Gracias por enviar su consulta! Uno de los miembros de nuestro equipo se pondrá en contacto con usted en breve.
Gracias por enviar su reserva! Uno de los miembros de nuestro equipo se pondrá en contacto con usted en breve.
Temario del curso
- Introducción
- Resumen de los lenguajes, herramientas y bibliotecas necesarios para acelerar una aplicación de visión por computadora
- Configuración de OpenVINO
- Descripción general del kit de herramientas OpenVINO y sus componentes
- Comprensión de la aceleración del aprendizaje profundo en GPU y FPGA
- Desarrollo de software dirigido a FPGA
- Conversión del formato de un 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 detectar un acelerador FPGA
- Despliegue de la aplicación para reconocimiento de imágenes en el mundo real
- Resolución de problemas
- Resumen y conclusión
Requerimientos
- Experiencia en programación con Python
- Experiencia con pandas y scikit-learn
- Experiencia en aprendizaje profundo y visión por computadora
Público objetivo
- Científicos de datos
35 Horas