Deep Learning for Vision with Caffe培訓

這種由講師指導的 澳門 現場培訓（在線或現場）面向希望擴展深度學習以生成文本到圖像的知識和技能的中高級數據科學家、機器學習工程師、深度學習研究人員和計算機視覺專家。

在本次培訓結束時，參與者將能夠：

• 了解用於文字到圖像生成的高級深度學習架構和技術。
• 實施複雜模型和優化，以實現高品質的圖像合成。
• 優化大型數據集和複雜模型的性能和可擴充性。
• 優化超參數以獲得更好的模型性能和泛化。
• 與其他深度學習框架和工具整合 Stable Diffusion

這種由 澳門 的講師指導的現場培訓（在線或現場） 面向希望瞭解 AlphaFold 工作原理並在實驗研究中使用 AlphaFold 模型作為指導的生物學家。

在本次培訓結束時，參與者將能夠：

• 理解 AlphaFold 的基本原理。
• 瞭解 AlphaFold 的工作原理。
• 瞭解如何解釋 AlphaFold 預測和結果。

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。

Fiji 是一個開源圖像處理包，它捆綁了 ImageJ（用於科學多維圖像的圖像處理程式）和許多用於科學圖像分析的外掛程式。

在這個由講師指導的現場培訓中，參與者將學習如何使用 Fiji 發行版及其底層 ImageJ 程式來創建圖像分析應用程式。

在本次培訓結束時，參與者將能夠：

• 使用 Fiji 的高級程式設計功能和軟體元件來擴展 ImageJ
• 從重疊的圖塊拼接大型 3D 圖像
• 使用整合更新系統在啟動時自動更新 Fiji 安裝
• 從廣泛的腳本語言中進行選擇，以構建自定義圖像分析解決方案
• 在大型生物圖像數據集上使用斐濟強大的庫，例如 ImgLib
• 部署他們的應用程式並與其他科學家合作開展類似專案

課程形式

• 互動講座和討論。
• 大量的練習和練習。
• 在即時實驗室環境中動手實施。

課程自定義選項

• 要申請本課程的定製培訓，請聯繫我們進行安排。

本次由讲师指导的线下培训（线上或线下）面向初级至中级研究人员和实验室专业人员，旨在帮助他们处理和分析与组织学组织、血细胞、藻类及其他生物样本相关的图像。

培训结束后，学员将能够：

• 熟练使用Fiji界面，并掌握ImageJ的核心功能。
• 对科学图像进行预处理和增强，以便更好地分析。
• 定量分析图像，包括细胞计数和面积测量。
• 使用宏和插件自动化重复性任务。
• 根据生物研究中的具体需求，定制图像分析工作流程。

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。

OpenFace 是基於 Python 和 Torch 的開源即時面部識別軟體，基於 Google 的 FaceNet 研究。

在這個由講師指導的現場培訓中，參與者將學習如何使用 OpenFace 的元件來創建和部署範例面部識別應用程式。

在本次培訓結束時，參與者將能夠：

• 使用 OpenFace 的元件（包括 dlib、OpenVC、Torch 和 nn4）實現人臉檢測、對齊和轉換
• 將OpenFace應用於實際應用，例如監控、身份驗證、虛擬實境、遊戲和識別回頭客等。

觀眾

• 開發人員
• 數據科學家

課程形式

• 部分講座、部分討論、練習和大量動手實踐

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。

這個由講師指導的現場培訓介紹了從頭開始構建面部識別系統所需的軟體、硬體和分步過程。面部識別也稱為 Face Recognition。

本實驗中使用的硬體包括Rasberry Pi、攝像頭模組、伺服系統（可選）等。參與者負責自己購買這些元件。使用的軟體包括 OpenCV、Linux、Python 等。

在本次培訓結束時，參與者將能夠：

• 在 Rasberry Pi 上安裝 Linux、OpenCV 和其他軟體實用程式和庫。
• 配置 OpenCV 以捕獲和檢測面部圖像。
• 瞭解打包Rasberry Pi系統以在實際環境中使用的各種選項。
• 使系統適應各種用例，包括監控、身份驗證等。

課程形式

• 部分講座、部分討論、練習和大量動手實踐

注意

• 其他硬體和軟體選項包括：Arduino、OpenFace、Windows 等。如果您想使用其中任何一個，請聯繫我們進行安排。

這種講師指導的現場培訓（在線或現場）面向希望 利用 Stable Diffusion 為各種使用案例生成高品質圖像的數據科學家、機器學習工程師和計算機視覺研究人員。

在本次培訓結束時，參與者將能夠：

• 瞭解 Stable Diffusion 的原理以及它如何用於圖像生成。
• 為圖像生成任務構建和訓練 Stable Diffusion 模型。
• 將 Stable Diffusion 應用於各種圖像生成方案，例如修復、出海和圖像到圖像的轉換。
• 優化 Stable Diffusion 模型的性能和穩定性。

這種以講師為主導的澳門現場培訓（現場或遠端）面向希望在非常小的嵌入式設備上編寫，載入和運行機器學習模型的工程師。

在培訓結束時，參與者將能夠：

• 安裝 TensorFlow Lite。
• 將機器學習模型載入式設備上，使其能夠檢測語音、對圖像進行分類等。
• 將 AI 添加到硬體設備，而無需依賴網路連接。

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。