30 de septiembre - Construyendo flujos de trabajo de visión composables en FiftyOne

Este taller explora el marco de complementos de FiftyOne para construir aplicaciones de visión por computadora personalizadas. Aprenderás a extender la aplicación de FiftyOne con paneles basados en Python y operadores del lado del servidor, así como integrar herramientas externas para etiquetado, búsqueda vectorial e inferencia de modelos en tus vistas de conjunto de datos. Fecha, hora y ubicación 30 de septiembre de 2026 de 9 AM a 10 AM PST en línea. ¡Regístrate para el Zoom! También automatizarás tareas repetitivas escribiendo flujos de trabajo personalizados que se ejecutan dentro del entorno de FiftyOne. Los asistentes aprenderán a transformar FiftyOne de una herramienta de visualización a un centro central para tu pila de visión. Lo que aprenderás: * Construir complementos de Python. Define manifiestos de complementos y estructuras de directorios para registrar funcionalidades personalizadas dentro del ecosistema de FiftyOne. * Desarrollar operadores del lado del servidor. Escribe funciones para ejecutar inferencias de modelos, limpieza de datos o actualizaciones de metadatos desde la interfaz de la aplicación. * Construir paneles interactivos. Crea tableros de UI personalizados para visualizar métricas de modelos o distribuciones de conjuntos de datos especializadas. * Gestionar contextos de ejecución de operadores. Pasa datos entre el front end de la aplicación y tu backend para construir flujos de trabajo de usuario dinámicos. * Implementar ejecución delegada. Configura trabajadores en segundo plano para manejar tareas de procesamiento de datos de larga duración sin bloquear la interfaz de usuario. * Construir integraciones de etiquetado. Agiliza el flujo de datos entre FiftyOne y plataformas de anotación a través de activadores personalizados y scripts de ingestión. * Extender el soporte de bases de datos vectoriales. Programa conectores personalizados para almacenes de vectores externos para habilitar la búsqueda semántica en grandes conjuntos de datos de muestras. * Empaquetar y compartir complementos. Distribuye tus extensiones interna y externamente