosesan gambar sumber terbuka yang menggabungkan ImageJ (program pemrosesan gambar untuk gambar multidimensi ilmiah) dan sejumlah plugin untuk analisis gambar ilmiah.
Dalam pelatihan ini, peserta didik akan belajar cara menggunakan distribusi Fiji dan program ImageJ di bawahnya untuk membuat aplikasi analisis gambar.
Pada akhir pelatihan ini, peserta akan mampu:
Menggunakan fitur pemrograman lanjutan dan komponen perangkat lunak Fiji untuk memperluas ImageJ
Menjahit gambar 3D besar dari ubin yang saling tumpang tindih
Memperbarui instalasi Fiji secara otomatis pada saat startup menggunakan sistem pembaruan terintegrasi
Memilih dari berbagai bahasa skrip untuk membangun solusi analisis gambar kustom
Menggunakan perpustakaan kuat Fiji, seperti ImgLib pada dataset bioimage besar
Menyebarkan aplikasi mereka dan bekerja sama dengan ilmuwan lain dalam proyek yang serupa
Format Kursus
Ceramah interaktif dan diskusi.
Banyak latihan dan praktik.
Implementasi tangan di lingkungan live-lab.
Opsi Penyesuaian Kursus
Untuk meminta pelatihan yang disesuaikan untuk kursus ini, silakan hubungi kami.
OpenCV (Open Source Computer Vision Library: http://opencv.org) adalah library berlisensi BSD open-source yang mencakup beberapa ratus algoritma visi komputer.
Hadirin
Kursus ini ditujukan untuk para insinyur dan arsitek yang ingin memanfaatkan OpenCV untuk proyek visi komputer
Pelatihan langsung yang dipimpin instruktur di Jakarta (online atau di lokasi) ditujukan untuk insinyur perangkat lunak yang ingin memprogram dalam Python dengan OpenCV 4 untuk pembelajaran mendalam.
Pada akhir pelatihan ini, peserta akan mampu:
Melihat, memuat, dan mengklasifikasikan gambar dan video menggunakan OpenCV 4.
Terapkan pembelajaran mendalam di OpenCV 4 dengan TensorFlow dan Keras.
Jalankan model pembelajaran mendalam dan hasilkan laporan yang berdampak dari gambar dan video.
Pattern Matching adalah teknik yang digunakan untuk menemukan pola tertentu dalam sebuah gambar. Teknik ini dapat digunakan untuk menentukan keberadaan karakteristik tertentu dalam gambar yang diambil, misalnya label yang diharapkan pada produk cacat di jalur produksi pabrik atau dimensi komponen tertentu. Teknik ini berbeda dari "Pattern Recognition" (yang mengenali pola umum berdasarkan kumpulan sampel terkait yang lebih besar) karena teknik ini secara spesifik mendiktekan apa yang kita cari, lalu memberi tahu kita apakah pola yang diharapkan itu ada atau tidak.
Format Kursus
Kursus ini memperkenalkan pendekatan, teknologi, dan algoritma yang digunakan dalam bidang pencocokan pola sebagaimana diterapkan pada Machine Vision.
Computer Vision adalah bidang yang melibatkan ekstraksi, analisis, dan pemahaman informasi berguna dari media digital secara otomatis. Python adalah bahasa pemrograman tingkat tinggi yang terkenal dengan sintaksnya yang jelas dan keterbacaan kode.
Dalam pelatihan langsung yang dipandu oleh instruktur ini, peserta akan mempelajari dasar-dasar Computer Vision saat mereka menelusuri pembuatan serangkaian aplikasi Computer Vision sederhana menggunakan Python.
Pada akhir pelatihan ini, peserta akan dapat:
Memahami dasar-dasar Computer Vision
Menggunakan Python untuk mengimplementasikan tugas Computer Vision
Membangun sistem deteksi wajah, objek, dan gerakan mereka sendiri
Target Peserta
Programmer Python yang tertarik dengan Computer Vision
Format Kursus
Sebagian kuliah, sebagian diskusi, latihan, dan praktik langsung yang intensif
SimpleCV adalah kerangka kerja sumber terbuka — artinya ini adalah kumpulan pustaka dan perangkat lunak yang dapat Anda gunakan untuk mengembangkan aplikasi visual. Kerangka kerja ini memungkinkan Anda bekerja dengan gambar atau aliran video yang berasal dari webcam, Kinect, FireWire dan kamera IP, atau ponsel. Kerangka kerja ini membantu Anda membangun perangkat lunak untuk membuat berbagai teknologi Anda tidak hanya melihat dunia, tetapi juga memahaminya.
Hadirin
Kursus ini ditujukan untuk para insinyur dan pengembang yang ingin mengembangkan aplikasi visi komputer dengan SimpleCV.
Pelatihan ini yang dipandu instruktur (pelatihan online langsung atau pelatihan langsung tatap muka) ditujukan untuk pengembang backend dan ilmuwan data yang ingin mengintegrasikan model pre-trained YOLO ke dalam program berbasis perusahaan mereka dan menerapkan komponen biaya-efektif untuk deteksi objek.
Setelah pelatihan ini, peserta akan dapat:
Menginstal dan mengonfigurasi alat dan perpustakaan yang diperlukan untuk deteksi objek menggunakan YOLO.
Mencustomisasi aplikasi baris-perintah Python yang beroperasi berdasarkan model pre-trained YOLO.
Implementasikan kerangka kerja model pre-trained YOLO untuk proyek-proyek visi komputer yang beragam.
Mengonversi dataset yang ada untuk deteksi objek ke format YOLO.
Memahami konsep dasar algoritma YOLO untuk visi komputer dan/atau pembelajaran mendalam (deep learning).
Baca selengkapnya...
Pembaruan Terakhir:
Testimoni (2)
Instruktur sangat berpengetahuan dan terbuka terhadap umpan balik tentang kecepatan penyampaian materi dan topik yang dibahas. Saya mendapatkan banyak manfaat dari pelatihan ini dan merasa sekarang telah memiliki pemahaman yang baik tentang manipulasi gambar dan beberapa teknik untuk membangun kumpulan data latihan yang baik untuk masalah klasifikasi gambar.
Pelatihan online Computer Vision di Jakarta, Kursus pelatihan Computer Vision di Jakarta, Pelatihan Computer Vision akhir pekan di Jakarta, Pelatihan Computer Vision di Jakarta, Computer Vision dipandu Instruktur di Jakarta, Kelas Computer Vision di Jakarta, Pelatihan Computer Vision tatap muka di Jakarta, Pelatihan Computer Vision akhir pekan di Jakarta, Instruktur Computer Vision di Jakarta, Pelatihan Computer Vision sore hari di Jakarta, Bootcamp Computer Vision di Jakarta, Pelatihan online Computer Vision di Jakarta, Computer Vision dipandu Instruktur di Jakarta, Kursus privat / pribadi Computer Vision di Jakarta, Pelatihan Computer Vision di Jakarta, Pelatihan pribadi Computer Vision di Jakarta
