Computervision mit Python Schulung

Dieser praxisorientierte Kurs behandelt fortgeschrittene Python-Techniken, ingenieurtechnische Best Practices sowie gängige Design Patterns, um wartbare, testbare und leistungsstarke Python-Anwendungen zu entwickeln. Besonderes Augenmerk liegt auf modernen Entwicklungswerkzeugen, Typsystemen, Konkurrenzmodellen, Architekturmustern sowie deploymentfreundlichen Arbeitsabläufen.

Dieses von einem Trainer geleitete Live-Training (online oder vor Ort) richtet sich an Python-Entwickler mit mittlerem bis fortgeschrittenem Kenntnisstand, die professionelle Methoden und Muster für produktionsreife Systeme erlernen möchten.

Nach Abschluss des Kurses werden die Teilnehmer in der Lage sein:

• Typensysteme, Dataclasses sowie Typprüfung in Python effektiv einzusetzen, um die Zuverlässigkeit des Codes zu erhöhen.
• Design Patterns und Architekturprinzipien anzuwenden, um robuste Anwendungen zu strukturieren.
• Konkurrenz- und Parallelverarbeitung mithilfe von asyncio sowie Multiprocessing korrekt umzusetzen.
• Mit pytest, property-basierten Tests sowie CI-Pipelines gut testbaren Code zu entwickeln.
• Python-Anwendungen hinsichtlich Profiling, Optimierung und Absicherung für den Produktivbetrieb vorzubereiten.
• Python-Projekte mithilfe moderner Tools und Container in Packete zu verpacken sowie zu verteilen und bereitzustellen.

Aufbau des Kurses

• Interaktive Vorlesungen und kurze Demonstrationen.
• Täglich praktische Laborübungen sowie Programmieraufgaben.
• Ein abschließendes Mini-Projekt, das Design Patterns, Testung und Deployment integriert.

Individuelle Kursanpassung

• Falls Sie ein maßgeschneidertes Training in einem bestimmten Bereich – etwa Datenverarbeitung, Webentwicklung oder Infrastruktur – wünschen, kontaktieren Sie uns gern zur Absprache.

In diesem Kurs erlernen Sie praxisnahe Entwicklungsmethoden zur Konzeption, Implementierung, Testung und Bereitstellung agentenbasierter (autonomer) Systeme mithilfe von Python. Themen sind unter anderem der Agentenkreislauf, die Integration externer Werkzeuge, das Management von Speicher- und Zustandsdaten sowie Orchesterationsmuster, Sicherheitsmaßnahmen und Aspekte für den Produktionsbetrieb.

Dieses von einem Trainer geleitete Live-Training – entweder online oder vor Ort – richtet sich an ML-Entwickler sowie Softwareingenieure mit mittleren bis fortgeschrittenen Kenntnissen, die in der Lage sind, zuverlässige und produktionsfertige autonome Agenten mit Python zu erstellen.

Nach Abschluss dieses Trainings werden die Teilnehmenden in der Lage sein:

• Den Agentenkreislauf sowie Entscheidungsprozesse zu konzipieren und umzusetzen.
• Externe Werkzeuge und APIs nahtlos zu integrieren, um die Funktionalität der Agenten zu erweitern.
• Architekturen für kurzfristiges und langfristiges Gedächtnis bei Agenten einzuführen.
• Mehrstufige Orchesterationsprozesse sowie die Kombinierbarkeit mehrerer Agenten zu koordinieren.
• Bewährte Verfahren im Bereich Sicherheit, Zugriffskontrolle und Überwachung auf produktiven Systemen anzuwenden.

Aufbau des Kurses

• Interaktive Vorträge und Diskussionen.
• Praktische Übungen zur Entwicklung von Agenten unter Verwendung von Python sowie gängigen SDKs.
• Projektarbeit mit dem Ziel, einsatzbereite Prototypen zu entwickeln.

Möglichkeiten zur Anpassung des Kurses

• Für individuell angepasste Schulungen kontaktieren Sie uns bitte, um Details zu vereinbaren.

