CANN SDK için Computer Vision ve NLP Havuzları Eğitimi

LangGraph, durumlu, çok aktörlü LLM uygulamalarını oluşturmaya yönelik, kalıcı durumu ve yürütme kontrolünü sağlayan bileşik grafikler şeklinde bir framework'dür.

Bu eğitmen yönetilen canlı eğitim (çevrimiçi veya yerel), hızla optimize etmek, hata ayıklamak, izlemek ve üretim düzeyinde LangGraph sistemlerini işletmek isteyen ileri düzey AI platform mühendisleri, AI için DevOps'lar ve ML mimarları için tasarlanmıştır.

Bu eğitim sonunda katılımcılar şunları yapabileceklerdir:

• Karmaşık LangGraph topolojilerini hız, maliyet ve ölçeklenebilirlik açısından tasarlama ve optimizasyonu.
• Tekrarlamalar, zaman aşımına uğramalar, idempotentlik ve kontrol noktasi tabanlı kurtarma ile güvenilirliği mühendisliği.
• Graf yürütümlerini hata ayıklama ve izleme, durumu inceleme ve sistemli olarak üretim sorunlarını yeniden üretme.
• Grafikleri günlükler, metrikler ve izlemeler ile donatma, üretim ortamına dağıtma ve SLA'ları ve maliyetleri izleme.

Eğitim Formatı

• Interaktif ders anlatımı ve tartışmalar.
• Birçok alıştırma ve uygulama.
• Canlı laboratuvar ortamında elden uygulama.

Eğitim Özelizzazione Seçenekleri

• Bu eğitim için özel bir eğitim talep etmek istiyorsanız, lütfen bize başvurun ve düzenleme yapın.

Bu eğitmen öncülüğündeki canlı eğitim Türkiye (çevrimiçi veya yerel) temel düzeyde bir polis personeline yönelik olup, elчерçek yapma yönteminden yüz tanıma sistemleri geliştirmek için yapay zeka araçlarını kullanmaya geçmek isteyenler için tasarlanmıştır.

Bu eğitim sonunda katılımcılar aşağıdaki becerileri kazanabilecekler:

• Yapay Zeka ve Makine Öğrenmesinin temellerini anlamak.
• Dijital resim işleme temellerini öğrenmek ve yüz tanıma uygulamalarında kullanımı.
• Yüz tanıma modelleri oluşturmak için yapay zeka araçlarını ve çerçevelerini kullanma becerilerini geliştirmek.
• Yüz tanıma sistemlerinin oluşturulması, eğitilmesi ve test edilmesinde deneyim kazanmak.
• Yüz tanıma teknolojisinin kullanımında etik dikkat edilmesi gereken noktaları ve en iyi uygulamaları anlamak.

Fiji, bilimsel çok boyutlu görüntüler için bir görüntü işleme programı olan ImageJ'i ve bilimsel görüntü analizleri için bir dizi eklentiyi bir araya getiren açık kaynaklı bir görüntü işleme paketidir.

Bu eğitmen liderliğindeki canlı eğitimde katılımcılar, Fiji dağıtımını ve temelindeki ImageJ programını kullanarak bir görüntü analiz uygulaması oluşturmayı öğreneceklerdir.

Bu eğitimin sonunda katılımcılar şunları yapabilecektir:

• ImageJ'i genişletmek için Fiji'ün gelişmiş programlama özelliklerini ve yazılım bileşenlerini kullanmak
• Örtüşen karolardan büyük 3 boyutlu görüntüleri birleştirmek
• Entegre güncelleme sistemi kullanarak bir Fiji kurulumunu başlatmada otomatik olarak güncellemek
• Özel görüntü analiz çözümleri oluşturmak için geniş bir komut dosyası dili yelpazesinden seçim yapmak
• Büyük biyolojik görüntü veri kümelerinde ImgLib gibi Fiji'ün güçlü kütüphanelerini kullanmak
• Uygulamalarını dağıtmak ve benzer projelerde diğer bilim insanlarıyla işbirliği yapmak

Kurs Formatı

• Etkileşimli ders ve tartışma.
• Bol alıştırma ve uygulama.
• Canlı laboratuvar ortamında uygulamalı uygulama.

Kurs Özelleştirme Seçenekleri

• Bu kurs için özelleştirilmiş bir eğitim talep etmek için lütfen bizimle iletişime geçerek ayarlama yapınız.

Bu eğitmen öncülü canlı eğitim (Türkiye çevrimiçi veya yerel olarak) histolojik dokular, kan hücreleri, alg, ve diğer biyolojik örneklerle ilgili görüntülerin işleme ve analizine yönelik başlangıç seviyesinden orta düzeyli araştırmacılar ve laboratuvar uzmanları için tasarlanmıştır.

Bu eğitim sonunda katılımcıların yapabilecekleri şeyler:

• Fiji arayüzünü gezinme ve ImageJ’nin temel fonksiyonlarının kullanılması.
• Bilimsel görüntülerin ön işleme ve iyileştirilmesi, daha iyi analiz için.
• Hücre sayımı ve alan ölçümü dahil olmak üzere görsellerin nicel analizi.
• Makrolar ve eklentiler kullanarak tekrarlayan görevlerin otomasyonu.
• Biyolojik araştırma için özel görüntü analiz ihtiyaçlarına göre iş akışlarının özelleştirilmesi.

