Apache MXNet Computer Vision mit GluonCV
Das Seminar behandelt den praktischen Einsatz von Apache MXNet in Projekten der Bildverarbeitung. Von vorbereiteten Modellen über Datenaufbereitung bis zur produktionsnahen Inferenz entsteht ein sauberer Arbeitsablauf für Computer-Vision-Anwendungen.
Seminarziel
Vermittelt wird ein belastbarer Einstieg in Bildklassifikation und Fine-Tuning mit MXNet. Nach den drei Tagen stehen saubere Trainings- und Auswertungsabläufe für eigene Bilddaten im Vordergrund.
Zielgruppe
Das Format richtet sich an Fachkräfte aus Data Science, Forschung und Entwicklung, die Bilddaten mit MXNet verarbeiten und bestehende Modelle gezielt anpassen möchten.
Inhalte
- Aufbau typischer Computer-Vision-Pipelines in MXNet
- Arbeit mit vortrainierten Modellen und Transfer Learning
- Datenaufbereitung, Labeling, Augmentation und Qualitätssicherung
- Fine-Tuning von Klassifikationsmodellen für eigene Datensätze
- Bewertung von Modellgüte, Fehlerbildern und Fehlklassifikationen
- Export und Vorbereitung für Inferenzszenarien
Praxisanteil
Die Übungen arbeiten mit Beispielbilddaten und können auf Wunsch auf eigene Datenklassen, Dateiformate und Bewertungsmetriken angepasst werden.
Vorkenntnisse
Sicherer Umgang mit Python und grundlegendes Verständnis von Modelltraining sind sinnvoll. Kenntnisse aus einem MXNet-Grundlagenseminar erleichtern den Einstieg deutlich.
Seminar und Anbieter vergleichen
Öffentliche Schulung
Diese Seminarform ist auch als Präsenzseminar bekannt und bedeutet, dass Sie in unseren Räumlichkeiten von einem Trainer vor Ort geschult werden. Jeder Teilnehmer hat einen Arbeitsplatz mit virtueller Schulungsumgebung. Öffentliche Seminare werden in deutscher Sprache durchgeführt, die Unterlagen sind teilweise in Englisch.
Inhausschulung
Diese Seminarform bietet sich für Unternehmen an, welche gleichzeitig mehrere Teilnehmer gleichzeitig schulen möchten. Der Trainer kommt zu Ihnen ins Haus und unterrichtet in Ihren Räumlichkeiten. Diese Seminare können auf Deutsch – bei Firmenseminaren ist auch Englisch möglich – gebucht werden.
Webinar
Diese Art der Schulung ist geeignet, wenn Sie die Präsenz eines Trainers nicht benötigen, nicht reisen können und über das Internet an einer Schulung teilnehmen möchten.
Fachbereichsleiter / Leiter der Trainer / Ihre Ansprechpartner
-
Lucas Beich
Telefon: + 49 (221) 74740055
E-Mail: lucas.beich@seminar-experts.de -
Paul Goldschmidt
Telefon: + 49 (221) 74740055
E-Mail: paul.goldschmidt@seminar-experts.de
Seminardetails
| Dauer: | 3 Tage ca. 6 h/Tag, Beginn 1. Tag: 10:00 Uhr, weitere Tage: 09:00 Uhr |
| Preis: |
Öffentlich oder Live Stream: € 1.797 zzgl. MwSt. Inhaus: € 5.100 zzgl. MwSt. |
| Teilnehmeranzahl: | min. 2 - max. 8 |
| Teilnehmer: | Data Science, ML-Engineering, Forschung, Entwicklung im Bereich Bildverarbeitung |
| Voraussetzungen: | MXNet-Grundlagen, Python-Kenntnisse, Basiswissen in Modelltraining und Datenaufbereitung |
| Standorte: | Stream Live, Inhaus/Firmenseminar, Berlin, Bremen, Darmstadt, Dresden, Erfurt, Essen, Flensburg, Frankfurt, Freiburg, Friedrichshafen, Hamburg, Hamm, Hannover, Jena, Kassel, Köln, Konstanz, Leipzig, Luxemburg, Magdeburg, Mainz, München, Münster, Nürnberg, Paderborn, Potsdam, Regensburg, Rostock, Stuttgart, Trier, Ulm, Wuppertal, Würzburg |
| Methoden: | Vortrag, Demonstrationen, praktische Übungen mit Bilddaten, Transfer-Learning-Szenarien |
| Seminararten: | Öffentlich, Webinar, Inhaus, Workshop - Alle Seminare mit Trainer vor Ort, Webinar nur wenn ausdrücklich gewünscht |
| Durchführungsgarantie: | ja, ab 2 Teilnehmern |
| Sprache: | Deutsch - bei Firmenseminaren ist auch Englisch möglich |
| Seminarunterlage: | Dokumentation auf Datenträger oder als Download |
| Teilnahmezertifikat: | ja, selbstverständlich |
| Verpflegung: | Kalt- / Warmgetränke, Mittagessen (wahlweise vegetarisch) |
| Support: | 3 Anrufe im Seminarpreis enthalten |
| Barrierefreier Zugang: | an den meisten Standorten verfügbar |
| Weitere Informationen unter + 49 (221) 74740055 |
Seminartermine
Die Ergebnissliste kann durch Anklicken der Überschrift neu sortiert werden.