Dieser Kurs vertieft praktische Ansätze der Datenwissenschaft und Künstlichen Intelligenz unter Verwendung von Python – er vermittelt Fachkräften die Fähigkeiten, um Daten zu analysieren, maschinelle Lernalgorithmen zu entwickeln sowie KI-gestützte Anwendungen im Geschäftsbereich einzusetzen. Im Vordergrund stehen CRISP-DM-Arbeitsabläufe, statistische Auswertung, überwachtes und unüberwachtes Lernen, Deep Learning mittels TensorFlow, Verarbeitung natürlicher Sprache, Big Data mit Spark sowie das Erzählen von Geschichten anhand von Daten. Ideal geeignet für Einsteiger, die eine Zertifizierung in der Python-basierten Datenwissenschaft anstreben und eine berufsvorbereitende Ausbildung im Bereich Analytik erhalten möchten.

Künstliche Intelligenz mit Python bezeichnet die Entwicklung intelligenter Systeme unter Verwendung des umfangreichen Ökosystems an Bibliotheken für KI und maschinelles Lernen in Python.

Dieses von einem Instruktor geleitete Live-Training – entweder online oder vor Ort – richtet sich an Python-Programmierer mit mittleren Kenntnissen, die lernen möchten, KI-Lösungen mithilfe von Python zu konzipieren, umzusetzen und einzuführen.

Am Ende des Trainings werden die Teilnehmer in der Lage sein, Folgendes zu tun:

• KI-Algorithmen mithilfe der wichtigsten Python-Bibliotheken umzusetzen.
• Mit überwachtem, unüberwachtem sowie verstärkendem Lernmodellen zu arbeiten.
• KI-Lösungen in bestehende Anwendungen und Arbeitsabläufe zu integrieren.
• Die Leistungsfähigkeit von Modellen bewerten sowie deren Genauigkeit und Effizienz optimieren.

Ablauf des Kurses

• Interaktive Vorlesungen und Diskussionen.
• Zahlreiche Übungen zur praktischen Anwendung.
• Praktische Umsetzung in einer Live-Lab-Umgebung.

Möglichkeiten zur individuellen Kursanpassung

• Falls Sie ein auf Ihre Bedürfnisse zugeschnittenes Training wünschen, kontaktieren Sie uns bitte.

Das CANN SDK (Compute Architecture for Neural Networks) stellt leistungsstarke Tools zur Bereitstellung und Optimierung von KI-Anwendungen in Echtzeit bereit – insbesondere im Bereich Computer Vision und NLP, wobei es vor allem auf Huawei-Ascend-Hardware optimiert ist.

Dieses von erfahrenen Trainern geleitete Live-Training (online oder vor Ort) richtet sich an KI-Experten mittleren Kenntnisstands, die CV- und Sprachmodelle mit dem CANN SDK für praktische Anwendungen entwickeln, bereitstellen und optimieren möchten.

Nach Abschluss dieses Kurses werden die Teilnehmer in der Lage sein:

• CV- und NLP-Modelle mithilfe von CANN sowie AscendCL zu implementieren und zu optimieren.
• Die Tools des CANN SDKs zur Modellkonvertierung sowie deren Integration in laufende Pipelines einzusetzen.
• Die Inferenzleistung bei Aufgaben wie Objekterkennung, Klassifizierung und Stimmungsanalyse zu verbessern.
• Echtzeit-CV- bzw. NLP-Pipelines für den Einsatz an Edge-Systemen oder in Cloud-Umgebungen zu erstellen.

Aufbau des Kurses

• Interaktive Vorlesungen und praktische Demonstrationen.
• Hands-on-Übungen zur Modellbereitstellung sowie Leistungsanalyse.
• Entwicklung von echten CV-/NLP-Pipelines anhand konkreter Anwendungsbeispiele.

Individuelle Anpassungen des Kurses

• Sollten Sie ein maßgeschneidertes Training wünschen, kontaktieren Sie uns bitte zur Absprache.

Dieses leitergestützte, praxisorientierte Training in Deutschland (online oder vor Ort) richtet sich an KI-Entwickler sowie Ingenieure der Bildverarbeitung mittleren Kenntnisstands, die robuste visuelle Systeme für autonome Fahrzeuge entwickeln möchten.

Nach Abschluss dieses Trainings sind die Teilnehmenden in der Lage:

• Die grundlegenden Konzepte der Computervision im Kontext autonomer Fahrzeuge zu verstehen.
• Algorithmen zur Objekterkennung, Spurerfassung sowie semantischen Segmentierung umzusetzen.
• Visuelle Systeme mit anderen Unterkomponenten autonomer Fahrzeuge zu integrieren.
• Deep-Learning-Verfahren für fortgeschrittene Wahrnehmungsaufgaben einzusetzen.
• Die Leistungsfähigkeit von Computervision-Modellen in realen Einsatzszenarien zu bewerten.

