AI i Blender: Uczenie Maszynowe i Reprezentowanie Scen jako Neuronowych Pól Promieniujących NeRF w Blenderze – Kurs
AI i Blender: Uczenie Maszynowe i Reprezentowanie Scen jako Neuronowych Pól Promieniujących NeRF w Blenderze – Kurs
Informacje podstawowe
Informacje podstawowe
- KategoriaInformatyka i telekomunikacja / Projektowanie graficzne i wspomagane komputerowo
- Sposób dofinansowaniawsparcie dla pracodawców i ich pracowników
- Grupa docelowa usługi
Przedsiębiorstwa związane z takimi dziedzinami jak rzemiosło, inżynieria, nauka, grafika, produkcja gier i filmów, reklama, architektura i urbanistyka, projektowanie oraz wizualizacja 3D i technologie wizji komputerowej. Kurs obejmuje szeroki zakres dziedzin, w tym:
Grafika, Animacja,
Gry wideo i symulacje,
Produkcja filmowa i telewizyjna,
Rozszerzona i wirtualna rzeczywistość,
Architektura i urbanistyka,
Projektowanie wnętrz,
Druk 3D,
Projektowanie produktów i wzornictwo przemysłowe,
Sztuka cyfrowa i e-sztuka,
Estetyka nowej generacji i NFT,
Przetwarzanie i analiza danych,
Rzemiosło. - Minimalna liczba uczestników5
- Maksymalna liczba uczestników12
- Data zakończenia rekrutacji19-05-2024
- Forma prowadzenia usługistacjonarna
- Liczba godzin usługi30
- Podstawa uzyskania wpisu do BURAkredytacja Centrów Egzaminacyjnych ECDL
Cel
Cel
Cel edukacyjny
Kurs przygotuje do samodzielnego działania w zakresie tworzenia datasetów z wideo lub zdjęć przy użyciu technologii NeRF (Neuronowych Pól Promieniujących) w ramach procesu uczenia maszynowego Sztucznej Inteligencji i trenowania własnych modeli AI, ich obróbki, eksportu do Blendera w formacie 3D, a następnie dalszej obróbki, w celu stworzenia finalnego renderu, który może być publikowany jako 'dokumentacja neuronowa' (NeRF) lub w innych formatach cyfrowych.Efekty uczenia się oraz kryteria weryfikacji ich osiągnięcia i Metody walidacji
Efekty uczenia się | Kryteria weryfikacji | Metoda walidacji |
---|---|---|
Efekty uczenia się Definiuje wymagany skrypt Python | Kryteria weryfikacji Omawia zasady wymaganego skryptu Python | Metoda walidacji Wywiad swobodny |
Kryteria weryfikacji Sprawdza stan skryptu, uruchamia proces instalacji | Metoda walidacji Obserwacja w warunkach rzeczywistych | |
Efekty uczenia się Stosuje metodę uruchomienia Nvidia NGP | Kryteria weryfikacji Omawia metodę uruchomienia Nvidia NGP | Metoda walidacji Wywiad swobodny |
Kryteria weryfikacji Sprawdza stan uruchomienia Nvidia NGP | Metoda walidacji Obserwacja w warunkach rzeczywistych | |
Efekty uczenia się Rozróżnia teoretyczne podstawy technologii NeRF (Neuronowych Pól Promieniowania) w kontekście uczenia maszynowego sztucznej inteligencji. | Kryteria weryfikacji Omawia teoretyczne podstawy technologii NeRF (Neuronowych Pól Promieniowania) w kontekście uczenia maszynowego sztucznej inteligencji. | Metoda walidacji Wywiad swobodny |
Efekty uczenia się Obsługuje wymagany skrypt Python | Kryteria weryfikacji Tworzy środowisko wymaganego skryptu Python | Metoda walidacji Obserwacja w warunkach symulowanych |
Metoda walidacji Obserwacja w warunkach rzeczywistych | ||
Efekty uczenia się Tworzy dataset (zbior danych składających się z wideo lub zdjęć) za pomocą technologii NeRF (Neuronowych Pól Promieniowania) w ramach procesu uczenia maszynowego Sztucznej Inteligencji, z podglądem w Nvidia NGP (Nvidia Neural Graphics Primitives, narzędzie do generowania grafiki technikami AI). | Kryteria weryfikacji Tworzy elementy datasetu (zbioru danych składającego się z wideo lub zdjęć) za pomocą technologii NeRF (Neuronowych Pól Promieniowania) w ramach procesu uczenia maszynowego Sztucznej Inteligencji, z podglądem w Nvidia NGP (Nvidia Neural Graphics Primitives, narzędzie do generowania grafiki technikami AI). | Metoda walidacji Obserwacja w warunkach rzeczywistych |
