Najpierw model, potem logika biznesowa
Stawiasz YOLO + CoreML lokalnie i widzisz, co model naprawdę zwraca — zanim ktoś napisze reguły „dostępu” albo alertów.
Lokalny AI Vision · Computer Vision
Zbuduj Lokalny AI Vision od zera: stawiasz model, śledzisz obiekty, generujesz zdarzenia
To nie kurs „jak zrobić system parkingowy”. To program, w którym budujesz lokalny pipeline Computer Vision: obraz → model → detekcja → tracking → strefy → zdarzenia biznesowe. Na przykładzie kamery, ludzi i pojazdów (np. wejście na siłownię, strefa, dostęp) uczysz się klocków, które potem możesz użyć do czegokolwiek innego: retail, bezpieczeństwo, logistyka, smart building.
Dla kogo
Deweloperzy, inżynierowie danych, architekci rozwiązań i osoby techniczne, które chcą postawić lokalny pipeline CV (Mac) i zamienić obraz z kamery w konkretne eventy biznesowe — bez chmury jako warunku startu.
Korzyści
Uniwersalne klocki, nie jeden case parkingowy
Przykład jest na ludziach i samochodach, ale te same bloki (detekcja → tracking → strefy → eventy) przenosisz na retail, bezpieczeństwo, logistykę czy smart building.
Inteligencja w warstwie zdarzeń
Model dostarcza obserwacje. Enter / exit / naruszenie strefy budujesz Ty — i masz plik zdarzeń gotowy pod dashboard albo integrację.
Zakres i efekty
- Umiejętność postawienia lokalnego modelu (YOLO + CoreML na Macu)
- Zrozumienie pipeline’u: detekcja → tracking → interpretacja
- Generator zdarzeń (enter / exit / strefa)
- Gotowy folder projektu + możliwość podmiany przykładu na własny case
Efekty biznesowe
- Wiesz, jak wziąć kamerę, postawić model lokalnie i zamienić obraz w eventy (wejście, wyjście, naruszenie strefy)
- Rozumiesz różnicę między obserwacją modelu a logiką biznesową w warstwie zdarzeń
- Masz folder projektu gotowy do podmiany przykładu (ludzie/pojazdy) na własny case
Przykład jest na ludziach i samochodach, ale **klocki są uniwersalne**. Najpierw stawiasz model i widzisz, co on naprawdę zwraca — dopiero potem budujesz logikę biznesową. AI nie „wie”, co się dzieje: dostarcza obserwacje; inteligencja powstaje w warstwie zdarzeń.
Dopasuj zakres zapytania (AI Vision)
Zaznacz kontekst — pomoże nam przygotować grupę lub warsztat zamknięty pod Twój case.
Format
Docelowy case (możesz zaznaczyć kilka)
Po zaznaczeniu opcji treść dołączymy do wiadomości z zapytania.
Wyślij tę konfigurację w wiadomości — odpowiemy z kolejnymi krokami.
Pitch w 3 zdaniach
Budujemy lokalny system Computer Vision od zera. Na przykładzie kamery, ludzi i pojazdów uczysz się stawiać model, śledzić obiekty i generować zdarzenia (np. wejście na siłownię / naruszenie strefy). Po 8 godzinach masz pipeline i folder projektu — nie slajdy o „AI w wizji”.
Klocki → przykłady → co z tym dalej
| Klocek | Przykład na zajęciach | Co ktoś może z tym zrobić później |
|---|---|---|
| Detekcja | person / car | klienci, pracownicy, pojazdy, paczki |
| Tracking + ID | CAR #15, PERSON #7 | czas przebywania, ścieżka obiektu |
| Strefy | parking / droga / wejście | strefa VIP, zakazana, kolejka, wejście |
| Eventy | vehicle_enter / person_enter | dostęp na siłownię, rotacja, alerty |
| Dane (CSV/JSON) | events.csv | dashboard, raport, integracja z systemem |
Obszary w katalogu
- AI i transformacja