Kompiuterinis matymas - nemokami kursai iš Otus, mokymai 4 mėn., Data: 2023 m. gruodžio 5 d.

Kursų metu mokysite neuroninius tinklus spręsti problemas:
- vaizdų klasifikavimas ir segmentavimas
- objektų aptikimas vaizduose
- objektų stebėjimas vaizdo įraše
- trimačių scenų apdorojimas
- generuoti vaizdus ir atakas prieš parengtus neuroninių tinklų modelius
Taip pat sužinosite, kaip naudoti pagrindines neuroninių tinklų kūrimo sistemas: PyTorch, TensorFlow ir Keras. OTUS duomenų mokslo kursų žemėlapis

Kam skirtas šis kursas?

Mašininio mokymosi profesionalams, kurie:

• Norite specializuotis kompiuterinės vizijos srityje
• Jau naudojatės Deep Learning praktikais ir norite plėsti bei sisteminti žinias
• Kursas leis jums pereiti nuo klasikinių mašininio mokymosi užduočių, tokių kaip kreditų įvertinimas, PR optimizavimas, sukčiavimo aptikimas ir ir pan., ir patekti į besivystančią duomenų mokslo sritį, kur dabar vyksta visi įdomiausi dalykai ir atsiveria naujos karjeros horizontai.

Mokymų metu gausite reikiamų kompetencijų pretenduojant į darbus, kuriems reikalingi profesionalūs kompiuterinės regos sistemos kūrimo įgūdžiai. Įvairiose įmonėse specialybės vadinamos skirtingai, dažniausiai pasitaikantys variantai: Giluminio mokymosi inžinierius, Kompiuteris Regėjimo inžinierius, dirbtinio intelekto tyrimų inžinierius [kompiuterinis matymas, mašininis mokymasis], tyrimų programuotojas, giluminis mokymasis / kompiuteris Vizija.

Kuo kursas skiriasi nuo kitų?
Pasiruošimas spręsti kovines misijas: kaip paleisti neuroninį tinklą debesyje ir pritaikyti modelį skirtingoms platformoms
Išsamios žinios ir modernus požiūris į kompiuterinio matymo technologijas
Atliktas projektinis darbas, kurį galima įtraukti į savo portfolio
Juokingi pavyzdžiai, idėjų šaltinis ir kiberpanko visatos po ranka – 4 mėnesiai praskris vienu įkvėpimu!

Kurso metu Jūs:
Dirbsite su atvirais duomenų rinkiniais įvairioms Computer Vision užduotims atlikti
Suprasite konvoliucinių ir telkimo sluoksnių veikimo principus ir parinktis, įskaitant būdingus objektų aptikimo ir segmentavimo užduotims.
Išmokite pritaikyti dėmesio mechanizmą konvoliuciniuose tinkluose.
Sužinokite, kokios idėjos yra šiuolaikinių konvoliucinių tinklų („MobileNet“, „ResNet“, „EfficientNet“ ir kt.) pagrindas.
Suprasite DL metodus objektų aptikimui – išstudijuokite R-CNN šeimą, realaus laiko detektorius: YOLO, SSD. Objektų detektorių galite įdiegti ir patys.
Išmokite išspręsti gilaus metrinio mokymosi problemą naudodami Siamo tinklus. Sužinokite, kas yra tripleto praradimas ir kampinis praradimas.
Įgykite patirties sprendžiant vaizdo segmentavimo problemas: U-Net, DeepLab.
Išmokite taikyti tikslų derinimą, perkelti mokymąsi ir rinkti savo duomenų rinkinius objektų aptikimui ir vaizdų segmentavimui, metrinių mokymosi užduotims.
Dirbsite su generuojančiais varžovų tinklais. Supraskite, kaip GAN gali būti naudojami priešiškoms atakoms ir kaip įdiegti super skiriamosios gebos GAN.
Išmokite paleisti modelius serveryje (tensorflow aptarnavimas, TFX). Susipažinkite su neuroninių tinklų optimizavimo sistemomis, kad būtų galima daryti išvadas mobiliuosiuose / įterptuosiuose įrenginiuose: Tensorflow Lite, TensorRT.
Ištirkite veido orientyrų apibrėžimo architektūras: pakopinė formos regresija, gilaus išlygiavimo tinklas, sudėtinis smėlio laikrodžio tinklas

Anna Zakutnyaya

1

gerai

Ji baigė kiekybinių finansų magistrantūros studijas Nacionalinio mokslo universiteto aukštojoje ekonomikos mokykloje. Nuo universiteto jis domėjosi mašininiu mokymusi ir giliojo mokymosi problemomis. Sugebėjo dirbti su įvairiais projektais: sukūrė paveikslų aptikimo ir atpažinimo vamzdyną; integruotas atpažinimo modulis...

Aleksandras Sizovas

3

kursą

Patyręs kūrėjas, mokslininkas ir mašinų / giluminio mokymosi ekspertas, turintis patirties rekomenduojamų sistemų srityje. Turi daugiau nei 30 mokslinių publikacijų rusų ir užsienio kalbomis, apgynė daktaro disertaciją analizės tema ir...

Antonas Vitvitskis

2

kursą

Kompiuterinio matymo ir giluminio mokymosi ekspertas, sertifikuotas programinės įrangos inžinierius ir fizinių bei matematikos mokslų kandidatas. 2012–2017 m. jis dirbo veido atpažinimo srityje įmonėje „WalletOne“, kurios sprendimai buvo tiekiami Pietų...