ESHub
Le programme officiel de certification des compétences en construction (CSCS)
ID du cours : 2501050108809ESH
Dates du cours : 05/01/25 Durée du cours : 1 Jour(s) d'étude Lieu du cours : Londres, Royaume-Uni
Catégorie de cours : Programmes uniques
Sous-catégories de cours :
Éducation et développement professionnel Santé, sécurité et bien-être Leadership et gestion Durabilité et pratiques environnementales Sécurité de la construction Durabilité environnementale Santé et bien-être Leadership et communication Assurance qualité Gestion des risques Développement des compétences techniques
Informations sur le cours
Introduction
Notre formation est conçue comme une formation intensive d'une journée. Vous y apprendrez les notions de santé et de sécurité dans le secteur de la construction nécessaires à la réussite de votre formation. À l'issue de la formation, vous passerez un test en ligne qui évaluera vos connaissances acquises au cours de la journée.
Objectifs
Après avoir réussi votre test, vous recevrez la confirmation de votre carte CSCS. Vous recevrez ensuite une confirmation de vos résultats et de votre carte CSCS. Votre carte CSCS originale et votre certificat vous parviendront sous 10 jours ouvrés.
À qui s'adresse cette formation ?
Toute personne souhaitant travailler sur des chantiers de construction Toute personne souhaitant postuler à un emploi dans le secteur de la construction Toute personne souhaitant accéder à un chantier de construction au Royaume-Uni (obligatoire)
Méthode de formation
• Pré-évaluation • Enseignement en groupe en direct • Utilisation d'exemples concrets, d'études de cas et d'exercices • Participation et discussion interactives • Présentation PowerPoint, écran LCD et tableau à feuilles mobiles • Activités et tests de groupe • Post-évaluation
Soutien au programme
Ce programme est soutenu par : * Des discussions interactives * Des jeux de rôle * Des études de cas et met en évidence les techniques à la disposition des participants.
Agenda quotidien
Agenda du matin : * 9h00-9h30 (pré-évaluation, compléter le registre et présence) * 9h30-11h30 (session technique) * 11h30-11h45 (pause-café) * 11h45-12h45 (session technique) * 12h45-13h00 (pause de révision) * 13h00-14h00 (test CSCS) Aganda de l'après-midi : * 14h30-15h00 (pré-évaluation, compléter le registre et présence) * 15h00-18h30 (session technique) * 18h30-18h45 (pause-café) * 18h45-19h45 (session technique) * 19h45-20h00 (pause de révision) * 20h00-21h00 (CSCS (Test)
Plans de cours
Part 1 / 5
Computer Vision
Day 1:
Foundations of Computer Vision
Introduction to computer vision: history, applications, and key challenges.
Basics of digital image processing: pixel manipulation, filters, and transformations.
Understanding color spaces and histogram analysis.
Hands-on lab: implementing basic image processing techniques using Python libraries.
Day 2:
Machine Learning for Vision
Overview of supervised and unsupervised learning in computer vision.
Feature engineering: SIFT, HOG, and other traditional methods.
Introduction to convolutional neural networks (CNNs): architecture and functionality.
Lab session: building a simple CNN for image classification.
Day 3:
Advanced Techniques and Tools
Object detection frameworks: YOLO, SSD, and Faster R-CNN.
Semantic segmentation and instance segmentation techniques.
Transfer learning and fine-tuning pre-trained models.
Practical exercise: deploying a pre-trained model for a custom dataset.
Day 4:
Real-World Applications and Ethics
Case studies: computer vision in healthcare, retail, and autonomous systems.
Addressing bias and fairness in AI models.
Regulatory compliance and data privacy considerations.
Group activity: designing an ethical AI solution for a given scenario.
Day 5:
Deployment and Future Trends
Edge computing and real-time computer vision applications.
Integrating computer vision with IoT and cloud services.
Emerging trends: generative adversarial networks (GANs) and augmented reality.
Final project presentation: participants showcase their end-to-end computer vision solution.
Day 1:
Foundations of Computer Vision
Introduction to computer vision: history, applications, and key challenges.
Basics of digital image processing: pixel manipulation, filters, and transformations.
Understanding color spaces and histogram analysis.
Hands-on lab: implementing basic image processing techniques using Python libraries.
Day 2:
Machine Learning for Vision
Overview of supervised and unsupervised learning in computer vision.
Feature engineering: SIFT, HOG, and other traditional methods.
Introduction to convolutional neural networks (CNNs): architecture and functionality.
Lab session: building a simple CNN for image classification.
Day 3:
Advanced Techniques and Tools
Object detection frameworks: YOLO, SSD, and Faster R-CNN.
Semantic segmentation and instance segmentation techniques.
Transfer learning and fine-tuning pre-trained models.
Practical exercise: deploying a pre-trained model for a custom dataset.
Day 4:
Real-World Applications and Ethics
Case studies: computer vision in healthcare, retail, and autonomous systems.
Addressing bias and fairness in AI models.
Regulatory compliance and data privacy considerations.
Group activity: designing an ethical AI solution for a given scenario.
Day 5:
Deployment and Future Trends
Edge computing and real-time computer vision applications.
Integrating computer vision with IoT and cloud services.
Emerging trends: generative adversarial networks (GANs) and augmented reality.
Final project presentation: participants showcase their end-to-end computer vision solution.
Semaine 02
Semaine 02
Semaine 03
Semaine 03
Semaine 04
Semaine 04
Semaine 05
Semaine 05
Semaine 06
Semaine 06
Semaine 07
Semaine 07
Semaine 08
Semaine 08
Semaine 09
Semaine 09
