Convolutional Neural Networks and Image Processing II

Kód kurzu: CNNIP

Jedná se o pokračování kurzu Konvoluční sítě a zpracování obrazu ve kterém se detailněji zaměříme na předzpracování dat a pokročilé techniky hlubokého učení pro zpracování obrazu. Kromě klasifikací dobře známých z předchozího kurzu se zaměříme na segmentace, detekci objektů a zejména na pokročilé aplikace generativních soupeřících sítí (GAN) jako je zvýšení rozlišení, odstranění šumu a generování tzv. Deep fake.

4 990 Kč

6 038 Kč s DPH

Nejbližší termín od 12.10.2022

Výběr termínů

Odborní
certifikovaní lektoři

Mezinárodně
uznávané certifikace

Široká nabídka technických
a soft skills kurzů

Skvělý zákaznický
servis

Přizpůsobení kurzů
přesně na míru

Termíny kurzu

Počáteční datum: 12.10.2022

Forma: Virtuální

Délka kurzu: 1 den

Jazyk: cz/sk

Cena bez DPH: 4 990 Kč

Registrovat

Počáteční datum: Individuální

Forma: Prezenční/Virtuální

Délka kurzu: 1 den

Jazyk: en/cz

Cena bez DPH: 4 990 Kč

Registrovat

Počáteční
datum
Místo
konání
Forma Délka
kurzu
Jazyk Cena bez DPH
12.10.2022 Virtuální 1 den cz/sk 4 990 Kč Registrovat
Individuální Prezenční/Virtuální 1 den en/cz 4 990 Kč Registrovat
G Garantovaný kurz

Nenašli jste vhodný termín?

Napište nám o vypsání alternativního termínu na míru.

Kontakt

Struktura kurzu

  • Předzpracování obrazových dat (počet kanálů, rozlišení, scaling, normalizace)
  • Augmentace obrazových data setů (scaling, rotation, shifting, mirroring)
  • Praktický příklad na předzpracování a augmentaci
  • Architektury neuronových sítí pro zpracování obrazu (konvoluce, dekonvoluce, pooling, residual connection)
  • Pokročilá klasifikace obrazu (ImageNet dataset, VGG, ResNet, Inception, MobileNet, Efficient net)
  • Praktické příklady transfer learningu s různými základními modely
  • Segmentace obrazu (U-net, detekce objektů)
  • Praktické příklady na segmentace a detekce objektů
  • Generativní soupeřící sítě (generativní sítě, sampling, GAN)
  • Praktický příklad na generování obrázků
  • Odstranění šumu z obrazu pomocí GAN
  • Superresolution (Upsampling, praktický příklad na zvýšení rozlišení obrázku pomocí GAN)
  • Rozšiřování data setů pomocí generativních sítí
  • Deep fake (Conditional GAN, příklady deep fake technik)
  • Adversarial attacks (modifikace obrázků, adversarial patch, black box attacks, Cybersecurity)

Předpokládané znalosti

  • Základní znalost programování v Pythonu
  • Středoškolská matematika
  • Znalosti strojového učení na úrovni kurzu Úvod do strojového učení
  • Znalosti na úrovni kurzu Konvoluční neuronové sítě a zpracování obrazu

Potřebujete poradit nebo upravit kurz na míru?

Daniel Šťastný

Daniel Šťastný

produktová podpora

Platební brána ComGate Logo MasterCard Logo Visa