Embedded Sistemlerde Yapay Zeka Uygulamaları

6.225

12 adet stokta

Bu eğitim, otonom, robot, iha (drone) ve güvenlik sistemlerindeki kamera görüntülerinin NVIDIA Jetson TX1/TX2/TX2i/Xavier platformu ile gerçek zamanlı tanıma işlemini yapmak isteyen katılımcılar için hazırlanmıştır. Eğitim detayı açıklamalarda yer almaktadır.

Tarih: Firma ve kurum talebi ile açılmaktadır.
Süre: 12 saat (2 Gün)
Yer: Bilkent Cyberpark E Blok (Open Zeka Ofisi) /Ankara
Kontenjan: 12 kişi

Dilerseniz OpenZeka Otonom Sistemlerde Yapay Zeka Uygulamaları eğitimine katılabilirsiniz.

12 adet stokta

Garanti: 2 Yıl

Stok kodu: J1000 Kategoriler: Etiketler: ,

Açıklama

Bu eğitimi aldıktan sonra Jetson kullanarak kameradan aldığınız görüntüleri gerçek zamanlı tanımlayabileceksiniz. Özellikle derin öğrenme uygulamaları konusunda tecrübe kazanmak ve akademik çalışma yapmak isteyenler için kaçırılmayacak bir eğitim. 

Bu eğitim için ön gereklilik: Görüntü İşleme için Derin Öğrenmenin Temelleri (Bu eğitim NVIDIA Sertifikalı bir eğitim olup, derin öğrenmenin temelleri konusunda tecrübe kazanmanızı hedeflemektedir. Eğer derin öğrenme konusunda tecrübeniz varsa bu eğitime katılmayabilirsiniz.)

EĞİTİM İÇERİĞİ

  1. Jetson: En Uçta Yapay Zeka Uygulamalarına Giriş
  2. Derin Öğrenme için Yerel Bilgisayarın Hazırlanması (Yazılım Kurulumları)
    Eğitime katılanlara bulut üzerinde derin öğrenme hazır GPU’lu makineler tahsis edilmektedir. Katılımcılar bu eğitim altyapısı için gerekli kurulumları eğitim sonrasında kendi bilgisayarlarına uygulayabilirler.
  3. Jetson’ın Yapay Zeka Uygulamalarına Hazırlanması (Yazılım Kurulumları)
  4. ImageNet ile Resim Sınıflandırma
    1. Jetson’da Konsole Programı Kullanımı
    2. Canlı Kamera Demolarını Çalıştırma
    3. DIGITS ile Derin Öğrenme Ağını Tekrar Eğitme
    4. Resim Tanıma Veri Setini İndirme
    5. Nesne Sınıflarını Özelleştirme
    6. Sınıflandırma Veri Setini DIGITS İçine Alma
    7. DIGITS ile Görüntü Sınıflandırma Modeli Oluşturma
    8. DIGITS’te Sınıflandırma Modelinin Test Edilmesi
    9. Modelin Anlık Kopyasını Jetson’a İndirme
    10. Eğitilen Modellerin Jetson’da Çalıştırılması
  5. DetectNet Kullanarak Nesne Koordinatlarını Bulma
    1. DIGITS’te Nesne Tespiti Verisi Formatı
    2. Nesne Tespiti Veri Setini İndirme
    3. Nesne Tespiti Veri Setini DIGITS İçine Alma
    4. DIGITS ile DetectNet Modeli Oluşturma
    5. DIGITS’te DetectNet Model Çıkarımını Test Etme
    6. Modelin Anlık Kopyasını Jetson’a İndirme
    7. TensorRT için DetectNet Yamaları (Ağ Düzenlemesi)
    8. Jetson’da Komut Satırından Görüntü İşleme (Eğitilen Modellerin Çalıştırılması)
    9. Çok-sınıflı Nesne Tespiti Modelleri
    10. Jetson’da Canlı Kamera Nesne Tespiti Demosunu Çalıştırma
  6. SegNet ile Görüntü Segmentasyonu
    1. Havadan Drone ile Oluşturulmuş Veri Setini İndirme
    2. Hava Veri Setini DIGITS İçine Alma
    3. Önceden Eğitilmiş AlexNet Modelinden Tam Evrişimli Alexnet (FCN-Alexnet) Modeli Üretilmesi
    4. DIGITS ile FCN-Alexnet Eğitimi
    5. DIGITS’te Çıkarım Modelinin Test Edilmesi
    6. TensorRT için FCN-Alexnet Yamaları (Ağ Düzenlemesi)
    7. Jetson’da Segmentasyon Modellerini Çalıştırma