使用Python進行計算機視覺培訓

Caffe是一個注重表達、速度和模塊化的深度學習框架。

本課程以MNIST爲例，探討Caffe作爲深度學習框架在圖像識別中的應用。

受衆

本課程適合對使用Caffe作爲框架感興趣的深度學習研究人員和工程師。

完成本課程後，學員將能夠：

• 理解Caffe的結構和部署機制
• 執行安裝、生產環境、架構任務和配置
• 評估代碼質量，進行調試和監控
• 實現高級生產任務，如訓練模型、實現層和日誌記錄

本課程爲講師指導的培訓（線上或線下），面向希望使用Dask與Python生態系統構建、擴展和分析大型數據集的數據科學家和軟件工程師。

在培訓結束時，參與者將能夠：

• 設置環境，開始使用Dask和Python進行大數據處理。
• 探索Dask中可用的功能、庫、工具和API。
• 瞭解Dask如何加速Python中的並行計算。
• 學習如何使用Dask擴展Python生態系統（Numpy、SciPy和Pandas）。
• 優化Dask環境，以保持處理大型數據集時的高性能。

本課程爲講師指導的培訓，在澳門（線上或線下）進行，面向希望提升使用Pandas和NumPy進行數據分析和操作技能的中級Python開發者和數據分析師。

通過本培訓，參與者將能夠：

• 設置包含Python、Pandas和NumPy的開發環境。
• 使用Pandas和NumPy創建數據分析應用。
• 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和其他可視化庫進行數據可視化。
• 調試和優化數據分析代碼。

本次由講師主導的澳門培訓（線上或線下）面向希望從手動面部素描過渡到使用AI工具開發面部識別系統的初級執法人員。

培訓結束後，參與者將能夠：

• 瞭解人工智能和機器學習的基礎知識。
• 學習數字圖像處理的基礎知識及其在面部識別中的應用。
• 掌握使用AI工具和框架創建面部識別模型的技能。
• 獲得創建、訓練和測試面部識別系統的實踐經驗。
• 瞭解面部識別技術使用中的倫理考量和最佳實踐。

本課程由講師主導，提供線下或線上培訓，旨在幫助開發者使用 FARM (FastAPI, React, 和 MongoDB) 技術棧構建動態、高性能且可擴展的 Web 應用。

通過本課程，學員將能夠：

• 搭建集成了 FastAPI、React 和 MongoDB 的開發環境。
• 理解 FARM 技術棧的關鍵概念、特點和優勢。
• 學習如何使用 FastAPI 構建 REST API。
• 學習如何使用 React 設計交互式應用。
• 使用 FARM 技術棧開發、測試和部署應用（前端和後端）。

本課程爲講師指導的培訓，在澳門（線上或線下）進行，面向希望使用FastAPI與Python更快速、更輕鬆地構建、測試和部署RESTful API的開發者。

通過本課程，學員將能夠：

• 設置必要的開發環境，以使用Python和FastAPI開發API。
• 使用FastAPI庫更快速、更輕鬆地創建API。
• 學習如何基於Pydantic和OpenAPI創建數據模型和模式。
• 使用SQLAlchemy將API連接到數據庫。
• 使用FastAPI工具在API中實現安全和身份驗證。
• 構建容器鏡像並將Web API部署到雲服務器。

Fiji是一個開源的圖像處理軟件包，它集成了ImageJ（一個用於科學多維圖像處理的程序）以及多個用於科學圖像分析的插件。

在這個由講師指導的線下培訓中，參與者將學習如何使用Fiji發行版及其底層的ImageJ程序來創建一個圖像分析應用。

在培訓結束時，參與者將能夠：

• 使用Fiji的高級編程功能和軟件組件來擴展ImageJ
• 從重疊的圖塊中拼接大型3D圖像
• 使用集成的更新系統在啓動時自動更新Fiji安裝
• 從多種腳本語言中選擇，構建自定義的圖像分析解決方案
• 使用Fiji的強大庫，如ImgLib，處理大型生物圖像數據集
• 部署他們的應用，並與其他科學家在類似項目上合作

課程形式

• 互動式講座和討論。
• 大量練習和實踐。
• 在即時實驗環境中進行實際操作。

課程定製選項

• 如需爲此課程定製培訓，請聯繫我們進行安排。

本次由講師指導的培訓在澳門（線上或線下）舉行，面向初學者到中級水平的研究人員和實驗室專業人員，旨在幫助他們處理和分析與組織切片、血細胞、藻類及其他生物樣本相關的圖像。

培訓結束後，參與者將能夠：

• 熟悉Fiji界面並掌握ImageJ的核心功能。
• 對科學圖像進行預處理和增強，以便更好地分析。
• 定量分析圖像，包括細胞計數和麪積測量。
• 使用宏和插件自動化重複性任務。
• 根據生物研究中的具體需求，自定義圖像分析工作流程。

這種由 講師指導的 澳門 現場現場培訓（在線或現場）面向希望使用 Modin 構建和實施並行計算的數據科學家和開發人員 Pandas 以加快數據分析速度。

在本次培訓結束時，參與者將能夠：

• 設置必要的環境，開始使用 Modin 大規模開發 Pandas 工作流。
• 瞭解 Modin 的功能、架構和優勢。
• 瞭解 Modin、Dask 和 Ray 之間的區別。
• 使用 Modin 更快地執行 Pandas 操作。
• 實現整個 Pandas API 和函數。

OpenCV（開源 Computer Vision 庫：http://opencv.org）是一個開源 BSD 許可的庫，包括數百種計算機視覺演算法。

觀眾

本課程面向尋求將 OpenCV 用於計算機視覺專案的工程師和架構師

這種以講師為主導的澳門現場培訓（現場或遠端）針對希望在Python與OpenCV 4中程式設計以進行深度學習的軟體工程師。

在培訓結束時，參與者將能夠：

• 使用 OpenCV 查看、載入和分類圖像和視頻 4.
• 在 OpenCV 4 中使用 TensorFlow 和 Keras 實現深度學習。
• 運行深度學習模型，並從圖像和視頻中生成有影響力的報告。

Pattern Matching 是一種用於在圖像中定位指定模式的技術。它可用於確定捕獲的圖像中是否存在指定特徵，例如工廠生產線中缺陷產品上的預期標籤或元件的指定尺寸。它與 “Pattern Recognition” 的不同之處在於 “Pattern Recognition” （它根據更大的相關樣本集合識別一般模式），因為它具體指示我們正在尋找什麼，然後告訴我們預期的模式是否存在。

課程形式

• 本課程介紹了模式匹配領域中使用的方法、技術和演算法，因為它適用於 Machine Vision。

SimpleCV 是一個開源框架，這意味著它是可用於開發視覺應用程式的庫和軟體的集合。它允許您處理來自網路攝像頭、Kinect、FireWire 和IP攝像頭或行動電話的圖像或視頻流。它可以説明您構建軟體，使您的各種技術不僅可以看到世界，還可以理解世界。

觀眾

本課程面向尋求使用 SimpleCV 開發電腦視覺應用程式的工程師和開發人員。

本課程由講師主導，在澳門（線上或線下）提供培訓，面向中級專業人士，旨在幫助他們使用Vision Builder AI設計、實施和優化SMT（表面貼裝技術）流程中的自動檢測系統。

培訓結束後，學員將能夠：

• 使用Vision Builder AI設置和配置自動檢測。
• 獲取並預處理高質量圖像以進行分析。
• 實施基於邏輯的決策，用於缺陷檢測和流程驗證。
• 生成檢測報告並優化系統性能。