Компьютерное зрение
Длительность обучения:
4 месяца
Формат:
Online
Вы освоите принципы машинного обучения в области компьютерного зрения и сможете решать индустриальные задачи, используя открытые датасеты. По ходу курса вы обучите нейросети для решения задач:
- классификации и сегментации изображений
- детекции объектов на изображениях
- отслеживания объектов на видео
- обработки трехмерных сцен
- порождения изображений и атаки на обученные модели нейронных сетей
Также вы научитесь пользоваться основными фреймворками для создания нейросетей: PyTorch, TensorFlow и Keras.
Карта курсов направления Data Science в OTUS
Для кого этот курс?
Для специалистов в сфере Machine Learning, которые:
- Хотят специализироваться на Компьютерном зрении
- Уже используют практики Deep Learning и хотят расширить и систематизировать знания
Курс позволит переключиться с классических задач машинного обучения, таких как кредитный скоринг, оптимизация CTR, детекция фрода и т.д, и попасть в развивающуюся область Data Science, где сейчас происходит все самое интересное и открываются новые карьерные горизонты. Обучение даст вам необходимые компетенции, чтобы претендовать на специальности, требующие профессиональных навыков разработки систем компьютерного зрения. В разных компаниях специальности называются по-разному, самые распространенные варианты: Deep learning engineer, Computer Vision Engineer, AI Research Engineer [Computer Vision, Machine Learning], программист-исследователь, Deep Learning/Computer Vision.
Чем курс отличается от других?
Во время курса вы:
- Будете работать с открытыми датасетами для различных задач Computer Vision
- Разберетесь в принципах работы и вариантах сверточных и пулинг-слоев, в том числе, специфических для задач детекции и сегментации объектов.
- Научитесь применять механизм внимания в сверточных сетях.
- Узнаете, какие идеи лежат в основе современных сверточных сетей (MobileNet, ResNet, EfficientNet, etc.)
- Разберетесь в DL-подходах к детекции объектов - изучите семейство R-CNN, реалтайм-детекторы: YOLO, SSD. А также реализуете детектор объектов самостоятельно.
- Научитесь решать задачу Deep Metric Learning с помощью сиамских сетей. Узнаете, что такое triplet loss, angular loss.
- Получите опыт в решении задачи сегментации изображений: U-Net, DeepLab.
- Научитесь применять fine tuning, transfer learning и собирать собственные датасеты для задач object detection и Image segmentation, metric learning.
- Будете работать с генеративными состязательными сетями. Поймете, как можно использовать GANs для состязательных атак и как реализовать super resolution GANs.
- Научитесь запускать модели на сервере (tensorflow serving, TFX). Познакомитесь с фреймворками для оптимизации нейросетей для инференса на мобильных/embedded-устройствах: Tensorflow Lite, TensorRT.
- Изучите архитектуры для определения Facial Landmarks: Cascade shape regression, Deep Alignment Network, Stacked Hourglass Network
Преподаватели
Отзывы
Необходимые знания
- Основы мат. анализа, линейной алгебры, теории вероятностей и мат. статистики, метод обратного распространения.
- Основы программирования на Python.
- Знания, как устроены базовые архитектуры и слои нейронных сетей (сверточные/рекуррентные сети, батч-нормализация, сиамские сети и т. д.).
Будет предложено несколько вариантов на выбор:
Процесс обучения
Преподаватель находится в едином коммуникационном пространстве с группой на протяжении всего курса, т. е. в процессе обучения слушатель может задавать преподавателю уточняющие вопросы по материалам лекций и домашних заданий.
После обучения вы
онлайн-образование
Сертификат №0001
Константин Константинопольский
Успешно закончил курс «Компьютерное зрение»
Выполнено практических заданий: 16 из 16
Общество с ограниченной ответственностью “Отус Онлайн-Образование”
Город:
Москва
Директор департамента образования
ООО “Отус Онлайн-Образование”
Анна Фирсова
№ 039825 от 28 декабря 2018 года.