LangGraph, planlama, dalga geçme, araç kullanımını, belleği ve denetlenebilir yürütümü destekleyen çizge yapılı LLM uygulamaları oluşturmak için bir çerçevedir.

Bu eğitmen yönetilen canlı eğitim (online veya on-site), LangGraph kullanarak güvenilir, çok aşamalı LLM iş akışları tasarlamak ve incelemek isteyen yeni başlayan geliştiriciler, tetikleyici mühendisleri ve veri uygulayıcılarına yönelik olabilir.

Eğitim sonunda katılımcılar şu becerilere sahip olacaktır:

• Temel LangGraph kavramlarını (düğüm, kenar, durum) ve ne zaman kullanacaklarını açıklamak.
• Dalga geçme, araç çağırma ve bellek koruma özelliğine sahip tetik zinciri oluşturma.
• Sorgulama ve harici API'leri çizge iş akışlarına entegre etme.
• LangGraph uygulamalarını güvenilirlik ve güvenlik açısından test etme, hata ayıklama ve değerlendirme.

Eğitim Formatı

• Tartışma destekli etkileşimli ders anlatımı.
• Sandık ortamında yönlendirilmiş laboratuvarlar ve kod yürütmeleri.
• Tasarım, test ve değerlendirme konularında senaryoya dayalı egzersizler.

Eğitim özelleştirme seçenekleri

• Bu eğitim için özel bir eğitim talep etmek için bize başvurunuz.

LangGraph, dalgaçılığı, araç kullanımı, bellek ve denetlenebilir yürütümeyi destekleyen graf yapısında LLM workflow'ları oluşturmak için bir çerçeve olarak kullanılır.

Bu eğitmen yönetimi altında gerçekleşen canlı eğitim (online veya face-to-face) orta düzeyli mühendisler ve ürün ekibi için tasarlanmıştır. Bu grup, LangGraph'in graf mantığını LLM aracılıklı döngülerle birleştirerek, müşteri destek aracısı, karar ağacı ve bilgi edinme sistemleri gibi dinamik, bağlam bilen uygulamalar geliştirmeyi hedefler.

Eğitim sonunda katılımcılar aşağıdaki yetenekleri kazanacaklardır:

• Graf tabanlı workflow'ları tasarlayarak LLM araçlarını, araçları ve belleği koordine edebilirler.
• Kararlı yürütümeyi sağlamak için koşullu yönlendirme, yeniden denemeler ve plan B uygulamalarını gerçekleştirebilirler.
• Araç döngülerine edinme, API'ler ve yapılandırılmış çıktıları entegre edebilirler.
• Araç davranışlarını değerlendirmeyi, izlemeyi ve güvenilirlik ve güvenlik açısından güçlendirebilirler.

Eğitim Formatı

• Interaktif ders anlatımı ve yönlendirilmiş tartışmalar.
• Sandık ortamında yönetilen laboratuvarlar ve kod yürütmeleri.
• Komutanın tasarımı ve eş değerlendirmeleri temel alan senaryo tabanlı egzersizler.

Eğitim Özelleştirme Seçenekleri

• Bu eğitim için özelleştirilmiş bir eğitim talebinde bulunmak isterseniz, lütfen bize ulaşın ve düzenleme yapınız.

LangGraph, koşullu, çok adımlı LLM ve araç akışlarını etkinleştirme graf tabanlı bir orkestrasyon çerçevesidir. İçerik boru hattlarının otomasyonu ve kişiselleştirilmesi için idealdir.

Bu eğitmen yönetimi altında gerçekleşen canlı eğitim (çevrimiçi veya yerel) orta düzeyli pazarlama uzmanları, içerik stratejileri geliştiricileri ve otomasyon geliştirmenleri için tasarlanmıştır. Bu gruplar LangGraph kullanarak dinamik, dallanmış e-posta kampanyaları ve içerik oluşturma boru hattlarını uygulamayı amaçlamaktadır.

Eğitim sonunda 참가자는 다음과 같은 작업을 할 수 있습니다:

• Koşullu mantık ile graf yapısı içeren içerik ve e-posta akışları tasarlamak.
• Otomatik kişiselleştirme için LLM'leri, API'leri ve veri kaynaklarını entegre etmek.
• Birkaç adımlık kampanyalar arasında durum, hafızayı ve bağlamı yönetmek.
• Akış performansını ve teslimat sonuçlarını değerlendirmek, izlemek ve optimize etmek.

Eğitim Formatı

• Interaktif dersler ve grup tartışmaları.
• E-posta akışları ve içerik boru hattlarını uygulayan pratik laboratuvarlar.
• Kişiselleştirme, segmentasyon ve dallanma mantığı üzerine senaryo tabanlı egzersizler.

Eğitim Özelleştirmesi Seçenekleri

• Bu eğitim için özelleştirilmiş bir eğitim talep etmek için bize ulaşınız.

