Deep Learning Ikusmen Artifizialerako
Industrian, IA hainbat arazo konpontzeko erabiltzen da, hala nola, fabrikazioan akatsak hautemateko, hornikuntza-katea optimizatzeko, eskaria iragartzeko eta energia-eraginkortasuna hobetzeko. Gainera, IA produktuen eta zerbitzuen kalitatea hobetzeko erabiltzen da, eta horrek bezeroaren gogobetetzea areagotu dezake. Enpresei ere lagundu diezaieke beren eragiketak optimizatzen eta beren karbono-aztarna murrizten, baita IAko moduluena ere.
Ikastaroan zehar ariketa praktikoak egingo dira Python erabiliz.
Nori zuzenduta:
Edozein jarduera-sektoretako profesional teknikoak (laborategiko teknikariak, industria-teknikariak eta -ingeniariak, lanbide-heziketako irakasleak, etab.) Deep Learning bidezko irudien tratamenduaren testuinguru espezifikoaren barruan gaur egungo arazoei aurre egiteko ezagutzak eskuratu nahi dituztenak.
Baldintzak:
-
Programazioari buruzko oinarrizko ezagutzak, batez ere Python-en.
-
Machine Learning-en oinarrizko ezagutzak Python-ekin.
Programa:
-
Programazioa: Programazio-inguruneak (Colab, Jupyter, Nativa) eta Python-en oinarrizko kontzeptuak (Numpy, Pandas, Matplot, …).
-
Deep Learning-erako sarrera: Pytorch, Tensorflow eta Keras-en oinarrizko kontzeptuak, eta erregresioaren eta sailkapenaren oinarrizko kontzeptuak.
-
Deep Learning gainbegiratua: Sare konboluzionalak (CNN) irudiak sailkatzeko, segmentatzeko, objektuak detektatzeko eta sare errepikariak.
-
Deep Learning no-gainbegiratua: Autoencoders, kontrako sareak eta anomalien detekzioa.
-
Deep Learning moduluak hedatzea (hardware dedikatua edo Edge Computing).
-
IAM8 Deep Learning-en karbono-aztarna minimizatzeko teknikak
Datak eta ordutegia:
- Datak: apirilak 8, 11, 15 eta 18 (4 egun guztira)
- Ordutegia: 9:00-14:00 (5 ordu eguneko, 20 ordu guztira)
Modalitatea:
Presentziala: Garaia Enpresa Digitala - Goiru Kalea, 1, 20500 Arrasate, Gipuzkoa
