ODBIERZ TWÓJ BONUS :: »

OpenCV i Python. Kurs video. Przetwarzanie obrazów z zastosowaniem sieci neuronowych

Podstawowe informacje:
Czas trwania: 03:29:35
Poziom: średnio zaawansowany
Autor: Mateusz Zimoch
Liczba lekcji: 12
Technologia: OpenCV 4.2, TensorFlow 2.16
Dla firm
Rozwiń umiejętności swoich pracowników dzięki kursom video
Dowiedz się więcej
  • Monitorowanie postępów pracowników. Przejrzyste raporty i imienne certyfikaty ukończenia kursów
  • Atrakcyjne rabaty dla zespołów. Im więcej pracowników liczy zespół, tym większy uzyskasz rabat
  • Doradztwo w wyborze tematyki szkoleń. Mamy setki kursów, dostosujemy program nauczania pod Twój zespół
Indywidualnie
69,30 zł 99,00 zł (-30%)
39,59 zł najniższa cena z 30 dni Dodaj do koszyka Za zakup otrzymasz 69 punktów
Korzyści:
  • Certyfikat ukończenia
  • Materiały dodatkowe do kursu
  • Test online
  • Dożywotni dostęp
  • Dostęp w aplikacji (także offline)
  • Napisy w języku polskim
Ten kurs należy do ścieżki Data Scientist z Pythonem
Czas trwania: 66 godz.
DOWIEDZ SIĘ WIĘCEJ
Ten kurs należy do ścieżki Data Scientist z Pythonem »

Czego się nauczysz?

  • Podstaw obsługi programu OpenCV i jego integracji z Pythonem
  • Wykrywania i przetwarzania obrazów cyfrowych
  • Stosowania filtrów, progowania i operacji morfologicznych
  • Rozpoznawania twarzy, kształtów i obiektów
  • Tworzenia aplikacji wykorzystujących komputerowe przetwarzanie obrazu
  • Analizy wideo i pracy z kamerą w czasie rzeczywistym
  • Łączenia OpenCV z innymi bibliotekami do uczenia maszynowego

Spis lekcji

1. Wstęp 00:28:54
1.1. Wstęp. Instalacja środowiska i biblioteki
00:13:23
1.2. Podstawowe informacje - piksel, obraz, przestrzeń barw
00:15:31
2. Klasyczny proces widzenia maszynowego - klasteryzacja konturów 00:35:37
2.1. Detekcja konturów. Wydobycie cech
00:17:07
2.2. Detekcja konturów. Model klasteryzacji
00:18:30
3. Uczenie głębokie w widzeniu maszynowym 01:58:30
3.1. Użycie MLP w widzeniu maszynowym
OGLĄDAJ » 00:23:29
3.2. Operacja splotu
00:18:19
3.3. Sieci konwolucyjne
00:22:06
3.4. Sieci konwolucyjne - zapobieganie przeuczeniu
00:18:52
3.5. Gotowe architektury sieci konwolucyjnych
00:13:52
3.6. Wykorzystanie sieci neuronowych w innych zadaniach przetwarzania obrazu
00:21:52
4. Rozszerzanie danych - data augmentation 00:13:54
4.1. Rozszerzanie danych - data augmentation
00:13:54
5. Transfer learning 00:12:40
5.1. Transfer learning i podsumowanie kursu
00:12:40

Obierz kurs na przetwarzanie obrazów w Pythonie

Przetwarzanie obrazów to dynamicznie rozwijająca się dziedzina, która znajduje zastosowanie w licznych branżach, takich jak medycyna, motoryzacja, przemysł rozrywkowy, bezpieczeństwo, rolnictwo czy marketing. Umożliwia automatyczne rozpoznawanie obiektów, analizę obrazów medycznych i tworzenie interaktywnych aplikacji korzystających ze sztucznej inteligencji. Warto się zagłębić w techniki przetwarzania obrazów, które stały się dostępniejsze i skuteczniejsze niż kiedykolwiek wcześniej dzięki lepszemu wykorzystaniu mocy obliczeniowej niezbędnej do procesowania sieci konwolucyjnych (CNN) i algorytmów YOLO. Ponadto modele generatywne, jak DALL-E czy Midjourney, oferują możliwości generowania obrazów na potrzeby trenowania modeli AI, co pozwala zwiększać różnorodność i wielkość puli danych (ang. data augmentation). Powszechnym narzędziem w segmencie computer vision jest biblioteka OpenCV. Jest używana do analizy obrazów, rozpoznawania obiektów, detekcji twarzy, wykrywania ruchu czy segmentacji obrazów. OpenCV oferuje dostęp do szerokiego zakresu narzędzi i algorytmów, a dobre opanowanie biblioteki otwiera drzwi do ciekawych projektów związanych z widzeniem komputerowym. Umiejętność przetwarzania obrazów jest niezwykle ceniona na rynku pracy - specjaliści mogą liczyć na atrakcyjne stanowiska i różnorodne wyzwania technologiczne.