OpenCV (Açık Kaynak Computer Vision Kütüphanesi: http://opencv.org), birkaç yüz bilgisayarlı görü algoritmaları içeren, BSD lisanslı bir açık kaynak kütüphanedir.

Hedef Kitle

Bu kurs, OpenCV'ü bilgisayarlı görü projelerinde kullanmak isteyen mühendisler ve mimarlar için hazırlanmıştır.

Bu eğitmen liderliğindeki, canlı eğitim (Türkiye çevrimiçi veya yerinde), derin öğrenme için OpenCV 4 ile Python içinde programlama yapmak isteyen yazılım mühendislerine yöneliktir.

Bu eğitimin sonunda katılımcılar şunları yapabilecektir:

• OpenCV 4 kullanarak görüntüleri ve videoları görüntüleyebilecek, yükleyebilecek ve sınıflandırabilecek.
• TensorFlow ve Keras ile OpenCV 4 içinde derin öğrenmeyi uygulayabilecek.
• Derin öğrenme modellerini çalıştırabilecek ve görüntülerden ve videolardan etkili raporlar oluşturabilecek.

OpenFace, Google'ün FaceNet araştırmasına dayalı açık kaynaklı, gerçek zamanlı yüz tanıma yazılımıdır Python ve Torch üzerine kurulmuştur.

Bu eğitmen liderliğindeki, canlı eğitimde katılımcılar, OpenFace'in bileşenlerini kullanarak örnek bir yüz tanıma uygulaması oluşturmayı ve dağıtmayı öğreneceklerdir.

Bu eğitimin sonunda katılımcılar şunları yapabilecektir:

• Yüz algılama, hizalama ve dönüşüm uygulamak için dlib, OpenCV, Torch ve nn4 dahil olmak üzere OpenFace'in bileşenleriyle çalışmak
• OpenFace'i gözetleme, kimlik doğrulama, sanal gerçeklik, oyun ve tekrar eden müşterileri belirleme gibi gerçek dünya uygulamalarına uygulamak vb.

Hedef Kitle

• Geliştiriciler
• Veri bilimcileri

Kurs Formatı

• Kısmen ders anlatımı, kısmen tartışma, egzersizler ve yoğun uygulamalı çalışma

Pattern Matching, bir görüntü içinde belirtilen kalıpları bulmak için kullanılan bir tekniktir. Örneğin, bir fabrikadaki hatalı ürün üzerindeki beklenen etiketi veya bir bileşenin belirtilen boyutlarını belirlemek gibi, yakalanan bir görüntü içinde belirli özelliklerin varlığını belirlemek için kullanılabilir. Pattern Recognition'ten (daha büyük ilgili örnekler koleksiyonuna dayalı genel kalıpları tanıyan) farklı olarak, özellikle ne aradığımızı belirtir ve ardından beklenen kalıbın mevcut olup olmadığını bize bildirir.

Kurs Formatı

Bu eğitmen liderliğindeki canlı eğitim, bir yüz tanıma sistemi oluşturmak için gereken yazılım, donanım ve adım adım süreci tanıtıyor. Yüz Tanıma aynı zamanda Face Recognition olarak da bilinir.

Bu laboratuvarda kullanılan donanım Rasberry Pi, bir kamera modülü, servo motorlar (isteğe bağlı), vb. içerir. Katılımcılar bu bileşenleri kendileri satın almaktan sorumludur. Kullanılan yazılım OpenCV, Linux, Python, vb.'dir.

Bu eğitimin sonunda katılımcılar şunları yapabilecektir:

• Rasberry Pi'ye Linux, OpenCV ve diğer yazılım yardımcı programlarını ve kitaplıklarını kurmak.
• OpenCV'ı yüz görüntülerini yakalamak ve algılamak için yapılandırmak.
• Bir Rasberry Pi sistemini gerçek dünya ortamlarında kullanmak için çeşitli seçenekleri anlamak.
• Sistemi gözetim, kimlik doğrulama vb. gibi çeşitli kullanım durumlarına uyarlamak.

Kurs Formatı

• Kısmen ders anlatımı, kısmen tartışma, egzersizler ve yoğun uygulamalı çalışma.

Not

• Diğer donanım ve yazılım seçenekleri şunlardır: Arduino, OpenFace, Windows, vb. Bunlardan herhangi birini kullanmak isterseniz, lütfen bizimle iletişime geçin.

Türkiye'da (çevrimiçi veya yerel) yapılan bu eğitmen yönetimi altında gerçekleştirilen canlı eğitim, SMT (Yüzey Montaj Teknolojisi) işlemlerinde otomatik inspeksiyon sistemleri tasarlamak, uygulamak ve optimize etmek isteyen orta seviye profesyonellere yönelik olacak.

Eğitim sonunda, katılımcılar şu becerileri kazanabilecekler:

• Vision Builder AI kullanarak otomatik inspeksiyonları kurma ve yapılandırma.
• Analiz için yüksek kaliteli görüntülerin edinilmesi ve ön işleme.
• Hata algılama ve işlem doğrulaması için mantık tabanlı kararların uygulanması.
• Inspeksiyon raporlarının oluşturulması ve sistem performansının optimize edilmesi.