Deep Learning w praktyce: zastosowania w wizji komputerowej (weekendowy)
Deep Learning w praktyce: zastosowania w wizji komputerowej (weekendowy)
Informacje podstawowe
Informacje podstawowe
- KategoriaInformatyka i telekomunikacja / Programowanie
- Grupa docelowa usługi
Szkolenie obejmuje zaawansowane techniki i architektury sieci neuronowych stosowane w zadaniach wizji komputerowej. Uczestnicy szkolenia poznają nowoczesne modele, takie jak splotowe sieci neuronowe (CNN) i sieci Transformer w problemach segmentacji obrazów, detekcji obiektów, a także generowania obrazów i analizy wideo. Szkolenie skupia się na aplikacjach przemysłowych z wykorzystaniem najnowszych technologii, takich jak PyTorch.
- Minimalna liczba uczestników4
- Maksymalna liczba uczestników10
- Data zakończenia rekrutacji01-12-2025
- Forma prowadzenia usługizdalna w czasie rzeczywistym
- Liczba godzin usługi16
- Podstawa uzyskania wpisu do BURCertyfikat systemu zarządzania jakością wg. ISO 9001:2015 (PN-EN ISO 9001:2015) - w zakresie usług szkoleniowych
Cel
Cel
Cel edukacyjny
Zgłębienie zaawansowanych architektur sieci neuronowych, takich jak CNN, Transformer i RNN.Zrozumienie metod klasyfikacji, segmentacji, detekcji oraz generowania obrazów.
Opanowanie technik transfer learning i fine-tuningu modeli w praktycznych zastosowaniach.
Zapoznanie się z najnowszymi technologiami przetwarzania wideo z wykorzystaniem modeli głębokiego uczenia.
Wykorzystanie nowoczesnych frameworków, takich jak PyTorch, do implementacji, trenowania i wdrażania modeli.
Efekty uczenia się oraz kryteria weryfikacji ich osiągnięcia i Metody walidacji
Efekty uczenia się | Kryteria weryfikacji | Metoda walidacji |
---|---|---|
Efekty uczenia się Po ukończeniu szkolenia Uczestnicy: Zgłębią zaawansowane architektury sieci neuronowych, takich jak CNN, Transformer i RNN. Zrozumieją metody klasyfikacji, segmentacji, detekcji oraz generowania obrazów. Opanują techniki transfer learning i fine-tuningu modeli w praktycznych zastosowaniach. Zapoznają się z najnowszymi technologiami przetwarzania wideo z wykorzystaniem modeli głębokiego uczenia. Nabędą umiejętność wykorzystania nowoczesnych frameworków, takich jak PyTorch, do implementacji, trenowania i wdrażania modeli. | Kryteria weryfikacji 80% obecności, samodzielna praca podczas warsztatów | Metoda walidacji Obserwacja w warunkach rzeczywistych |
Metoda walidacji Debata swobodna |
Kwalifikacje i kompetencje
Kwalifikacje
Kompetencje
Usługa prowadzi do nabycia kompetencji.Warunki uznania kompetencji
Program
Program
1. Wprowadzenie do uczenia głębokiego w wizji komputerowej
2. Splotowe sieci neuronowe (CNN)
3. Zaawansowane architektury CNN
4. Wprowadzenie do sieci Transformer w wizji komputerowej
5. Transfer wiedzy i dostrajanie modeli wizji komputerowej
6. Segmentacja semantyczna obrazów
7. Detekcja obiektów na obrazach
8. Generowanie i przekształcanie obrazów przy użyciu sieci neuronowych
9. Sieci neuronowe RNN i Transformer w analizie wideo
10. Wdrażanie modeli wizji komputerowej na dużą skalę
Harmonogram
Harmonogram
Przedmiot / temat zajęć | Prowadzący | Data realizacji zajęć | Godzina rozpoczęcia | Godzina zakończenia | Liczba godzin |
---|---|---|---|---|---|
Przedmiot / temat zajęć 1 z 5 Deep Learning w praktyce: zastosowania w wizji komputerowej | Prowadzący Mateusz Wójcik | Data realizacji zajęć 06-12-2025 | Godzina rozpoczęcia 09:00 | Godzina zakończenia 17:00 | Liczba godzin 08:00 |
Przedmiot / temat zajęć 2 z 5 Deep Learning w praktyce: zastosowania w wizji komputerowej | Prowadzący Mateusz Wójcik | Data realizacji zajęć 07-12-2025 | Godzina rozpoczęcia 09:00 | Godzina zakończenia 17:00 | Liczba godzin 08:00 |
Przedmiot / temat zajęć 3 z 5 Deep Learning w praktyce: zastosowania w wizji komputerowej | Prowadzący Mateusz Wójcik | Data realizacji zajęć 13-12-2025 | Godzina rozpoczęcia 09:00 | Godzina zakończenia 17:00 | Liczba godzin 08:00 |
Przedmiot / temat zajęć 4 z 5 Deep Learning w praktyce: zastosowania w wizji komputerowej | Prowadzący Mateusz Wójcik | Data realizacji zajęć 14-12-2025 | Godzina rozpoczęcia 09:00 | Godzina zakończenia 17:00 | Liczba godzin 08:00 |
Przedmiot / temat zajęć 5 z 5 Deep Learning w praktyce: zastosowania w wizji komputerowej | Prowadzący Mateusz Wójcik | Data realizacji zajęć 20-12-2025 | Godzina rozpoczęcia 09:00 | Godzina zakończenia 17:00 | Liczba godzin 08:00 |
Cena
Cena
Cennik
Rodzaj ceny | Cena |
---|---|
Rodzaj ceny Koszt przypadający na 1 uczestnika brutto | Cena 5 842,50 PLN |
Rodzaj ceny Koszt przypadający na 1 uczestnika netto | Cena 4 750,00 PLN |
Rodzaj ceny Koszt osobogodziny brutto | Cena 365,16 PLN |
Rodzaj ceny Koszt osobogodziny netto | Cena 296,88 PLN |
Prowadzący
Prowadzący
Mateusz Wójcik
Informacje dodatkowe
Informacje dodatkowe
Informacje o materiałach dla uczestników usługi
Uczestnik otrzyma certyfikat uczestnictwa z opisem nabytych umiejętności.
Warunki uczestnictwa
Warunkiem uczestnictwa jest dostęp do komputera ze stabilnym łączem internetowym, zainteresowanie tematyką szkolenia.
Informacje dodatkowe
Szkolenie będzie prowadzone zdalnie, w czasie rzeczywistym, na żywo, z trenerem, możliwością zadawania pytań.
Warunki techniczne
Warunki techniczne
szkolenie na platformie zoom, wymagane:
stabilne połączenie internetowe (zalecane min. 10Mbit/s download i 1Mbit/s upload)
przeglądarka internetowa Chrome
zainstalowana aplikacja Zoom App
dobrej jakości słuchawki oraz mikrofon (opcjonalnie) kamera internetowa
link do szkolenia zostanie przesłany uczestnikom przed szkoleniem i będzie aktywny do końca szkolenia.