Artificial Intelligence – Computer Vision w języku Python
What you'll learn
- praca z biblioteką OpenCV
- operacje na obrazie przy pomocy języka Python
- detekcja krawędzi i praca z konturami
- detekcja, rozpoznawanie i segmentacja obiektów
- skaner dokumentów - implementacja
- optyczne rozpoznawanie ocen - implementacja
- image scraping - budowa zbioru obrazów do modeli
- klasyfikacja obrazów
- klasyfikacja wieloetykietowa obrazów
- algorytm YOLOv3 - You Only Look Once
- framework Mask R-CNN - segmentacja obiektów
- Tensorflow Hub + Transfer Learning
Requirements
- ukończone kursy ze ścieżki Python Developer na tym koncie instruktorskim
- ukończone kursy ze ścieżki Data Scientist na tym koncie instruktorskim
- podstawowa wiedza matematyczna, w tym algebry liniowej, rachunku różniczkowego i statystyki, będzie przydatna w zrozumieniu niektórych koncepcji związanych z algorytmami Computer Vision
- zainteresowanie sztuczną inteligencją i Computer Vision
Description
Kurs "Artificial Intelligence – Computer Vision w języku Python" to zaawansowany program szkoleniowy skierowany do osób pragnących zgłębić tajniki sztucznej inteligencji (AI) i widzenia komputerowego (Computer Vision).
Na początku kursu, uczestnicy są wprowadzeni do podstawowych koncepcji AI oraz widzenia komputerowego. Przedstawiane są podstawy przetwarzania obrazów, takie jak filtry, transformacje, detekcja krawędzi i segmentacja. Kurs oferuje również solidne wprowadzenie bibliotek związanych z AI i widzeniem komputerowym, takich jak NumPy i OpenCV.
Następnie, kurs przechodzi do bardziej zaawansowanych tematów z zakresu widzenia komputerowego, takich jak detekcja i rozpoznawanie twarzy czy detekcja obiektów.
W kolejnej części kursu, uczestnicy nauczą się korzystać z głębokiego uczenia w kontekście widzenia komputerowego. Zostaną wprowadzeni do sieci neuronowych, konwolucyjnych sieci neuronowych (CNN), a także narzędzi do głębokiego uczenia, takich jak TensorFlow i Keras. Kurs zawiera szereg projektów, które pozwolą uczestnikom na praktyczne zastosowanie zdobytej wiedzy.
Kurs "Artificial Intelligence – Computer Vision w języku Python" to kompleksowy program, który łączy teoretyczną wiedzę z praktycznymi umiejętnościami, pozwalając uczestnikom na skuteczne wykorzystanie AI i widzenia komputerowego w rzeczywistych problemach.
OpenCV: Otwórz oczy na świat wizji komputerowej!
OpenCV to popularna biblioteka o otwartym kodzie źródłowym, stworzona w celu zapewnienia narzędzi i algorytmów do przetwarzania obrazów i analizy wizualnej. Została zaprojektowana z myślą o wykorzystaniu w dziedzinie komputerowego przetwarzania obrazów i rozpoznawania wzorców.
OpenCV oferuje szeroki zakres funkcji i algorytmów, które umożliwiają programistom przeprowadzanie zaawansowanych operacji na obrazach, takich jak manipulacje geometryczne, detekcja i śledzenie obiektów, rozpoznawanie twarzy, ekstrakcja cech, analiza ruchu, segmentacja obrazu i wiele innych. Biblioteka obsługuje różne formaty obrazów i video, a także oferuje możliwość integracji z kamerami i urządzeniami przechwytującymi obraz.
OpenCV jest wieloplatformową biblioteką, co oznacza, że jest dostępna na różne systemy operacyjne, takie jak Windows, macOS, Linux, Android i iOS. Może być używana w różnych językach programowania, w tym w C++, Python, Java i innych, co czyni ją wszechstronnym narzędziem dla programistów.
Biblioteka OpenCV ma silne wsparcie społecznościowe, co oznacza, że istnieje wiele zasobów, dokumentacji i przykładów dostępnych dla programistów. Dzięki temu łatwo jest się nauczyć i zacząć korzystać z OpenCV nawet dla osób o ograniczonym doświadczeniu w przetwarzaniu obrazów.
OpenCV znalazło zastosowanie w różnych dziedzinach, takich jak przemysł, medycyna, robotyka, bezpieczeństwo, interakcje człowiek-komputer, rozpoznawanie wzorców, grafika komputerowa i wiele innych. Dzięki swojej elastyczności, funkcjonalności i wydajności, OpenCV jest jednym z najpopularniejszych narzędzi do przetwarzania obrazów i wizji komputerowej.
Zwiększ moc swojego uczenia maszynowego dzięki TensorFlow: Uwolnij potencjał danych!
TensorFlow to otwarta biblioteka do uczenia maszynowego i głębokiego uczenia. Została opracowana przez zespół badawczy Google Brain i została udostępniona publicznie w 2015 roku. TensorFlow umożliwia budowę i trenowanie modeli uczenia maszynowego, zarówno w ramach tradycyjnych zastosowań, jak i w obszarze głębokiego uczenia.