Kryteria weryfikacji Umieszcza w projekcie elementy datasetu (zbioru danych składającego się z wideo lub zdjęć) za pomocą technologii NeRF (Neuronowych Pól Promieniowania) w ramach procesu uczenia maszynowego Sztucznej Inteligencji, z podglądem w Nvidia NGP (Nvidia Neural Graphics Primitives, narzędzie do generowania grafiki technikami AI). | Metoda walidacji Obserwacja w warunkach rzeczywistych | |
Efekty uczenia się Wykorzystuje dataset do trenowania modelu AI z użyciem technologii Nvidia NGP | Kryteria weryfikacji Umieszcza dataset do trenowania modelu AI z użyciem technologii Nvidia NGP | Metoda walidacji Prezentacja |
Metoda walidacji Obserwacja w warunkach rzeczywistych | ||
Kryteria weryfikacji Trenuje model AI z użyciem technologii Nvidia NGP, | Metoda walidacji Obserwacja w warunkach rzeczywistych | |
Efekty uczenia się Czyści wytrenowany modeli AI, eksploruje do Blendera w formacie modelu 3D | Kryteria weryfikacji Czyści wytrenowany modeli, eksploruje do Blendera w formacie modelu 3D | Metoda walidacji Obserwacja w warunkach rzeczywistych |
Efekty uczenia się Obrabia model 3D w Blenderze, ustawia materiał, aby zachować kolor obiektu. | Kryteria weryfikacji Obrabia model 3D w Blenderze, ustawia materiał, aby zachować kolor obiektu. | Metoda walidacji Obserwacja w warunkach rzeczywistych |
Efekty uczenia się Tworzy Retopologię modelu 3D, Bake koloru z modelu 3D na nowy model — do tekstury, tworzy mapy PBR dla modelu z bazowej tekstury — Roughness, Metallicness, Ambient, Occlusion, Importuje dodatkowe obiekty, buduje proste sceny, Finalny Render | Kryteria weryfikacji Tworzy retopologię modelu 3D, Bake koloru z modelu 3D na nowy model — do tekstury, tworzy mapy PBR dla modelu z bazowej tekstury — Roughness, Metallicness, Ambient, Occlusion, Importuje dodatkowe obiekty, buduje proste sceny, Wytwarza finalny Render | Metoda walidacji Prezentacja |
Metoda walidacji Obserwacja w warunkach rzeczywistych | ||
Efekty uczenia się Rozwiązuje samodzielnie problem w warunkach niepewności. | Kryteria weryfikacji Charakteryzuje rozwiązanie problemu w warunkach niepewności. | Metoda walidacji Wywiad ustrukturyzowany |
Efekty uczenia się Tworzy etycznie dataset (zbiór danych składających się z wideo lub zdjęć) za pomocą technologii NeRF (Neuronowych Pól Promieniowania) w ramach procesu uczenia maszynowego Sztucznej Inteligencji, z podglądem w Nvidia NGP | Kryteria weryfikacji Omawia aspekty etyczne w tworzeniu datasetu (zbioru danych składającego się z wideo lub zdjęć) za pomocą technologii NeRF (Neuronowych Pól Promieniowania) w ramach procesu uczenia maszynowego Sztucznej Inteligencji, z podglądem w Nvidia NGP | Metoda walidacji Wywiad swobodny |
Efekty uczenia się Wykorzystuje etycznie dataset do trenowania modelu AI z użyciem technologii Nvidia NGP | Kryteria weryfikacji Omawia aspekt etyczny w wykorzystaniu datasetu do trenowania modelu AI z użyciem technologii Nvidia NGP | Metoda walidacji Wywiad ustrukturyzowany |
Kwalifikacje i kompetencje
Kwalifikacje
Kompetencje
Usługa prowadzi do nabycia kompetencji.Warunki uznania kompetencji
Program
Program
Program usługi szkoleniowej:
- Obsługa wymaganego skryptu Python, uruchomienie Nvidia NGP oraz wprowadzenie do teoretycznych podstaw technologii NeRF (Neuronowych Pól Promieniowania) w kontekście uczenia maszynowego sztucznej inteligencji.
