Відеозаписи лекцій без зворотного зв'язку та участі викладача. Ви отримаєте доступ до матеріалів одразу після оплати.
Що дасть вам цей курс
Ви опануєте принципи машинного навчання в галузі комп'ютерного зору і зможете розв'язувати індустріальні завдання, використовуючи відкриті датасети.
Під час курсу ви навчите нейромережі для вирішення завдань:
— классификации и сегментации изображений
— детекции объектов на изображениях
— отслеживания объектов на видео
— обработки трехмерных сцен
— порождения изображений и атаки на обученные модели нейронных сетей
Також ви навчитеся користуватися основними фреймворками для створення нейромереж: PyTorch, TensorFlow і Keras.
Для кого цей курс?
Для фахівців у сфері Machine Learning, які
— Хотят специализироваться на Компьютерном зрении
— Уже используют практики Deep Learning и хотят расширить и систематизировать знания
Курс дасть змогу переключитися з класичних завдань машинного навчання, як-от кредитний скоринг, оптимізація CTR, детекція фрода тощо, і потрапити в сферу Data Science, яка розвивається, де зараз відбувається все найцікавіше і відкриваються нові кар'єрні горизонти.
Навчання дасть вам необхідні компетенції, щоб претендувати на спеціальності, що вимагають професійних навичок розробки систем комп'ютерного зору. У різних компаніях спеціальності називаються по-різному, найпоширеніші варіанти: Deep learning engineer, Computer Vision Engineer, AI Research Engineer [Computer Vision, Machine Learning], програміст-дослідник, Deep Learning/Computer Vision.
Під час курсу ви:
— 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
Необхідні знання
— 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.).
Програма навчання:
1 Сучасні архітектури та робота зі зданими
Комп'ютерний зір: завдання, інструменти та програма курсу
Еволюція згорткових мереж: AlexNet -> ResNetX
Стандартні датасети та моделі в Tensorflow на прикладі підходу TransferLearning
Стандартні датасети та моделі в PyTorch на прикладі Fine-tuning
Підготовка та аугментація даних
Увага у згорткових мережах.Анотація
2 Детекція об'єктів і робота з відео
Класичні підходи до CV, робота з OpenCV
Виявлення об'єктів 1. RCNN, FastRCNN, FasterRCNN
Objectdetection 2. YOLO, детектор одиночного пострілу
Landmarks: Cascade shape regression, Deep Alignment Network, Stacked Hourglass Network та інші
Робота з відео. Відстеження об'єктів
Інференс на сервері
3 Сегментація і не тільки
Сегментація 1. U-net
Сегментація 2. DeepLab
ГАНи, суперрозв'язок, атака противника
Працюємо з 3D сценами. PointNet.
TensorRT. Адаптуємо модель до девайса
4 Проектна робота
Консультація щодо проєкту
Консультація щодо проєкту
Проектна робота
Відгуки
Відгуків немає, поки що.