Programa del Curso

Introducción

Descripción general de las Languages, herramientas y bibliotecas necesarias para acelerar una aplicación de Computer Vision

Configuración OpenVINO

Descripción general de OpenVINO Toolkit y sus componentes

Descripción de la aceleración del aprendizaje profundo GPU y FPGA

Escribir software que se dirija a FPGA

Conversión de un formato de modelo para un motor de inferencia

Mapeo de topologías de red en la arquitectura FPGA

Uso de una pila de aceleración para habilitar un clúster de FPGA

Configuración de una aplicación para descubrir un acelerador de FPGA

Implementación de la aplicación para el reconocimiento de imágenes del mundo real

Solución de problemas

Resumen y conclusión

Requerimientos

  • Python Experiencia en programación
  • Experiencia con pandas y scikit-learn
  • Experiencia con aprendizaje profundo y visión artificial

Audiencia

  • Científicos de datos
 35 horas

Número de participantes



Precio por participante

Testimonios (5)

Cursos Relacionados

Redes Neuronales Artificiales, Aprendizaje Automático y Pensamiento Profundo

21 horas

Introducción al Aprendizaje Profundo

21 horas

Aprendizaje Profundo (Deep Learning) Avanzado

28 horas

Aprendizaje Profundo para la Visión con Caffe

21 horas

Aprendizaje Profundo para Vision

21 horas

Inteligencia Artificial en Automoción

14 horas

Aprendizaje Automático y Aprendizaje Profundo

21 horas

OpenNN: Implementación de Redes Neuronales

14 horas

OpenNMT: Implementing a Neural Machine Translation solution

7 horas

Introducción a Aprendizaje Profundo y Redes Neuronales Ingeniería

21 horas

Curso de PaddlePaddle

21 horas

OpenFace: Creación de Sistemas de Reconocimiento Facial

14 horas

Python para el Aprendizaje Automático Avanzado

21 horas

Aprendizaje Automático Avanzado con R

21 horas

Matlab para el Aprendizaje Profundo

14 horas

Categorías Relacionadas