Что нового

Бесплатные online курсы, скачать сливы курсов - kursy.live

Слив курсов - это быстрый и доступный способ получить дополнительные зания или ознакомиться с курсом, до его покупки.

Оперативная поддержка

Не активна ссылка? Обновляем неактивные ссылки в течении считанных минут.

Постоянное обновление

Ежедневно добавляем по 10-20 свежайших сливов. Не пропусти.

Гибкие тарифы

Можете скачать один курс или получить не ограниченный доступ ко всем курсам.

Компьютерное зрение [GeekBrains]

admin

Administrator
Команда форума
СУПЕР МОДЕРАТОР
Регистрация
26.05.2022
Сообщения
26 719
Реакции
182
Баллы
63
Вы узнаете, как научить компьютер видеть: находить и группировать объекты на изображении, распознавать лица и действия, трансформировать изображения. Поможем стать специалистом по компьютерному зрению и повысить уровень дохода.

Длительность обучения - 11 месяцев. Результат - 3 кейса в портфолио






Кому подойдет курс
Новичкам в IT
Поможем с нуля освоить профессию разработчика компьютерного зрения. После обучения вы сможете работать на должности deep learning engineer, computer vision engineer, AI research engineer.

Начинающим разработчикам
Научитесь решать творческие бизнес-задачи, сможете специализироваться на компьютерном зрении, расширите и систематизируете знания по разработке.





Преимущества факультета по компьютерному зрению
Актуальная программа
Мы ежегодно обновляем программу обучения: проводим исследования и учитываем требования работодателей. Её можно освоить даже без технического образования или бэкграунда.

Практикующие преподаватели
Преподаватели — эксперты из GeekBrains, Delivery Club и МГТУ им. Баумана. Они помогали разрабатывать системы технического зрения, имеют опыт работы с рекомендательными системами и поиском товаров по картинкам.

Экспертиза Mail.ru Group — IT-гиганта
В группу входит много бизнес-продуктов: ВКонтакте, Delivery Club, Ситимобил и другие. Мы анализируем их развитие и делимся с вами накопленными знаниями.





Помогаем начать карьеру
Консультируем
Поможем проанализировать ваши компетенции и пути карьерного развития.

Помогаем с резюме
Чтобы вы выгодно выделялись на фоне конкурентов, наши HR-специалисты помогут составить резюме.

Составляем подборку вакансий
Менеджер по трудоустройству отправляет подборки вакансий, а вы откликаетесь на самые интересные.

Помогаем получить работу мечты
Дадим советы, как пройти собеседование, и поздравим с оффером









Программа обучения




Создание инфраструктуры (Октябрь - Декабрь)
Видеокурс: как учиться эффективно
Расскажем, как спланировать обучение, чтобы сохранить интерес, получить максимум пользы и всё успеть.
Вы узнаете, сколько времени уделять обучению, как эффективно выполнять практические задания, отслеживать прогресс и добиваться целей. Расскажем, как сохранять мотивацию во время обучения и справляться с чувством неуверенности и переизбытка информации.

Введение в высшую математику
Курс поможет погрузиться в профессию CV-инженера. У вас будут задачи из линейной алгебры, аналитической геометрии, математического анализа и теории вероятностей.

Введение в математический анализ
Освоите основные понятия: множество, интеграл, предел и производная функции.

Основы языка Python
Вы начнёте осваивать основы программирования на Python: пройдёте путь от переменных, циклов и ветвлений до создания программ с помощью объектно-ориентированного подхода.

Линейная алгебра
Расскажем о линейном пространстве, линейных преобразованиях и системах уравнений. Познакомитесь с матрицами, сингулярным разложением и матричными операциями.

Итоги четверти

Освоите технические основы CV-инженера.
Восполните знания по математическому анализу и линейной алгебре.
Рассмотрите примеры решения задач на Python.





Основы машинного обучения (Январь - Апрель)
Теория вероятностей и математическая статистика
Расскажем, как работать с корреляционным, дисперсионным и регрессионным анализом.

Вы узнаете, что такое случайные события, условная вероятность, формула Байеса, независимые испытания, доверительные интервалы. Познакомитесь с распределением Пуассона и описательными статистиками. Научитесь проверять статистические гипотезы и проводить A/B-тестирование.

Алгоритмы на Python.
Потренируетесь решать задачи с помощью фундаментальных алгоритмов и структур данных.

Библиотеки Python для Data Science: NumPy, Matplotlib
Познакомитесь с основными библиотеками машинного обучения. Узнаете, как визуализировать данные и работать с моделями машинного обучения.