Dieses von einem Dozenten geleitete Präsenztraining in Deutschland (online oder vor Ort) richtet sich an Profis auf fortgeschrittenem Niveau, die ihre Kenntnisse in der Computer Vision vertiefen und die Möglichkeiten von TensorFlow beim Entwickeln komplexer Bildverarbeitungsmodelle unter Nutzung von Google Colab kennenlernen möchten.

Am Ende dieses Trainings werden die Teilnehmer in der Lage sein zu:

• Convolutional Neural Networks (CNNs) mithilfe von TensorFlow zu erstellen und zu trainieren.
• Google Colab für eine skalierbare sowie effiziente Entwicklung von Modellen in der Cloud einzusetzen.
• Bildvorverarbeitungstechniken für Aufgaben im Bereich Computer Vision zu implementieren.
• Bildverarbeitungsmodelle für reale Anwendungen bereitzustellen.
• Transfer Learning anzuwenden, um die Leistung von CNN-Modellen zu verbessern.
• Ergebnisse von Bildklassifikationsmodellen visualisieren und interpretieren können.

Dieses von einem Instruktor geleitete Live-Training in Deutschland (online oder vor Ort) richtet sich an Python-Entwickler sowie Datenanalysten mit mittleren Kenntnissen, die ihre Fähigkeiten im Bereich der Datenanalyse unter Einsatz von Pandas und NumPy vertiefen möchten.

Am Ende dieser Schulung werden die Teilnehmer in der Lage sein:

• Eine Entwicklungsumgebung einzurichten, die Python, Pandas sowie NumPy enthält.
• Eine Datenanalyse-Anwendung unter Verwendung von Pandas und NumPy zu erstellen.
• Fortgeschrittene Aufgaben der Datensäuberung, Sortierung und Filterung durchzuführen.
• Aggregationsoperationen vorzunehmen sowie zeitreihenbasierte Daten auszuwerten.
• Daten mittels Matplotlib sowie weiteren Visualisierungsbibliotheken darzustellen.
• Ihren Code zur Datenanalyse zu debuggen und zu optimieren.

Dieses von erfahrenen Instruktoren geleitete Live-Training in Deutschland (online oder vor Ort) richtet sich an Computer-Vision-Ingenieure, KI-Entwickler sowie IoT-Fachleute auf mittlerem bis fortgeschrittenem Niveau, die ihre Modelle für die Echtzeitverarbeitung auf Edge-Geräten implementieren und optimieren möchten.

Am Ende dieser Schulung werden die Teilnehmer folgendes können:

• Die Grundlagen von Edge AI sowie dessen Anwendungen in der Computer Vision verstehen.
• Optimierte Deep-Learning-Modelle auf Edge-Geräten zur Echtzeit-Analyse von Bildern und Videos einsetzen.
• Frameworks wie TensorFlow Lite, OpenVINO sowie den NVIDIA Jetson SDK für das Deployment der Modelle nutzen.
• KI-Modelle hinsichtlich Leistung, Energieeffizienz und geringer Verzögerung bei der Inferenz optimieren.

Dieses vom Dozenten geleitete Live-Training in Deutschland (online oder vor Ort) richtet sich an Polizeibeamte mit geringer Vorkenntnissen, die vom manuellen Erstellen von Gesichtsskizzen auf den Einsatz KI-basierter Werkzeuge zur Entwicklung von Gesichtserkennungssystemen umsteigen möchten.

Am Ende dieses Trainings werden die Teilnehmer in der Lage sein:

• Die Grundlagen von Künstlicher Intelligenz und maschinellem Lernen zu verstehen.
• Die Basics der digitalen Bildverarbeitung sowie deren Anwendung in der Gesichtserkennung kennenzulernen.
• Fähigkeiten im Umgang mit KI-Werkzeugen und -Frameworks zum Erstellen von Gesichtserkennungsmodellen zu entwickeln.
• Praktische Erfahrungen beim Entwerfen, Trainieren und Testen von Gesichtserkennungssystemen zu sammeln.
• Die ethischen Aspekte sowie bewährte Verfahren bei der Nutzung von Gesichtserkennungstechnologie zu verinnerlichen.

