Курс “Продвинутое компьютерное зрение” предназначен для тех, кто хочет углубить свои знания и навыки в этой области. Вы научитесь разрабатывать эффективные решения для широкого спектра задач, от начальной идеи до реализации и развертывания.
Вы изучите основы компьютерного зрения, такие как обнаружение, сегментация и отслеживание объектов. Вы также узнаете о современных методах и технологиях, включая глубокое обучение и сверточные нейронные сети.
В рамках курса вы будете решать реальные задачи компьютерного зрения и анализировать различные подходы к их решению. Вы также научитесь преодолевать возможные препятствия и сложности, которые могут возникнуть в процессе разработки решений.
Чему вы научитесь
Доводить идеи до продакшенаИспользовать современные библиотеки Пользоваться новыми инструментами CV Решать любые задачи компьютерного зренияПреподаватели
Программа курса
Программа курса сочетает в себе онлайн-обучение, включая вебинары, взаимодействие с преподавателями и однокурсниками в телеграме, выполнение домашних заданий и получение обратной связи. Дважды в неделю проводятся вебинары продолжительностью два академических часа. Их можно смотреть в записи в удобное время. Домашние задания выполняются по каждому отдельному аспекту итогового проекта. По окончании курса студенты получают полностью готовый выпускной проект.
В этом модуле вы рассмотрите основные задачи курса, используемые инструменты и программу курса.
В данной теме рассматривается использование библиотеки PyTorch для работы со стандартными датасетами и моделями, предоставляемыми библиотекой torchvision. Обсуждаются основные возможности PyTorch, включая работу с графами вычислений (computation graphs), оптимизацию и использование графических процессоров (GPU) для ускорения вычислений. Также рассматриваются стандартные наборы данных MNIST, CIFAR-10 и ImageNet, а также модели, предоставляемые библиотекой torchvision, такие как VGG, ResNet и другие.
В этой теме рассматриваются различные библиотеки и инструменты для компьютерного зрения, обработки изображений и оптического распознавания символов. Будут обсуждаться такие библиотеки, как OpenCV, Kornia, Hugging Face и другие, а также их возможности и ограничения в различных задачах компьютерного зрения. Кроме того, будет представлен обзор методов оптического распознавания символов и их применения в задачах обработки естественного языка.
В данном разделе рассматриваются основные этапы развития сверточных нейронных сетей (CNN) для решения задач компьютерного зрения.
Этот раздел посвящен изучению различных методов оптимизации, используемых для обучения сверточных нейронных сетей.
Вы узнаете, как трансформеры могут быть использованы для таких задач, как классификация изображений, обнаружение объектов на изображениях и генерация изображений.
В этом разделе вы познакомитесь с методами self-supervised learning, которые становятся все более популярными в области компьютерного зрения. Вы узнаете о таких методах, как SimCLR, BYOL, FixMatch, MAE и DINO, и о том, как они могут быть использованы для обучения глубоких нейронных сетей без необходимости больших объемов размеченных данных.
В рамках модуля будут рассмотрены теоретические основы Object Detection и представлены примеры использования различных алгоритмов семейства R-CNN.
В рамках данного модуля будут рассмотрены проблемы многомасштабности и особенности архитектуры семейства YOLO, а также примеры их использования в задачах обнаружения объектов.
В этом модуле вы узнаете об углубленных методах сегментации изображений и видео, а также о 3D-сегментации.
В этой теме вы изучите методы оценки позы объектов в двухмерном (2D) и трехмерном (3D) пространстве.
В данном модуле будут рассмотрены современные подходы к задаче распознавания лиц. Вы изучите основные архитектуры, используемые для решения данной задачи, такие как SphereFace, ArcFace и CosFace. Также вы рассмотрите различные метрики, используемые для оценки качества работы алгоритмов распознавания лиц, и проведете сравнение между различными подходами. В итоге вы получите представление о современных методах распознавания лиц и сможете выбрать наиболее подходящий подход для решения конкретной задачи.
В рамках данной темы будут рассмотрены различные методы отслеживания объектов и ReID, а также их применение в реальных задачах.
Этот модуль посвящен выбору темы для проектной работы и организации процесса выполнения проекта. Вы узнаете, как выбрать интересную и актуальную тему для проекта, как составить план работы и как организовать свою работу для достижения цели. Вы также получите рекомендации по оформлению проекта и подготовке презентации. В конце модуля вы сможете выбрать тему для своего проекта и начать работу над ним.
Вы изучите основы теории диффузии и узнаете, как использовать диффузионные модели для создания реалистичных изображений из текстовых описаний или других входных данных.