Biblioteka TensorFlow jest wysoce elastyczna i obsługuje różne rodzaje modeli uczenia maszynowego, takie jak modele regresji, klasyfikacji, segmentacji obrazu, analizy języka naturalnego i wiele innych. Umożliwia tworzenie i trenowanie modeli o różnych rozmiarach i skomplikowaniu, z możliwością wykorzystania zarówno pojedynczych maszyn, jak i rozproszonych systemów obliczeniowych.
TensorFlow jest szeroko stosowany w różnych dziedzinach, takich jak rozpoznawanie obrazów, przetwarzanie języka naturalnego, analiza danych, robotyka i wiele innych. Dzięki swojej popularności i wsparciu społeczności, TensorFlow jest jednym z wiodących narzędzi do uczenia maszynowego i głębokiego uczenia.
Twórz, trenuj i zaimplementuj modele z łatwością dzięki Keras: Potęga uczenia maszynowego w Twoich rękach!
Keras to popularna i wysoce elastyczna biblioteka do budowy, trenowania i wdrażania modeli uczenia maszynowego. Została stworzona jako interfejs wysokiego poziomu dla bibliotek głębokiego uczenia, umożliwiając szybkie i intuicyjne tworzenie modeli.
Jednym z kluczowych atutów biblioteki Keras jest jej prostota i przejrzystość. Dzięki czytelnemu interfejsowi API, łatwo jest tworzyć modele, definiować warstwy, określać funkcje aktywacji i optymalizatory. Keras zapewnia również wiele gotowych warstw i modułów, które można łatwo łączyć, co znacznie przyspiesza proces projektowania i implementacji modeli.
W 2019 roku Keras został oficjalnie włączony do biblioteki TensorFlow jako interfejs wysokiego poziomu, co oznacza, że jest w pełni zintegrowany z ekosystemem TensorFlow, a jednocześnie zachowuje swoją unikalną filozofię prostoty i elastyczności.
Who this course is for:
- programiści i inżynierowie oprogramowania, którzy chcą zdobyć umiejętności związane z przetwarzaniem obrazów, analizą wizualną i sztuczną inteligencją w kontekście computer vision przy użyciu języka Python
- analitycy danych i naukowcy, którzy chcą rozszerzyć swoje umiejętności o obszar computer vision i nauczyć się wykorzystywać techniki sztucznej inteligencji do analizy obrazów
- studenci lub absolwenci kierunków związanych z informatyką, sztuczną inteligencją, analizą obrazów lub pokrewnymi dziedzinami, którzy chcą zdobyć wiedzę i umiejętności związane z computer vision w języku Python
- inżynierowie wizji komputerowej, którzy chcą aktualizować swoje umiejętności w zakresie wykorzystywania technik sztucznej inteligencji do analizy obrazów przy użyciu języka Python
- specjaliści ds. przetwarzania obrazów i rozpoznawania wzorców, którzy chcą poszerzyć swoją wiedzę na temat sztucznej inteligencji i wykorzystać język Python jako narzędzie do implementacji modeli computer vision
- osoby zainteresowane zastosowaniami sztucznej inteligencji w analizie obrazów, które preferują język Python i chcą poznać techniki computer vision oraz zastosowania w praktyce
Instructor
EN
Python Developer/AI Enthusiast/Data Scientist/Stockbroker
Enthusiast of new technologies, particularly in the areas of artificial intelligence, the Python language, big data and cloud solutions. Graduate of postgraduate studies at the Polish-Japanese Academy of Information Technology in the field of Computer Science and Big Data specialization. Master's degree graduate in Financial and Actuarial Mathematics at the Faculty of Mathematics and Computer Science at the University of Lodz. Former PhD student at the faculty of mathematics. Since 2015, a licensed Securities Broker with the right to provide investment advisory services (license number 3073). Lecturer at the GPW Foundation, conducting training for investors in the field of technical analysis, behavioral finance, and principles of managing a portfolio of financial instruments.
Founder at e-smartdata
PL
Data Scientist, Securities Broker
Jestem miłośnikiem nowych technologii, szczególnie w obszarze sztucznej inteligencji, języka Python big data oraz rozwiązań chmurowych. Posiadam stopień absolwenta podyplomowych studiów na kierunku Informatyka, specjalizacja Big Data w Polsko-Japońskiej Akademii Technik Komputerowych oraz magistra z Matematyki Finansowej i Aktuarialnej na wydziale Matematyki i Informatyki Uniwersytetu Łódzkiego. Od 2015 roku posiadam licencję Maklera Papierów Wartościowych z uprawnieniami do czynności doradztwa inwestycyjnego (nr 3073). Jestem również wykładowcą w Fundacji GPW prowadzącym szkolenia dla inwestorów z zakresu analizy technicznej, finansów behawioralnych i zasad zarządzania portfelem instrumentów finansowych. Mam doświadczenie w prowadzeniu zajęć dydaktycznych na wyższej uczelni z przedmiotów związanych z rachunkiem prawdopodobieństwa i statystyką. Moje główne obszary zainteresowań to język Python, sztuczna inteligencja, web development oraz rynki finansowe.
Założyciel platformy e-smartdata
IG: e_smartdata