МОНИТОРИНГ НА РИСКА ОТ БЕДСТВИЯ ЧРЕЗ САТЕЛИТНИ ИЗОБРАЖЕНИЯ

Впуснете се в трансформиращо обучение, докато придобивате опит за конструиране и прилагане на модел за дълбоко обучение за автоматизиране на идентифицирането на наводнения чрез сателитни изображения. Този иновативен работен процес има потенциала да революционизира управлението на природни бедствия, като намали разходите, подобри оперативната ефективност и значително повиши цялостната ефективност.

Цели на курса:

• Конструиране на работен процес за машинно обучение, пригоден за справяне с предизвикателствата в решенията за управление на бедствия.
• Използване на хардуерно ускорени инструменти за обработка на обширни набори от данни от сателитни изображения.
• Прилагане на стратегии за трансферно обучение, за да разработвате икономично усъвършенствани модели за сегментиране с дълбоко обучение.
• Разгръщане на моделите за дълбоко обучение, което позволява анализ в почти реално време.
• Използване на уменията на моделите, базирани на дълбоко обучение, за бързо откриване и реагиране на наводнения.

Предварителни изисквания:

• Владеене на езика за програмиране Python 3.
• Основно разбиране на принципите на машинното обучение и дълбокото обучение (с акцент върху различните варианти на CNN) и тяхното приложение в конвейери.
• Любопитство да изследвате съвременни методи за манипулиране на сателитни изображения.

Използвани инструменти:

• NVIDIA DALI
• NVIDIA TAO Toolkit
• NVIDIA TensorRT
• NVIDIA Triton Inference Server.

Съответно обучение:

„Разгръщане на модел за изводи в производствен мащаб“: Курс за самообучение, в който се обръща внимание на Triton за разгръщане на модели за дълбоко обучение, изградени в различни рамки.

За допълнително практическо обучение чрез NVIDIA Deep Learning Institute посетете www.nvidia.com/dli.

Курсът е разработен в сътрудничество с UNOSAT, Спътниковия център на ООН.