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