Featured image

Irudien tratamendurako Deep Learning

Prestakuntza programa hau ikaskuntza sakonaren arloan edo Deep Learning (DL) arloan ezagutzak hartu nahi dituzten enpresa teknikarientzat, ikerketa zentroetako teknikarientzat eta lanbide heziketako irakasleentzat diseinatu da.

Industrian, askotariko problemak ebazteko erabiltzen da IA, hala nola fabrikazioko akatsak atzemateko, hornidura-katearen optimizaziorako, eskaeraren aurreikuspenerako eta energia-eraginkortasunaren hobekuntzarako. Gainera, IA produktuen eta zerbitzuen kalitatea hobetzeko erabiltzen da, eta horrek bezeroaren gogobetetasuna eta markarekiko leialtasuna areagotu ditzake. Enpresei ere lagundu diezaieke beren eragiketak optimizatzen eta karbono-aztarna murrizten, bai eta IA moduluena ere. 

Ikasturtean zehar, ikaskuntza sakonean edo Deep Learningean oinarritutako tekniken gaineko prestakuntza teorikoa eta praktikoa emanen da. Gai hauek jorratuko dira:: 

  • Ikaskuntza sakon gainbegiratua: Konboluzio-sareak (CNN) irudiak sailkatzeko, segmentatzeko, objektu eta sare errepikariak detektatzeko.
  • Ikaskuntza sakona, ez gainbegiratua: Autoencoder-ak, aurkako sareak eta irregulartasunak atzematea.
  • Ikaskuntza sakoneko moduluen hedapena (hardware dedikatua edo Edge Computing).
  • IAren karbono-aztarna minimizatzeko teknikak

Programa 

1. Deep Learning Gainbegiratua irudiak sailkatu eta segmentatzeko

  • Irudiak sailkatzeko konboluzio-sareak (CNN)
  • Segmentazioa
  • Objektuak detektatzea
  • Sare errepikariak

2. Deep Learning ez-gainbegiratua

  • Autoenkoder-ak
  • Kontrako sareak
  • Irregulartasunak detektatzea

3. Kasu praktikoak industrian

  • Industrian DL soluzioa ezartzeko metodologia
  • Edge Computing-en inplementazioa (Nvidia Jetson)
  • IAren karbono-aztarna minimizatzeko teknikak

Iraupena

  • Maiatzak 21 eta 22 (2 egun guztira) 
  • 9:00tatik 14:00tara (5 ordu egunean, 10 ordu guztira)  

Aurre-baldintzak

  • Aldez aurretik Python programazio-lengoaiak ezagutu behar dira. Eta oinarrizko Machine Learning ezagutzea komeni da.