Dieses von einem Instruktor geleitete Live-Training – sowohl online als auch vor Ort – richtet sich an Entwickler, die mithilfe des FARM-Stacks (FastAPI, React und MongoDB) dynamische, hochperformante sowie skalierbare Webanwendungen erstellen möchten.

Am Ende dieses Kurses werden die Teilnehmer in der Lage sein zu:

• Das notwendige Entwicklungsumfeld einzurichten, das FastAPI, React und MongoDB integriert.
• Die grundlegenden Konzepte, Funktionen sowie Vorteile des FARM-Stacks zu verstehen.
• REST-APIs mit FastAPI zu erstellen.
• Interaktive Anwendungen mittels React zu entwerfen.
• Anwendungen – sowohl im Frontend als auch im Backend – unter Verwendung des FARM-Stacks zu entwickeln, zu testen und bereitzustellen.

Dieses von einem Dozenten geleitete Live-Training in Deutschland (online oder vor Ort) richtet sich an Entwickler, die FastAPI zusammen mit Python nutzen möchten, um RESTful APIs einfacher und schneller zu entwickeln, zu testen sowie bereitzustellen.

Nach Abschluss dieses Trainings werden die Teilnehmer folgendes können:

• Die notwendige Entwicklungsumgebung zur Erstellung von APIs mit Python und FastAPI einrichten.
• Mittels der FastAPI-Bibliothek schneller und effizienter APIs erstellen.
• Datenmodelle sowie Schemata auf Basis von Pydantic und OpenAPI anlegen lernen.
• Verbindungen zu Datenbanken über SQLAlchemy herstellen.
• Sicherheits- und Authentifizierungsmechanismen mithilfe der Werkzeuge aus FastAPI implementieren.
• Container-Bilder erstellen und Web-APIs auf einem Cloud-Server bereitstellen.

Dieses von einem Instruktor geleitete Live-Training in Deutschland (online oder vor Ort) richtet sich an Forscher sowie Laborfachkräfte mit Grund- bis Mittelkenntnissen, die Bilder von histologischem Gewebe, Blutzellen, Algen und anderen biologischen Proben verarbeiten und analysieren möchten.

Nach Abschluss dieses Trainings werden die Teilnehmer in der Lage sein zu:

• Mit der Fiji-Oberfläche vertraut zu sein und die wichtigsten Funktionen von ImageJ zu nutzen.
• Wissenschaftliche Bilder vorzubereiten und optisch zu verbessern, um deren Analyse zu erleichtern.
• Bildinhalte quantitativ auszuwerten – etwa Zellzählungen oder Flächenmessungen.
• Wiederkehrende Arbeitsschritte mithilfe von Makros und Plugins zu automatisieren.
• Arbeitsabläufe individuell anzupassen, um spezifische Anforderungen der biologischen Bildanalyse zu erfüllen.

Dieses von einem Trainer geleitete Live-Training in Deutschland (online oder vor Ort) richtet sich an Fachkräfte mittleren Kenntnisstands, die Vision Builder AI nutzen möchten, um automatisierte Inspektionssysteme für SMT-Prozesse zu entwerfen, implementieren und optimieren.

Am Ende dieses Trainings werden die Teilnehmer in der Lage sein zu:

• Die Einrichtung und Konfiguration automatisierter Inspektionen mit Vision Builder AI.
• Das Erfassen und Vorverarbeiten hochwertiger Bilder für weitere Analyse.
• Die Implementierung logischer Entscheidungsprozesse zur Fehlererkennung und Prozessvalidierung.
• Die Erstellung von Inspektionsberichten sowie die Optimierung der Systemleistung.

Dieser von einem Trainer geleitete Live-Kurs in Deutschland (online oder vor Ort) richtet sich an Entwickler, Forscher sowie Datenwissenschaftler mittleren und fortgeschrittenen Kenntnisniveaus, die lernen möchten, wie man mit YOLOv7 Objekte in Echtzeit erkennen kann.

Nach Abschluss des Kurses werden die Teilnehmenden in der Lage sein:

• Die grundlegenden Konzepte der Objekterkennung zu verstehen.
• YOLOv7 für Objekterkennungsaufgaben zu installieren und einzurichten.
• Eigene Objekterkennungsmodelle mit YOLOv7 zu trainieren und zu testen.
• YOLOv7 in Verbindung mit anderen Frameworks und Werkzeugen für Computer Vision zu nutzen.
• Häufig auftretende Probleme bei der Implementierung von YOLOv7 zu beheben.