Počítačové vidění - kurz zdarma od Otus, školení 4 měsíce, Termín: 5. prosince 2023.

Během kurzu budete trénovat neuronové sítě k řešení problémů:
- klasifikace a segmentace obrázků
- detekce objektů v obrazech
- sledování objektů na videu
- zpracování trojrozměrných scén
- generování obrázků a útoků na trénované modely neuronových sítí
Dozvíte se také, jak používat hlavní frameworky pro tvorbu neuronových sítí: PyTorch, TensorFlow a Keras. Kurzy Map of Data Science na OTUS

Pro koho je tento kurz určen?

Pro profesionály strojového učení, kteří:

• Chcete se specializovat na počítačové vidění
• Již využíváte odborníky na hluboké učení a chcete rozšířit a systematizovat znalosti
• Kurz vám umožní přejít z klasických úloh strojového učení, jako je kreditní skóre, optimalizace CTR, detekce podvodů a atd., a dostat se do rozvíjejícího se oboru Data Science, kde se nyní dějí všechny nejzajímavější věci a otevírají se nové kariéry obzory.

Školení vám poskytne potřebné kompetence, abyste se mohli ucházet o pracovní místa, která vyžadují profesionální dovednosti v oblasti vývoje systémů počítačového vidění. V různých společnostech se speciality nazývají různě, nejběžnější možnosti jsou: Deep learning engineer, Computer Vision Engineer, AI Research Engineer [Computer Vision, Machine Learning], výzkumný programátor, Deep Learning/Computer Vidění.

V čem se kurz liší od ostatních?
Příprava na řešení bojových misí: jak spustit neuronovou síť v cloudu a přizpůsobit model pro různé platformy
Hluboké znalosti a moderní přístupy k technologiím počítačového vidění
Dokončené projektové práce, které lze přidat do vašeho portfolia
Vtipné příklady, studnice nápadů a kyberpunkové vesmíry na dosah ruky – 4 měsíce utečou jedním dechem!

Během kurzu:
Budete pracovat s otevřenými datovými sadami pro různé úlohy Computer Vision
Budete rozumět provozním principům a možnostem konvolučních a sdružovacích vrstev, včetně těch, které jsou specifické pro úlohy detekce objektů a segmentace.
Naučte se aplikovat mechanismus pozornosti v konvolučních sítích.
Zjistěte, jaké myšlenky jsou základem moderních konvolučních sítí (MobileNet, ResNet, EfficientNet atd.)
Pochopíte DL přístupy k detekci objektů - prostudujte si rodinu R-CNN, detektory v reálném čase: YOLO, SSD. Detektor objektů můžete implementovat i sami.
Naučte se řešit problém Deep Metric Learning pomocí siamských sítí. Přečtěte si, co jsou tripletové ztráty a úhlové ztráty.
Získejte zkušenosti s řešením problémů segmentace obrazu: U-Net, DeepLab.
Naučte se používat jemné ladění, přenášet učení a shromažďovat své vlastní datové sady pro detekci objektů a segmentaci obrazu, úkoly učení metriky.
Budete pracovat s generativními nepřátelskými sítěmi. Pochopte, jak lze GAN použít pro nepřátelské útoky a jak implementovat GAN s vysokým rozlišením.
Naučte se spouštět modely na serveru (tensorflow serve, TFX). Seznamte se s frameworky pro optimalizaci neuronových sítí pro inferenci na mobilních/embedded zařízeních: Tensorflow Lite, TensorRT.
Prozkoumejte architektury pro definování orientačních bodů obličeje: kaskádová regrese tvaru, Deep Alignment Network, Stacked Hourglass Network

Anna Zakutnyaya

1

studna

Vystudovala magisterský program kvantitativních financí na Vysoké ekonomické škole National Research University. Od univerzity se zajímá o strojové učení a problémy hlubokého učení. Podařilo se mu pracovat na různých projektech: vyvinul potrubí pro detekci a rozpoznávání maleb; integrovaný rozpoznávací modul...

Alexandr Sizov

3

chod

Zkušený vývojář, vědec a expert na strojové/hluboké učení se zkušenostmi s doporučovacími systémy. Má více než 30 vědeckých publikací v ruštině a cizích jazycích, obhájil doktorskou práci na téma analýzy a...

Anton Vitvitskij

2

chod

Expert na počítačové vidění a hluboké učení, certifikovaný softwarový inženýr a kandidát fyzikálních a matematických věd. Od roku 2012 do roku 2017 pracoval v oblasti rozpoznávání obličejů ve společnosti WalletOne, jejíž řešení byla dodávána podnikům v jižní...