Основы машинного обучения
Познакомитесь с алгоритмами машинного обучения.

Классические методы: классификация, регрессия, деревья.
Кластеризация: метрики, DBSCAN, KMeans, агломеративная кластеризация, кластеризация деревьями.
Снижение размерности: SVD, PCA, tSN.
Обзор методов калибровки моделей и поиск аномалий.
Ансамбли: градиентный бустинг (adaboost, xgboost, catboost).

Итоги четверти

Познакомитесь с теорией вероятностей и математической статистикой.
Научитесь решать задачи по комбинаторике и узнаете о видах распределений, методах проверки статистических гипотез.
Изучите методы проведения корреляционного, дисперсионного и регрессионного анализа.
Поймёте, как устроены алгоритмы на уровне математики.





Компьютерное зрение (Май - Август)
Введение в компьютерное зрение
Познакомитесь с основными задачами в компьютерном зрении, математической морфологией и библиотеками openCV и PIL.

Получите базовые навыки по работе с фильтрами и научитесь выделять глобальные и локальные признаки на изображении:


Глобальные: квантование RGB, HSV, фильтры Габора, признаки по контурам.
Локальные: детектор Харриса, SIFT, пирамида изображения, LoG, DoG, HOG.
В конце выполните проект по предобработке и классификации изображений классическими методами на известных датасетах.

Deep learning
Научитесь применять нейронные сети для компьютерного зрения и оценивать качество решения.

Узнаете, как работают свёрточные сети, продвинутые архитектуры, основные подходы к обработке трехмерных изображений, PyTorch. Научитесь применять сегментацию изображений, детекцию объектов.

Сможете решать задачи на генерацию текста по входному эмбеддингу и на автоматическое аннотирование изображений.

Прототипирование и интеграция
Научитесь формулировать бизнес-проблему в терминах машинного обучения, выстраивать процесс по её решению, находить данные для решения и проводить первичную разметку эвристиками.

Бизнес-процесс машинного обучения
Узнаете, как выглядит процесс постановки задачи машинного обучения, сбора данных и представления результата.

Что разберёте:


Парсинг: типы контента, requests, selenium.
Разметку данных и принципы Active learning.
Дообучение моделей с добавлением факторов.
Примеры задачи машинного обучения.

Итоги четверти
Что изучите:


Продвинутые архитектуры свёрточных нейронных сетей
Семантическую сегментацию, детекцию и локацию объектов, распознавание лиц и действий, отслеживание траектории в видео, перенос стиля изображения.





Дипломный проект
Сможете выбрать любую тему. Вы будете сами собирать и размечать данные, определять метрики качества и таргеты для обучения, обучать модель, готовить MVP в виде сервиса в Docker.

Темы:
1. Детекция объектов (масок на лицах, головных уборов).
2. Поиск похожих объектов (похожие автомобили, одежда).
3. Классификация изображений (данные на ваш выбор).
4. Style Transfer — перенос стиля изображения. Например, трансформация светлого времени суток в тёмное на фотографии.
5. Сегментация изображений.






Вас обучают лучшие эксперты
Амир Сафиуллин | Machine Learning Engineer в Mail.ru Group

Занимается рекомендательными системами Вконтакте. Раньше решал задачи компьютерного зрения в Skoltech, затем работал в «Юле» и Яндекс.Дзене: улучшал классификацию писем, алгоритмическую модерацию трафика, поиск товаров по рекомендациям и картинкам. Окончил МИФИ и магистратуру в ВШЭ.

Иван Максимов | Data Scientist в Delivery Club

Работал в PwC и ML Research. Создавал рекомендательные системы для ритейла, оптимизировал маркетинговые кампании на основе машинного обучения.

Мария Корлякова | МГТУ им. Н. Э. Баумана

Доцент, кандидат технических наук. Работает в калужском филиале МГТУ им. Баумана на кафедре «Системы автоматического управления и электротехника», отвечает за модуль интеллектуальной обработки информации. Разрабатывала системы технического зрения для ориентации и навигации на основе обучаемых моделей для Сосенского приборостроительного завода. Защитила кандидатскую диссертацию в области построения обучаемых интеллектуальных систем.



Продажник
new.geekbrains.ru/computer-vision
 

lsotope

New member
Регистрация
09.04.2024
Сообщения
1
Реакции
0
Баллы
1
Оплатил 1 курс. Можно ссылку?
 
Прием платежей для сайтов
Верх