使用 Python 進行電腦視覺培訓

此為在澳門（線上或線下）舉辦的由講師主導的培訓課程，目標學員為具備中等程度的AI開發人員及電腦視覺工程師，他們希望建構出適用於自動駕駛應用的高健壯性視覺系統。

完成本課程後，學員將能夠：

• 理解自動駕駛車輛中電腦視覺的基本概念。
• 實作物件偵測、車道檢測及語義分割等演算法。
• 將視覺系統整合至自動駕駛車輛的其他子系統。
• 運用深度學習技術處理進階感知任務。
• 評估電腦視覺模型於真實情境中的效能。

這門在 澳門（線上或線下）舉辦的由導師指導的培訓，旨在幫助高階專業人士深化對電腦視覺的理解，並探索使用 Google Colab 開發複雜視覺模型的 TensorFlow 能力。

完成本課程後，學員能夠：

• 使用 TensorFlow 構建和訓練卷積神經網絡 (CNN)。
• 利用 Google Colab 進行可擴展且高效的雲端模型開發。
• 實施圖像預處理技巧以用於電腦視覺任務。
• 將電腦視覺模型部署到實際應用場景中。
• 運用遷移學習提升 CNN 模型的表現。
• 視覺化並解讀圖像分類模型的結果。

本課程由導師主導，以澳門現場或線上直播形式進行（Live），旨在幫助初級水平的 Python 開發者和數據分析師提升使用 Pandas 和 NumPy 進行數據分析和操作的技能。

完成本課程後，學員將能夠：

• 搭建包含 Python、Pandas 和 NumPy 的開發環境。
• 使用 Pandas 和 NumPy 創建數據分析應用程序。
• 執行高級數據整理、排序和過濾操作。
• 進行聚合操作並分析時間序列數據。
• 使用 Matplotlib 和其他可視化工具庫對數據進行可視化。
• 調試並優化他們的數據分析代碼。

此課程由講員主導的實作培訓（線上或線下進行），主要針對中高級電腦視覺工程師、人工智慧開發者及物聯網專業人員，旨在協助他們在邊緣裝置上實現與最佳化即時影像處理的人工智慧模型。

參與學員在結束本課程後，將能夠：

• 了解邊緣人工智慧的基礎知識及其在電腦視覺中的應用。
• 部署最佳化的深度學習模型於邊緣裝置，以進行實時影像與視訊分析。
• 使用如 TensorFlow Lite、OpenVINO 及 NVIDIA Jetson SDK 等框架進行模型部署。
• 優化人工智慧模型的性能、功耗效率及低延遲推論能力。

本課程為由導師親自指導的培訓活動（提供澳門線上或線下選項），專為希望從手繪面部草圖轉向使用 AI 工具開發面部識別系統的初階執法人員設計。

學員完成訓練後，能夠：

• 了解人工智慧與機器學習的基本原理。
• 掌握數位影像處理及其在面部識別中的應用基礎。
• 運用 AI 工具與框架開發面部識別模型的技能。
• 透過實作，體驗創建、訓練及測試面部識別系統的過程。
• 了解使用面部識別技術時的倫理考量與最佳實踐。

這門由講者引導的即時培訓課程（線上或線下）旨在幫助希望使用 FARM（FastAPI、React 與 MongoDB）堆疊來構建動態、高效率和可扩展 Web 應用程式的開發人員。

完成本培訓後，學員將能夠：

• 搭建整合 FastAPI、React 與 MongoDB 的必要開發環境。
• 理解 FARM 堆疊的關鍵概念、特點及優勢。
• 學習如何使用 FastAPI 構建 REST API。
• 學習如何設計互動式應用程式，使用 React。
• 開發、測試並部署（前端和後端）應用程序，利用 FARM 堆疊。

本培訓提供線上或線下（Live）實時授課，旨在幫助開發人員利用 FastAPI 與 Python 更輕鬆、快速地構建、測試和部署 RESTful API。

完成本培訓後，參與者將能夠：

• 搭建必要的開發環境，使用 Python 和 FastAPI 開發 API。
• 利用 FastAPI 庫更快速、輕鬆地創建 API。
• 學習如何基於 Pydantic 和 OpenAPI 創建數據模型和架構。
• 使用 SQLAlchemy 將 API 連接到數據庫。
• 利用 FastAPI 工具在 API 中實現安全和認證。
• 構建容器映像，並將 Web API 部署到雲端服務器。

本實操培訓涵蓋 澳門，介紹用於生物研究的 Fiji 和 ImageJ 基礎知識。學員將獲得形象預處理、定量分析和宏自動化的實戰技能，從而簡化針對組織學組織、細胞及其他樣本的工作流程，確保結果的可重複性。

此由講師主導的 澳門（線上或下線）培訓，面向希望使用 Vision Builder AI 設計、實施及優化 SMT（表面貼裝技術）工藝自動檢測系統的初級專業人士。

完成本培訓後，參與者將能夠：

• 設置和配置使用 Vision Builder AI 的自動檢測。
• 獲取高質量圖像並進行預處理以供分析。
• 實施基於邏輯的缺陷探測和工藝驗證決策。
• 生成檢測報告並優化系統性能。

這門由講師主講的 澳門 現場培訓（線上或線下）旨在幫助具備中高級水平的開發人員、研究人員及數據科學家學習如何使用 YOLOv7 實現即時物件檢測。

完成此培訓後，學員將能夠：

• 理解物件檢測的基本概念。
• 安裝並配置 YOLOv7 以執行物件檢測任務。
• 使用 YOLOv7 訓練和測試自定義的物件檢測模型。
• 將 YOLOv7 與其他電腦視覺框架及工具整合。
• 排除與 YOLOv7 實施相關的常見問題。