Cursos de Visión por computador en México

Esta formación en vivo impartida por un instructor en México (en línea o presencial) está dirigida a ingenieros de visión por computadora de nivel intermedio a avanzado, desarrolladores de IA y profesionales del IoT que deseen implementar y optimizar modelos de visión por computadora para el procesamiento en tiempo real en dispositivos periféricos.

Al finalizar esta formación, los participantes podrán:

• Comprender los fundamentos del Edge AI y sus aplicaciones en visión por computadora.
• Implementar modelos de aprendizaje profundo optimizados en dispositivos periféricos para el análisis de imágenes y video en tiempo real.
• Utilizar marcos de trabajo como TensorFlow Lite, OpenVINO y NVIDIA Jetson SDK para la implementación de modelos.
• Optimizar los modelos de IA para lograr un mejor rendimiento, eficiencia energética e inferencia de baja latencia.

Esta formación en vivo impartida por un instructor en México (en línea o presencial) está dirigida a profesionales de nivel avanzado que desean profundizar su comprensión de la visión por computadora y explorar las capacidades de TensorFlow para desarrollar modelos de visión sofisticados utilizando Google Colab.

Al finalizar esta formación, los participantes serán capaces de:

• Construir y entrenar redes neuronales convolucionales (CNN) utilizando TensorFlow.
• Aprovechar Google Colab para el desarrollo de modelos escalable y eficiente en la nube.
• Implementar técnicas de preprocesamiento de imágenes para tareas de visión por computadora.
• Desplegar modelos de visión por computadora para aplicaciones del mundo real.
• Utilizar el aprendizaje por transferencia (transfer learning) para mejorar el rendimiento de los modelos CNN.
• Visualizar e interpretar los resultados de los modelos de clasificación de imágenes.

El CANN SDK (Compute Architecture for Neural Networks) ofrece potentes herramientas de implementación y optimización para aplicaciones de IA en tiempo real en visión por computadora y PLN, especialmente en hardware Huawei Ascend.

Este entrenamiento en vivo con instructores (en línea o presencial) está dirigido a profesionales de la IA de nivel intermedio que deseen crear, implementar y optimizar modelos visuales y lingüísticos mediante el CANN SDK para casos de uso en producción.

Al finalizar este curso, los participantes podrán:

• Implementar y optimizar modelos de visión por computadora (CV) y PLN usando CANN y AscendCL.
• Usar herramientas CANN para convertir modelos e integrarlos en canales de trabajo en vivo.
• Optimizar el rendimiento de la inferencia para tareas como detección, clasificación y análisis de sentimientos.
• Crear canales de trabajo de CV/PLN en tiempo real para escenarios de implementación en borde o nube.

Formato del curso

• Conferencia interactiva y demostración práctica.
• Laboratorio práctico con implementación de modelos y perfilado de rendimiento.
• Diseño en vivo de canales de trabajo utilizando casos de uso reales de CV y PLN.

Opciones de personalización del curso

• Para solicitar una formación personalizada para este curso, contáctenos para coordinarla.

Este entrenamiento en vivo dirigido por un instructor en México (en línea o presencial) está dirigido a desarrolladores de IA de nivel intermedio e ingenieros de visión por computadora que desean construir sistemas de visión robustos para aplicaciones de conducción autónoma.

Al finalizar este entrenamiento, los participantes serán capaces de:

• Comprender los conceptos fundamentales de la visión por computadora en vehículos autónomos.
• Implementar algoritmos para detección de objetos, detección de carriles y segmentación semántica.
• Integrar sistemas de visión con otros subsistemas de vehículos autónomos.
• Aplicar técnicas de aprendizaje profundo para tareas de percepción avanzadas.
• Evaluar el rendimiento de modelos de visión por computadora en escenarios del mundo real.

Esta formación en vivo impartida por un instructor en México (en línea o presencial) está dirigida a personal de las fuerzas del orden con conocimientos básicos que desee pasar del dibujo manual de retratos parlantes al uso de herramientas de IA para desarrollar sistemas de reconocimiento facial.

Al finalizar esta formación, los participantes serán capaces de:

• Comprender los fundamentos de la Inteligencia Artificial y el Aprendizaje Automático.
• Aprender los conceptos básicos del procesamiento digital de imágenes y su aplicación en el reconocimiento facial.
• Desarrollar habilidades para utilizar herramientas y marcos de trabajo de IA con el fin de crear modelos de reconocimiento facial.
• Adquirir experiencia práctica en la creación, entrenamiento y prueba de sistemas de reconocimiento facial.
• Comprender las consideraciones éticas y las mejores prácticas para el uso de la tecnología de reconocimiento facial.

Esta capacitación en vivo impartida por un instructor en México (en línea o presencial) está dirigida a profesionales de nivel intermedio que desean utilizar Vision Builder AI para diseñar, implementar y optimizar sistemas de inspección automatizada para procesos de Tecnología de Montaje Superficial (SMT).

Al finalizar esta capacitación, los participantes serán capaces de:

• Configurar e instalar inspecciones automatizadas utilizando Vision Builder AI.
• Adquirir y preprocesar imágenes de alta calidad para su análisis.
• Implementar decisiones basadas en lógica para la detección de defectos y la validación del proceso.
• Generar informes de inspección y optimizar el rendimiento del sistema.

Esta capacitación en vivo impartida por un instructor en <ubicación> (en línea o presencial) está dirigida a desarrolladores, investigadores y científicos de datos de nivel intermedio a avanzado que desean aprender cómo implementar la detección de objetos en tiempo real utilizando YOLOv7.

Al final de esta capacitación, los participantes serán capaces de:

• Comprender los conceptos fundamentales de la detección de objetos.
• Instalar y configurar YOLOv7 para tareas de detección de objetos.
• Entrenar y probar modelos personalizados de detección de objetos utilizando YOLOv7.
• Integrar YOLOv7 con otros marcos de trabajo y herramientas de visión por computadora.
• Solucionar problemas comunes relacionados con la implementación de YOLOv7.