Fiji es un paquete de procesamiento de imágenes de código abierto que agrupa ImageJ (un programa de procesamiento de imágenes para imágenes multidimensionales científicas) y una serie de complementos para el análisis de imágenes científicas.

En esta capacitación en vivo dirigida por un instructor, los participantes aprenderán cómo usar la distribución Fiji y su programa ImageJ subyacente para crear una aplicación de análisis de imágenes.

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

• Utilice las funciones de programación avanzadas y los componentes de software de Fiji para ampliar ImageJ
• Unir imágenes 3D de gran tamaño a partir de mosaicos superpuestos
• Actualización automática de una instalación de Fiji al iniciarse mediante el sistema de actualización integrado
• Seleccione entre una amplia selección de lenguajes de scripting para crear soluciones de análisis de imágenes personalizadas
• Utilice las potentes bibliotecas de Fiji, como ImgLib, en grandes conjuntos de datos de bioimágenes
• Implemente su aplicación y colabore con otros científicos en proyectos similares

Formato del curso

• Charla y discusión interactiva.
• Muchos ejercicios y práctica.
• Implementación práctica en un entorno de laboratorio en vivo.

Opciones de personalización del curso

• Para solicitar una formación personalizada para este curso, póngase en contacto con nosotros para concertarlo.

Marvin es un marco extensible, multiplataforma, de código abierto de imagen y procesamiento de vídeo desarrollado en Java.   los desarrolladores pueden utilizar Marvin para manipular imágenes, extraer entidades de imágenes para tareas de clasificación, generar figuras algorítmicamente, procesar datasets de archivos de vídeo y configurar la automatización de pruebas unitarias.

algunas de las aplicaciones de vídeo de Marvin & #39; s incluyen filtrado, realidad aumentada, seguimiento de objetos y detección de movimiento.

en este curso de instructor, los participantes en vivo aprenderán los principios de la imagen y el análisis de vídeo y utilizarán Marvin Framework y sus algoritmos de procesamiento de imágenes para construir su propia aplicación.

formato de la del curso

• se introducen por primera vez los principios básicos de análisis de imágenes, análisis de vídeo y Marvin Framework. A los estudiantes se les dan tareas basadas en proyectos que les permiten practicar los conceptos aprendidos. Al final de la clase, los participantes han desarrollado su propia aplicación utilizando Marvin Framework y bibliotecas.

PaddlePaddle (PArallel Distributed Deep LEarning) es una plataforma de aprendizaje profundo escalable desarrollada por Baidu En este entrenamiento en vivo instruido, los participantes aprenderán a usar PaddlePaddle para permitir el aprendizaje profundo en sus aplicaciones de productos y servicios Al final de esta capacitación, los participantes podrán: Configurar y configurar PaddlePaddle Configurar una red neuronal convolucional (CNN) para el reconocimiento de imágenes y la detección de objetos Configurar una Red Neuronal Recurrente (RNN) para el análisis de sentimientos Establecer un aprendizaje profundo sobre los sistemas de recomendación para ayudar a los usuarios a encontrar respuestas Predecir porcentajes de clics (CTR), clasificar conjuntos de imágenes a gran escala, realizar reconocimiento óptico de caracteres (OCR), buscar rangos, detectar virus informáticos e implementar un sistema de recomendaciones Audiencia Desarrolladores Científicos de datos Formato del curso Conferencia de parte, parte de discusión, ejercicios y práctica manual .

Scilab es un lenguaje de alto nivel bien desarrollado, gratuito y de código abierto para la manipulación de datos científicos. Utilizado para estadísticas, gráficos y animación, simulación, procesamiento de señales, física, optimización y más, su estructura de datos central es la matriz, lo que simplifica muchos tipos de problemas en comparación con alternativas como FORTRAN y derivados de C. Es compatible con lenguajes como C, Java y Python, por lo que es adecuado para su uso como complemento de los sistemas existentes.

En esta capacitación dirigida por un instructor, los participantes aprenderán las ventajas de Scilab en comparación con alternativas como Matlab, los conceptos básicos de la sintaxis Scilab, así como algunas funciones avanzadas, y la interfaz con otros lenguajes ampliamente utilizados, según la demanda. El curso concluirá con un breve proyecto centrado en el procesamiento de imágenes.

Al final de esta formación, los participantes tendrán una comprensión de las funciones básicas y algunas funciones avanzadas de Scilab, y tendrán los recursos para seguir ampliando sus conocimientos.

Audiencia

• Científicos e ingenieros de datos, especialmente con interés en el procesamiento de imágenes y el reconocimiento facial

Formato del curso

• Parte conferencia, parte discusión, ejercicios y práctica intensiva, con un proyecto final

Esta capacitación en vivo dirigida por un instructor en España (en línea o presencial) proporciona una introducción al campo del reconocimiento de patrones y el aprendizaje automático. Aborda aplicaciones prácticas en estadística, informática, procesamiento de señales, visión artificial, minería de datos y bioinformática.

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

• Aplicar métodos estadísticos básicos al reconocimiento de patrones.
• Utilice modelos clave como redes neuronales y métodos de kernel para el análisis de datos.
• Implementar técnicas avanzadas para la resolución de problemas complejos.
• Mejore la precisión de la predicción mediante la combinación de diferentes modelos.