Mesterséges Intelligencia – képfelismerés 1-2.

Current Status
Not Enrolled
Price
Closed
Get Started
This course is currently closed

Kurzus ismertetője

A kurzusban elkezdheted az ismerkedést a mesterséges intelligencia deep learning ágának egyik legsikeresebb alkalmazásával: a képfelismeréssel. Akár a munkádban használnád, akár csak szeretnéd érteni, hogy a téged körülvevő világban az önvezető autók hogyan látnak vagy az orvosi diagnoszikában hogyan segíti az orvosokat.

A kurzus célja: Mindenki számára könnyen érthető módon elmagyarázni a képfelismerő gépi tanulás működésének alapjait. A téma iránt érdeklődőket végigvezetni a kezdő lépésektől, a konvolúciós neurális hálók működésének bemutatásán át a transfer learning (áttanítás) technikáig. És el fogunk jutni oda is, hogy akár egy ilyen technikát használó tudományos publikáció alap logikáját is megértsd! Nem kell hozzá Phd vagy agytudósnak lenni,

ennek benne kéne lennie már az új NAT-ban és az érettségiben…


Mire leszel képes ha elvégzed a kurzust?

  • Megérted, hogy az MI tudása nagyban függ attól, hogy milyen képeket mutatsz neki. Az iparban a minőségellenőrzéshez, a mezőgazdaságban a gaz felismeréshez, az orvoslásban a rák felismeréséhez UGYANARRA az alap logikára épülő tanító algoritmust kell használni, csak tőled függ (az adataidtól), hogy mire tanítod.
  • Saját képfelismerőt készíteni a saját képeiddel a Microsoft customvision szolgáltatás segítségével. Az alap logikát megértve pedig könnyen használatba tudsz venni más keretrendszereket is!
  • Megismerkedsz a kutatók és AI szakemberek által használt Transfer Learning (áttanítás) technikával.

Mit jelent a képfelismerés?

A képfelismerés azt jelenti, hogy előre meghatározott dolgok közül a gép meg tudja mondani, hogy melyiket látja a fotón. Pontosabb a kép kategorizálás (image classification) elnevezést használni. Elárulok egy titkot: ha valamilyen jelet (pl. hangot, rezgést, stb) át tudsz alakítani képé, akkor ott is működhet!

Részlet az áttekintő videóból, nézz bele!

Hol lehet használni?

Minden olyan helyen, ahol arra van szükség, hogy a gép fel tudja ismerni, be tudja kategorizálni a feltöltött fotót, vagy a kamerán keresztül látott képet.

Agrár

Precíziós mezőgazdaság

Felismerheti egy növény betegségét egy mobilalkalmazás, a permetezőgép csak a gyomot szórja be.

Ipar – gyártás

Ipar 4.0

Egy gyárban képes lehet szortírozásra, minőség ellenőrzésre.

Mobil alkalmazás

AI app

A fotó alkalmazás felismeri, hogy arcképet, vagy tájat fotóznának. Egy horgász napló felismerheti a hal fajtákat. Egy kalóriaszámláló az ételeket.

Kereskedelem

Áru azonasítás

Vizuális képkeresővel az azonosító nélküli áruk felismerhetők.

Biztonságtechnika

Smart Camera

A kamerán látható helyzet felismerése és osztályozása.

Látássérültek

Digital healthcare

Egy mobil alkalmazás vagy szemüvegbe épített tárgyfelismerő kamera segítségével kibővülhet a tevékenységük köre.

Miről fogsz tanulni?

0. Bevezető

Pontosítjuk a képfelismerés fogalmát. Megnézzük, hogy miért lehet szükség arra, hogy sajátot tanítsunk .

Áttekintjük a módszereket a felhő szolgáltatásoktól a neurális hálók tanításáig.

1. Szolgáltatás

Végig nézzük lépésről lépésre a customvision.ai segítségével történő tanítás folyamatát, a tanító képek elkészítésétől a prototípus mobil telefonon történő kipróbálásáig.

Meg fogod érteni, hogy hogyan mérhető egy képfelismerő teljesítménye és hogyan függ a tanító képektől.

2. Transfer learning

Megismerkedünk a transfer learning elméletével, majd kipróbáljuk egy grafikus felületű adatbányász eszköz segítségével.

Végül megnézzük, hogy egy Kaggle kutya-macska megkülönböztetés datascience versenyen hol végeznénk a mezőnyben.

Képek a térben

Egy képfelismerő felbontható logikailag két részre. Az első fele a képeket elhelyezi a térben úgy, hogy a hasonlók egy helyre kerüljenek, a második része pedig behúz közéjük egy elválasztó síkot. Megnézzük, hogy hogyan is csinálja ezt.
Ugye, hogy nem kell hozzá agytudósnak lenni?

Neuronok excelben

Egy betanított mesterséges neuron működése nagyon egyszerű, némi szorzás, összeadás a negatív számok 0-ra kerekítése. Meg is nézzük, hogy akár egy táblázatkezelőben is kiszámolhatnánk egy alap képfelismerő kimenetét.

Tudományos publikáció

Bónuszként megmutatom, hogy tudományos publikációkban is használják az áttanítás technikát. Például virágfajtákat ismernek fel vele, vagy fogaskerekek rezgéseiről készült grafikonokat mint képeket kategorizálnak, hogy megállapítsák milyen hibájuk van.
(Az ismertetett publikációk angol nyelvűek.)

Egyéni vásárló
19 990Ft
  • Online megtekinthető videók
  • (0% ÁFA-s alanyi adómentes összeg)
Csoportos vásárlás
Munkavállalóidnak, tanulóidnak
akár

9 995Ft

/fő

  • 1 főnél: 19 990Ft
  • 2 főnél már 25%
  • 10 főtől 50% kedvezmény
  • (0% ÁFA-s alanyi adómentes összeg)

Hogyan érem el a tananyagot?
Ez egy online kurzus. Elsősorban videókból áll! Az internet böngésződben a mittanuljak.hu oldalra belépve tudod megnézni a videókat és elolvasni az esetleges szöveges információkat.

Mobilon is elérhető?
Az anyagot mobil telefonon is meg tudod nézni. A bemutatott alkalmazások használatához egy laptopra vagy asztali gépre is szükséged lesz.

Horváth János

Oktató

Budapesti Műszaki és Gazdaságtudományi Egyetemen végzett informatikus mérnök. 18 év webes tapasztalat (fejlesztés, tanácsadás, UX) után 4 éve foglalkozik mesterséges intelligenciával, gépi tanulással.