无论是制造半导体芯片、飞机、汽车、智能手机，还是食品和饮料，优化的关键价值在于质量和产量。质量和产量不佳会对企业的运营、财务和声誉造成巨大影响。基于深度学习的计算机视觉技术能够帮助制造商实现自动化的视觉检测。与传统的视觉检测流程（通常是手动和基于规则）相比，AI 视觉检测可以提高效率、降低运营成本，以及保障更一致、标准的检测结果。
通过本课程，您将学习如何创建端到端、硬件加速的工业检测流程，以实现自动化缺陷检测。采用 NVIDIA 的真实生产数据集为例，我们将展示如何将这一应用程序轻松应用于各种制造实例。您还将学习如何识别和减少基于深度学习的计算机视觉任务中的常见缺陷，并能够部署和衡量这一 AI 方案的有效性。
参加培训的每位学员，都可以访问云端完全配置的 GPU 加速服务器，跟随 DLI 认证讲师的讲解来学习和实践，并获得 NVIDIA 培训证书以证明在这一领域的能力。
学习目标
课程完成后，您将能够：
- 使用 Pandas DataFrame 从数据集中提取有意义的见解
- 运用迁移学习于深度学习分类模型
- 微调深度学习模型并设置评估指标
- 部署和衡量模型性能
- 试验各种推理配置以优化模型性能
下载课程大纲 (PDF 493 KB)