- Stworzenie pierwszego datasetu (zbioru danych składającego się z wideo lub zdjęć) za pomocą technologii NeRF (Neuronowych Pól Promieniowania) w ramach procesu uczenia maszynowego Sztucznej Inteligencji, z podglądem w Nvidia NGP (Nvidia Neural Graphics Primitives, narzędzie do generowania grafiki technikami AI).
- Wykorzystanie datasetu do trenowania modelu AI z użyciem technologii Nvidia NGP, czyszczenie, eksport do Blendera w formacie modelu 3D
- Obróbka modelu 3D w Blenderze,
- Obróbka modelu 3D w Blenderze ciąg dalszy, ustawienie materiału, aby zachować kolor obiektu
- Retopologia modelu 3D
- Bake koloru z modelu 3D na nowy model — do tekstury
- Tworzenie map PBR dla modelu z bazowej tekstury — Roughness, Metallicness, Ambient, Occlusion
- Import dodatkowych obiektów, budowa prostej sceny
- Finalny Render
- Walidacja
Harmonogram
Harmonogram
Przedmiot / temat zajęć | Prowadzący | Data realizacji zajęć | Godzina rozpoczęcia | Godzina zakończenia | Liczba godzin |
---|---|---|---|---|---|
Przedmiot / temat zajęć 1 z 11 1. Obsługa wymaganego skryptu Python, uruchomienie Nvidia NGP oraz wprowadzenie do teoretycznych podstaw technologii NeRF (Neuronowych Pól Promieniowania) w kontekście uczenia maszynowego AI | Prowadzący Jan Vetulani | Data realizacji zajęć 20-05-2024 | Godzina rozpoczęcia 09:30 | Godzina zakończenia 12:30 | Liczba godzin 03:00 |
Przedmiot / temat zajęć 2 z 11 2. Stworzenie pierwszego datasetu (zbioru danych składającego się z wideo lub zdjęć) za pomocą technologii NeRF w ramach procesu uczenia maszynowego Sztucznej Inteligencji, z podglądem w Nvidia NGP | Prowadzący Jan Vetulani | Data realizacji zajęć 21-05-2024 | Godzina rozpoczęcia 13:00 | Godzina zakończenia 16:00 | Liczba godzin 03:00 |
Przedmiot / temat zajęć 3 z 11 3. Wykorzystanie datasetu do trenowania modelu AI z użyciem technologii Nvidia NGP, czyszczenie, eksport do Blendera w formacie modelu 3D | Prowadzący Jan Vetulani | Data realizacji zajęć 22-05-2024 | Godzina rozpoczęcia 09:30 | Godzina zakończenia 12:30 | Liczba godzin 03:00 |
Przedmiot / temat zajęć 4 z 11 4. Obróbka modelu 3D w Blenderze | Prowadzący Jan Vetulani | Data realizacji zajęć 24-05-2024 | Godzina rozpoczęcia 13:00 | Godzina zakończenia 16:00 | Liczba godzin 03:00 |
Przedmiot / temat zajęć 5 z 11 5. Obróbka modelu 3D w Blenderze ciąg dalszy, ustawienie materiału, aby zachować kolor obiektu | Prowadzący Jan Vetulani | Data realizacji zajęć 27-05-2024 | Godzina rozpoczęcia 18:00 | Godzina zakończenia 21:00 | Liczba godzin 03:00 |
Przedmiot / temat zajęć 6 z 11 6. Retopologia modelu 3D | Prowadzący Jan Vetulani | Data realizacji zajęć 29-05-2024 | Godzina rozpoczęcia 18:00 | Godzina zakończenia 21:00 | Liczba godzin 03:00 |
Przedmiot / temat zajęć 7 z 11 7. Bake koloru z modelu 3D na nowy model — do tekstury | Prowadzący Jan Vetulani | Data realizacji zajęć 31-05-2024 | Godzina rozpoczęcia 18:00 | Godzina zakończenia 21:00 | Liczba godzin 03:00 |
