Станьте экспертом в области компьютерного зрения
Компьютерное зрение (Computer Vision) — одна из самых горячих и стремительно развивающихся областей Data Science. Этот курс предназначен для специалистов, уже имеющих опыт в машинном обучении и желающих получить глубокие, систематизированные знания для решения сложных индустриальных задач, связанных с анализом изображений и видео.
Глубокое погружение в современные технологии
Мы выйдем за рамки простой классификации изображений. Вы изучите архитектуры, лежащие в основе самых современных систем: от эволюции сверточных сетей (ResNet, EfficientNet) до механизмов внимания. Курс охватывает ключевые задачи, такие как детекция объектов в реальном времени (YOLO, SSD), семантическая сегментация (U-Net, DeepLab), а также работу с видео и 3D-сценами. Отдельное внимание уделяется генеративным моделям (GANs) и оптимизации нейросетей для реального применения.
На курсе вы научитесь:
- Работать с данными: Использовать открытые датасеты, применять аугментацию и подготавливать данные для обучения.
- Детектировать и сегментировать: Реализовывать детекторы объектов (R-CNN, YOLO) и модели сегментации (U-Net).
- Анализировать видео и 3D: Применять техники отслеживания объектов (object tracking) и работать с трехмерными сценами (PointNet).
- Развертывать модели: Научитесь запускать модели на сервере (TensorFlow Serving) и оптимизировать их для мобильных устройств (TensorRT, TF Lite).
? Программа обучения: 4 модуля для глубокого погружения
1. Современные архитектуры и работа с данными
- Эволюция сверточных сетей: AlexNet -> ResNetX
- Transfer Learning и Fine-tuning в Tensorflow и PyTorch
- Подготовка и аугментация данных
- Механизмы внимания в сверточных сетях
2. Детекция объектов и работа с видео
- Классические подходы CV, работа с OpenCV
- Object detection: R-CNN, Fast R-CNN, Faster R-CNN
- Object detection: YOLO, SSD
- Определение Landmarks, Object tracking на видео
- Инференс на сервере
3. Сегментация и генеративные модели
- Сегментация: U-net, DeepLab
- Генеративные сети: GANs, super-resolution, adversarial attacks
- Работа с 3D-сценами: PointNet
- Оптимизация моделей: TensorRT
4. Проектная работа
- Консультации и защита собственного проекта


Вы экономите:
Поторопитесь! Заканчивается через
Применять современные архитектуры CNN (ResNet, YOLO, U-Net, DeepLab).
Алена Подтвержденный клиент –
Это уже для тех, кто “в теме”. Я работаю в ML, и этот курс помог мне перейти в Computer Vision. Очень глубоко и системно. Рекомендую.
Екатерина Подтвержденный клиент –
GANs – это просто космос! Создавать изображения из ничего – это невероятно. Курс дал хорошее представление, как это работает.
Андрей Подтвержденный клиент –
R-CNN, YOLO, SSD – наконец-то я понял разницу и когда что использовать. Курс все разложил по полочкам. Очень много практики.