Глубокое обучение - это мегатренд в современном инженерном мире, который позволяет решать задачи, ранее относившиеся к классам нерешаемых. На текущий момент существует огромное количество фреймворков и вспомогательных глубокому обучению инструментов.
На семинаре, мы хотели бы показать, как с помощью MATLAB и Deep Learning Toolbox вы можете решать задачи глубокого обучения в два раза быстрее, чем в других программных пакетах.
Мы рассмотрим преимущества MATLAB с разных сторон.
1. Низкий порог входа. Если вы инженер, то скорее всего уже пользовались MATLAB. А если пользовались MATLAB, то освоение глубоких сетей будет несложным и хорошо документированным.
2. В MATLAB есть различные инструменты для автоматизации рутинных задач:
3. Применений технологий глубокого обучения к любым данным. MATLAB является стандартом не только в области обработки изображений или статистического/финансового анализа, но также и в области цифровой обработки сигналов, анализа текстовых данных, системах автоматического управления и других дисциплинах. Это значит, что Deep Learning Toolbox будет работать с любыми данными, которыми вы оперирует в MATLAB, что позволит широкому кругу специалистов начать быстро обучать сети для своих прикладных областей.
4. Перенос обученной сети из MATLAB на любую платформу происходит быстро и безболезненно. Будь то сервер, встраиваемый GPU от NVIDIA или ПЛИС.
5. Рабочий процесс основанный на глубоких сетях легко интегрируется в общую рабочую схему, например, систему автоматического управления.
Мы поделимся опытом своего участия в конкурсе ICE Vision и расскажем, как мы достигли хороших результатов, используя эффективные инструменты быстрой отработки различных вариантов решения задачи. На очном этапе соревнований многие участники были удивлены, что MATLAB может так эффективно и быстро решать такие задачи.
Приходите на семинар, мы хотим поделиться нашим опытом для ускорения ваших проектов не только для задач компьютерного зрения, но и в областях, где с успехом применяются технологии глубокого обучения, такие как текстовая аналитика, временные ряды, системы управления, обработка сигнала и многое другое.
Регистрация. Приветственный кофе
Введение в глубокое обучение
Компьютерное зрение
Перерыв
Пользовательские архитектуры
Кофе-брейк
Развертывание алгоритмов на NVIDIA Jetson
Аппаратная реализация нейронной сети на FPGA
Вопросы и ответы
Специализируется на системах цифровой обработки сигналов, обработки изображений и системах компьютерного зрения. В 2012 году окончил магистратуру Петрозаводского Государственного Университета по специальности "Приборостроение".
Инженер ЦИТМ Экспонента, к.т.н. В 2004 году окончил МГУ им. Ломоносова, в 2008 защитил кандидатскую диссертацию. Работает в компании с 2010 года. Специализируется на технических вычислениях и мат. моделировании.
Москва, 2-й Южнопортовый проезд,д. 31, стр. 4
Пн.-Пт., с 9:00 до 18:00
Сферы применения: Глубокое и машинное обучение(ИИ), Изображения и видео