Co Cię czeka podczas naszego profesjonalnego szkolenia

Podczas kursu:

  • Zrozumiesz, czym jest przetwarzanie obrazów i jakie ma zastosowania
  • Zainstalujesz i skonfigurujesz bibliotekę OpenCV w Pythonie
  • Skonfigurujesz środowisko Jupyter Notebook i Google Colaboratory
  • Zapoznasz się z klasycznym podejściem w przetwarzaniu obrazów na podstawie zadania z wykrywaniem obiektów na obrazie
  • Zrozumiesz podstawy działania w pełni połączonych sieci neuronowych
  • Wprowadzisz się do sieci konwolucyjnych (CNN) i ich zastosowania w przetwarzaniu obrazów
  • Zbudujesz proste modele CNN od podstaw przy użyciu biblioteki Tensorflow (moduł Keras) w Pythonie
  • Zapobiegniesz przeuczeniu sieci neuronowych
  • Wykorzystasz gotowe architektury sieci neuronowych
  • Zastosujesz techniki przetwarzania obrazów i CNN do detekcji i rozpoznawania obiektów na obrazach
  • Poznasz algorytm YOLO
  • Wykorzystasz techniki wzbogacania danych obrazowych (obracanie, przesuwanie, zmiana jasności, zoomowanie, odwracanie lustrzane itp.)
  • Zrozumiesz koncepcję transfer learningu i jego zalety
  • Skorzystasz z gotowych modeli do rozwiązania nowych problemów przetwarzania obrazów za pomocą transfer learningu

Szkolenie OpenCV i Python. Kurs video. Przetwarzanie obrazów z zastosowaniem sieci neuronowych otworzy przed Tobą praktyczne zastosowania przetwarzania obrazów. To unikalna okazja do zrozumienia, jak ewoluowały techniki przetwarzania obrazów i jakie korzyści niosą za sobą najnowsze technologie. Na początek nauczysz się obsługi narzędzi, w tym instalacji i konfiguracji OpenCV, a także środowisk Jupyter Notebook i Google Colaboratory. Następnie poznasz klasyczne metody przetwarzania obrazów, w tym filtrację i detekcję krawędzi, i zapoznasz się z nowoczesnymi podejściami opartymi na sieciach konwolucyjnych (CNN). Zbudujesz proste modele CNN - od podstaw, nauczysz się także zapobiegać ich przeuczeniu i używać gotowych architektur sieci neuronowych. Zapoznasz się z technikami wzbogacania danych obrazowych i koncepcją transfer learningu, aby jeszcze efektywniej trenować modele. Na koniec nabędziesz umiejętności stosowania technik przetwarzania obrazów do detekcji i rozpoznawania obiektów na obrazach za pomocą algorytmu YOLO. Kurs ukończysz na poziomie średnio zaawansowanym i będziesz w stanie samodzielnie napisać konwolucyjną sieć neuronową z Tensorflow do wybranego zadania przetwarzania obrazu lub użyć gotowej architektury opartej na transfer learningu.

Systematyczność i ciężka praca to droga do sukcesu. Nikt nie urodził się wszechwiedzący. Jeśli będziesz poświęcać godzinę dziennie na naukę i samorozwój, prędzej czy później osiągniesz zamierzony cel.

 

Wybrane bestsellery

O autorze kursu video

Mateusz Zimoch - inżynier z dużym doświadczeniem w dziedzinie informatyki, data science, robotyki i sztucznej inteligencji. Zwycięzca konkursu US Navy na prototyp autonomicznego podwodnego drona. Pasjonat systemów wizyjnych. Skuteczny lider zespołu z udokumentowanym doświadczeniem w realizacji innowacyjnych projektów. Założyciel dwóch startupów skupiających się na rozwoju rozwiązań z zakresu wizji komputerowej opartej na sztucznej inteligencji. Mentor data science i nauczyciel programowania w wielu prywatnych szkołach. Po godzinach miłośnik motoryzacji, lubi majsterkować przy samochodzie i motocyklach. Uwielbia podróżować po świecie, preferuje road trips, czyli podróże samochodowe z przyjaciółmi.

Oceny i opinie klientów: OpenCV i Python. Kurs video. Przetwarzanie obrazów z zastosowaniem sieci neuronowych Mateusz Zimoch (0)

Informacja o opiniach
Weryfikacja opinii następuje na podstawie historii zamowień na koncie Użytkownika umiejszczającego opinię. Użytkownik mógł otrzymać punkty za opublikowanie opinii uprawniającej do uzyskania rabatu w ramach Programu Kadr.

Szczegóły kursu

Dane producenta » Dane producenta:

Helion SA
ul. Kościuszki 1C
41-100 Gliwice
e-mail: gpsr@helion.pl
Format: Online
Data aktualizacji: 2024-09-03
ISBN: 978-83-289-0596-2, 9788328905962
Numer z katalogu: 219212

Videopoint - inne kursy

Kurs video
69,30 zł
Dodaj do koszyka
Zamknij Pobierz aplikację mobilną Helion