Przedmiot / temat zajęć 8 z 11 8. Tworzenie map PBR dla modelu z bazowej tekstury — Roughness, Metallicness, Ambient, Occlusion | Prowadzący Jan Vetulani | Data realizacji zajęć 03-06-2024 | Godzina rozpoczęcia 18:00 | Godzina zakończenia 21:00 | Liczba godzin 03:00 |
Przedmiot / temat zajęć 9 z 11 9. Import dodatkowych obiektów, budowa prostej sceny | Prowadzący Jan Vetulani | Data realizacji zajęć 05-06-2024 | Godzina rozpoczęcia 18:00 | Godzina zakończenia 21:00 | Liczba godzin 03:00 |
Przedmiot / temat zajęć 10 z 11 10. Finalny Render | Prowadzący Jan Vetulani | Data realizacji zajęć 07-06-2024 | Godzina rozpoczęcia 18:00 | Godzina zakończenia 20:00 | Liczba godzin 02:00 |
Przedmiot / temat zajęć 11 z 11 11. Walidacja | Prowadzący - | Data realizacji zajęć 07-06-2024 | Godzina rozpoczęcia 20:30 | Godzina zakończenia 21:30 | Liczba godzin 01:00 |
Cena
Cena
Cennik
- Rodzaj cenyCena
- Koszt usługi brutto5 714,00 PLN
- Koszt usługi netto5 714,00 PLN
- Koszt godziny brutto190,47 PLN
- Koszt godziny netto190,47 PLN
Prowadzący
Prowadzący
Jan Vetulani
3D/2D Generalist/Technical Artist/Game Designer. Ponad 19 lat dośw. w grafice 3D (13 lat zawodowo).
Specjalizacje: Model. Hard Surface/Organic, Roślinność, High/Low Poly/Sculpting, Retopologia, Teksturowanie, Riggowanie/Skinning, Char. Design, Animacja, Tworzenie Shaderów, Gier/Aplikacji mob. i desktop, Scen/oświetlenia, char. controllers/IK, Level Design, Unity C#.
Oprogramowanie: Nvidia NGP (Nvidia Neural Graphics Primitives, Blender 3D, Unity (Shaderforge, Amplify Shader Editor, Shadergraph), Gimp/Inkscape/Krita, Spark AR Studio, VS Code.
Edukacja: Filozofia, Uniwersytet Śląski (2006-2011).
Pasja: Grafika komp. od 1994, Deluxe Paint na Amiga, od 1997 Corel 7/8 Dream 3D.
Współpraca: 3R Games (03.2011-05.2020), potem Art Director/Art Lead w BlueKey.
Dośw.: Senior Graphics Artist, od 2016 Art Director w 3R Games/StudioZ. Prowadziła zajęcia z grafiki 3D (gamedev/archviz), Animacji 3D na festiwalu Animator 2015, wykładowczyni w Collegium Da Vinci do 2016, od 2023 NVIDIA NGP AI i Blender w Fundacji Kozera.
W 3R Games kierowała zespołem grafików, tworzeniem gier/aplikacji AR/VR na platformy mob. i stacjonarne w Unity, Thief Simulator na Oculus Quest 1/2. W BlueKey: projektowanie shaderów, budowanie leveli, rigging, zarządzanie zespołem grafików, praca nad grą Rooms of Realities.
Informacje dodatkowe
Informacje dodatkowe
Informacje o materiałach dla uczestników usługi
Dostawca Usług zapewnia warunki organizacyjne wraz z niezbędnymi materiałami do realizacji szkolenia
Informacje dodatkowe
Uczestników szkolenia informuje się o możliwości uczestnictwa w dodatkowych szkoleniach, które poszerzą ich wiedzę lub umożliwią zdobycie nowych kwalifikacji. Organizator przekazuje te informacje podczas spotkań osobistych, rozmów telefonicznych lub za pośrednictwem poczty elektronicznej.
Należy zaznaczyć, że organizator zastrzega sobie prawo do odwołania realizacji usługi, jeżeli liczba zarejestrowanych uczestników jest mniejsza niż 5.
Adres
Adres
Udogodnienia w miejscu realizacji usługi
- Klimatyzacja
- Wi-fi
- Laboratorium komputerowe