Wizja komputerowa - bezpłatny kurs firmy Otus, szkolenie 4 miesiące, Termin: 5 grudnia 2023.

W trakcie kursu będziesz uczyć sieci neuronowe rozwiązywania problemów:
- klasyfikacja i segmentacja obrazów
- wykrywanie obiektów na obrazach
- śledzenie obiektów na wideo
- obróbka scen trójwymiarowych
- generowanie obrazów i ataków na wytrenowane modele sieci neuronowych
Dowiesz się także jak wykorzystać główne frameworki do tworzenia sieci neuronowych: PyTorch, TensorFlow i Keras. Mapa kursów Data Science w OTUS

Dla kogo jest ten kurs?

Dla profesjonalistów zajmujących się uczeniem maszynowym, którzy:

• Chcesz specjalizować się w widzeniu komputerowym
• Korzystasz już z praktyków Deep Learning i chcesz poszerzać i usystematyzować wiedzę
• Kurs pozwoli Ci przejść od klasycznych zadań uczenia maszynowego, takich jak scoring kredytowy, optymalizacja CTR, wykrywanie oszustw i itp. i wejdź w rozwijającą się dziedzinę Data Science, gdzie dzieją się teraz wszystkie najciekawsze rzeczy i otwierają się nowe ścieżki kariery horyzonty.

Dzięki szkoleniu zdobędziesz kompetencje niezbędne do ubiegania się o stanowiska wymagające umiejętności tworzenia profesjonalnych komputerowych systemów wizyjnych. W różnych firmach specjalizacje nazywane są inaczej, najczęstsze opcje to: Inżynier głębokiego uczenia się, Komputer Inżynier ds. wizji, inżynier ds. badań nad sztuczną inteligencją [Wizja komputerowa, uczenie maszynowe], programista badawczy, Deep Learning/Computer Wizja.

Czym kurs różni się od innych?
Przygotowanie do rozwiązywania misji bojowych: jak uruchomić sieć neuronową w chmurze i dostosować model do różnych platform
Dogłębna wiedza i nowoczesne podejście do technologii widzenia komputerowego
Gotowe prace projektowe, które można dodać do swojego portfolio
Zabawne przykłady, fontanna pomysłów i cyberpunkowe uniwersa na wyciągnięcie ręki – 4 miesiące miną jednym tchem!

Podczas kursu:
Będziesz pracować z otwartymi zbiorami danych do różnych zadań związanych z widzeniem komputerowym
Zrozumiesz zasady działania i opcje warstw splotowych i pulowych, w tym specyficzne dla zadań wykrywania obiektów i segmentacji.
Naucz się stosować mechanizm uwagi w sieciach splotowych.
Dowiedz się, jakie idee leżą u podstaw nowoczesnych sieci splotowych (MobileNet, ResNet, EfficientNet itp.)
Zrozumiesz podejście DL do wykrywania obiektów – zapoznaj się z rodziną R-CNN, detektorami czasu rzeczywistego: YOLO, SSD. Możesz także samodzielnie zaimplementować detektor obiektów.
Naucz się rozwiązywać problem Deep Metric Learning przy użyciu sieci syjamskich. Dowiedz się, czym jest utrata trójek i utrata kątowa.
Zdobądź doświadczenie w rozwiązywaniu problemów segmentacji obrazu: U-Net, DeepLab.
Naucz się stosować precyzyjne dostrajanie, przekazuj wiedzę i zbieraj własne zbiory danych do wykrywania obiektów i segmentacji obrazu oraz zadań związanych z uczeniem się metryk.
Będziesz pracować z generatywnymi sieciami przeciwnika. Dowiedz się, w jaki sposób sieci GAN można wykorzystać do ataków kontradyktoryjnych i jak wdrożyć sieci GAN o super rozdzielczości.
Naucz się uruchamiać modele na serwerze (serwowanie tensorflow, TFX). Zapoznaj się z frameworkami do optymalizacji sieci neuronowych pod kątem wnioskowania na urządzeniach mobilnych/wbudowanych: Tensorflow Lite, TensorRT.
Poznaj architektury definiowania punktów orientacyjnych twarzy: kaskadowa regresja kształtu, sieć głębokiego wyrównania, sieć klepsydrowa

Anna Zakutnaja

1

Dobrze

Jest absolwentką studiów magisterskich z zakresu finansów ilościowych w Wyższej Szkole Ekonomicznej Państwowego Uniwersytetu Badawczego. Od czasów studiów interesował się uczeniem maszynowym i problemami głębokiego uczenia się. Udało mu się pracować nad różnymi projektami: opracował rurociąg do wykrywania i rozpoznawania obrazów; zintegrowany moduł rozpoznawania...

Aleksander Sizow

3

kurs

Doświadczony programista, naukowiec i ekspert uczenia maszynowego/głębokiego z doświadczeniem w systemach rekomendacyjnych. Ma ponad 30 publikacji naukowych w języku rosyjskim i obcym, obronił pracę doktorską na temat analizy i...

Antoni Witwicki

2

kurs

Ekspert widzenia komputerowego i głębokiego uczenia się, certyfikowany inżynier oprogramowania i kandydat nauk fizycznych i matematycznych. Od 2012 do 2017 roku zajmował się rozpoznawaniem twarzy w firmie WalletOne, której rozwiązania dostarczano firmom w południowej...