使用 Python 的計算機視覺培訓

此強化實作課程涵蓋進階 Python 技術、工程最佳實踐，以及常用設計模式，旨在建置可維護、可測試且高效能的 Python 應用程式。內容強調現代化工具、型別標註、併發模型、架構模式及部署準備 workflows。

此由講師主導的線上或線下現場培訓，目標受眾為希望採用專業實踐與模式來開發生產級 Python 系統的初階至進階 Python 開發人員。

完成本培訓後，學員將能夠：

• 運用 Python 型別標註、資料類別和型別檢查以提升程式碼可靠性。
• 使用設計模式和架構原則來建構穩健的應用程式結構。
• 正確實作併發與平行處理，採用 asyncio 和 multiprocessing。
• 運用 pytest、基於屬性的測試 (property-based testing) 及 CI 管線來建置經過充分測試的程式碼。
• 分析、最佳化並加固 Python 應用程式以適應生產環境。
• 使用現代化工具與容器技術來封裝、分發及部署 Python 專案。

課程形式

• 互動式講授與短演示。
• 每日實作實驗室與程式碼練習。
• 整合設計模式、測試與部署的綜合小型專案。

課程客製化選項

• 如需申請客製化培訓或專注領域（數據、網頁或基礎設施），請聯繫我們以進行安排。

本課程教授實用的工程技術，以設計、建置、測試和部署使用 Python 的自主（自治）系統。內容涵蓋代理迴圈、工具整合、記憶體與狀態管理、協調模式、安全控制以及生產環境考量。

這門由講師主導的現場培訓（線上或線下）針對中高級至進階級的機器學習工程師、AI 開發者和軟體工程師，他們希望使用 Python 建構穩健且可投入生產的自治代理。

在培訓結束後，學員將能夠：

• 設計並實現代理迴圈和決策工作流程。
• 整合外部工具和 API，以擴展代理能力。
• 實現短期和長期記憶架構給代理使用。
• 協調多步驟協調作業及代理的可組合性。
• 應用已部署代理的安全、訪問控制和可觀察性最佳實踐。

課程格式

• 互動式講授與討論。
• 動手實作實驗室，使用 Python 和流行 SDKs 建構代理。
• 專案導向的練習，產出可部署的原型。

課程客製化選項

• 如需為本課程申請客製化培訓，請聯繫我們以進行安排。

 深入探討使用 Python 進行數據科學和 AI 的實用方法——為專業人士提供探索數據、構建機器學習模型以及在商業環境中部署 AI 驅動應用的技能；涵蓋 CRISP-DM 工作流、統計分析、監督式和非監督式學習、基於 Tensorflow 的深度學習、自然語言處理、使用 Spark 處理大數據，以及數據驅動的敘事技巧；適合希望獲得 Python 數據科學認證並做好職業準備的初學者。

Python 人工智慧是利用 Python 廣泛的人工智慧與機器學習函式庫生態系，來開發智慧系統。

此由講師帶領的實作培訓（線上或線下），針對希望使用 Python 設計、實施並部署 AI 解決方案的中级 Python 程式設計師。

完成此培訓後，學員將能夠：

• 使用 Python 核心 AI 函式庫實施 AI 演算法。
• 處理監督式、非監督式及強化學習模型。
• 將 AI 解決方案整合至現有應用程式與工作流程。
• 評估模型效能，並優化準確率與效率。

課程形式

• 互動式講授與討論。
• 大量的練習與實作。
• 在即時實驗室環境中進行實作實施。

課程客製化選項

• 如需為此課程請求客製化培訓，請聯繫我們以安排。

CANN SDK（神經網路計算架構）提供強大的部署和優化工具，用於在華為昇騰硬體上進行電腦視覺和自然語言處理的即時人工智慧應用。

此培訓由講師指導，可線上或線下進行，旨在幫助具有中級水平的 AI 從業人員構建、部署並使用 CANN SDK 優化視覺和語言模型以滿足生產需求。

完成本課程後，參與者將能夠：

• 使用 CANN 和 AscendCL 部署和優化電腦視覺（CV）及自然語言處理（NLP）模型。
• 利用 CANN 工具轉換模型，並將其整合至即時流水線。
• 優化檢測、分類和情感分析等任務的推理效能。
• 構建適用於邊緣或雲端部署場景的即時 CV/NLP 流水線。

課程格式

• 互動式講授與演示。
• 實作練習：包含模型部署與效能分析。
• 使用真實 CV 和 NLP 應用案例設計即時流水線。

課程客製化選項

• 如需申請此課程的客製化培訓，請聯絡我們安排。

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。

此於澳門（線上或線下）舉辦、由講師主導的直播培訓，旨在幫助初級至中級的研究人員及實驗室專業人士處理和分析組織切片、血細胞、藻類及其他生物樣本的圖像。

完成本培訓後，學員將能夠：

• 熟練操作 Fiji 介面並運用 ImageJ 的核心功能。
• 預處理並增強科學圖像以提升分析效果。
• 對圖像進行定量分析，包括細胞計數和面積測量。
• 利用巨集和外掛程式自動化重複性任務。
• 針對生物研究中的特定圖像分析需求自訂工作流程。

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。

這門在 澳門（線上或線下）進行的由講師帶領的實戰培訓，旨在幫助中進階到高級別的開發人員、研究者及數據科學家，學習如何使用 YOLOv7 實施即時物體偵測。

完成此培訓後，參與者將能夠：

• 理解物體偵測的基本概念。
• 安裝並配置 YOLOv7 以執行物體偵測任務。
• 使用 YOLOv7 訓練及測試自訂的物體偵測模型。
• 將 YOLOv7 整合至其他電腦視覺框架與工具。
• 排除與 YOLOv7 實施相關的常見問題。