Вы рассмотрите различные архитектуры GAN и узнаете о методах оптимизации и регуляризации, которые используются при обучении GAN.
В рамках данного модуля студенты изучат принципы работы и возможности таких моделей, как Stable Video Diffusion, Gen2 и MAKE-A-VIDEO.
Студенты изучают принципы работы этих методов, их преимущества и недостатки, а также возможности их применения в различных областях, таких как дизайн, медицина и робототехника. Они также проводят практические занятия, на которых они создают свои собственные модели генерации изображений.
Студент изучает принципы работы этих моделей, их характеристики и возможности применения в различных задачах, таких как автоматическое описание изображений, генерация подписей к фотографиям, ответы на вопросы по изображениям и т.д.
В рамках этой темы вы освоите базовые принципы каждой из методик, а также опробуете их на практике, используя различные наборы данных.
Вы изучите основы геометрической оптики, научитесь калибровать камеры и использовать полученные данные для восстановления 3D сцен. Вы также освоите методы оценки позы объектов на изображениях и научитесь отслеживать объекты на видео.
Модуль посвящен изучению методов и алгоритмов стереоскопической визуализации и калибровки камер.
Вы узнаете о базовых принципах работы каждого из этих методов, об их сильных и слабых сторонах, а также о практике их применения в реальных проектах.
Вы узнаете о разных форматах видеофайлов и стандартах видеокодирования. Поймете, как работает библиотека FFmpeg, и научитесь с ее помощью обрабатывать и анализировать видеоданные.
В этом модуле вы освоите методы распознавания и определения действий, которые происходят на видео. Для этого вы изучите различные техники и алгоритмы компьютерного зрения.
В данном модуле рассматриваются методы оптимизации сверточных нейронных сетей.
Вы изучите различные инструменты и фреймворки, предназначенные для оптимизации и повышения производительности.
Вы установите CVAT-сервер на своем компьютере, составите базовые задачи разметки и примените ее к нескольким изображениям.
Вы можете получить рекомендации по выбору методов и подходов, советы по обработке и анализу данных, а также помощь в написании кода и оптимизации моделей.
Студенты научатся представлять свои проектные работы в области компьютерного зрения или машинного обучения, защищать свои идеи и результаты перед аудиторией, отвечать на вопросы и критически оценивать свои достижения.
Как проходит обучение
Изучение темы
Просмотр обучающих видеороликов
Выполнение практических заданий
Делаете все тогда, когда вам это удобно и в подходящем вам темпе
Работа с куратором
Объяснение возникших вопросов, закрепление пройденного материала и исправление ошибок
Помощь с трудоустройством
Подготовитесь к собеседованию
Научитесь работать на себя
Узнаете, как найти работу
Познакомитесь с площадками для поиска работы, узнаете, как успешно пройти стажировку, и получите доступ к бирже с вакансиями компаний-партнёров
Спецификация
Отзывы о Otus
Часто задаваемые вопросы
Обучение организовано так, что вы можете спокойно совмещать его с работой, учебой и личной жизнью. Именно вы решаете, когда работать с материалами курса - вы занимаетесь тогда, когда удобно вам. Все уроки курса будут всегда в вашем доступе, даже после окончания курса, поэтому вы в любой момент сможете повторить пройденный материал.
Мы хотим, чтобы наши студенты развивались профессионально и строили карьеру. Вы получите возможность подать заявку в сервис по трудоустройству, после чего карьерный консультант поможет с резюме и поиском вакансий.
Да, вы можете обратиться к менеджеру и оформить возврат денежной суммы, пропорциональной количеству непройденных уроков.
На протяжении всего обучения вас будет сопровождать личный куратор, который оперативно ответит на любой возникший вопрос.
Упражнения и задачи потребуется делать самостоятельно после любого занятия. Нагрузка по домашней работе насыщенная, но умеренная. Если не успеваете выполнять предложенный объём домашки, стоит обсудить и скорректировать с преподавателем этот момент.
Оставьте заявку на консультацию. Менеджеры подберут подходящие программы, ответят на все вопросы о стоимости обучения и о его формате.
Если вы хотите получить диплом, вам нужно сдать все предусмотренные в программе проекты. В остальном всё на ваше усмотрение. Помимо прочего, вы можете защитить свой проект не публично перед аудиторией, а лично в чате с преподавателем.
Для таких случаев у студента курса есть право бесплатного трансфера в другую группу. На каждой ступени обучения сделать это можно лишь единожды.
Другие популярные курсы
Профессия: Product Manager
UX/UI-дизайнер Plus
Операционный директор
