Все курсы
Практический курс «Computer vision на Python»
Код курса | Даты начала курса | Стоимость обучения | Длительность обучения | Формат обучения |
---|---|---|---|---|
VISI | по запросу |
90 000 руб. | 40 ак.часов | Дистанционный |
Регистрация |
10-дневный курс который охватывает полный цикл работы с Computer Vision: от базовых концепций и предобработки до сложных задач (трекинг, сегментация) и промышленного внедрения. Каждый модуль включает глубокую теоретическую базу и практические кейсы с использованием современных инструментов (OpenCV, TensorFlow, YOLO).
Что такое компьютерное зрение?
Компьютерное зрение — это область искусственного интеллекта, которая позволяет машинам анализировать и интерпретировать визуальные данные (изображения, видео) для решения задач, аналогичных человеческому зрению. Основная цель Computer Vision — извлечение информации из визуального контента, распознавание объектов, их классификация и принятие решений на основе анализа.
Ключевые технологии: глубокое обучение, свёрточные нейронные сети (CNN), обработка сигналов, машинное обучение.
Примеры применения: распознавание лиц (Face ID), автономные автомобили, медицинская диагностика, контроль качества на производстве.
Почему Computer Vision?
Востребованность: CV используется в беспилотниках, медицине, робототехнике, AR/VR, retail.
Простота старта: Python и открытые библиотеки позволяют быстро реализовать сложные идеи.
Высокий потолок роста: от простых классификаторов до систем реального времени с трекингом объектов.
О курсе
Курс охватывает полный цикл разработки:
Основы CV и нейронных сетей.
Предобработка данных и построение CNN.
Transfer Learning и борьба с переобучением.
Сложные задачи: детекция, сегментация, трекинг.
Промышленное внедрение и оптимизация.
Аудитория:
Начинающие Data Scientists / ML-инженеры, которые хотят освоить компьютерное зрение.
Разработчики, желающие интегрировать CV-модели в свои проекты.
Студенты и исследователи, изучающие машинное обучение и AI.
Продуктовые менеджеры, которым важно понимать возможности и ограничения CV.
Предварительная подготовка
Базовый Python (функции, классы, работа с библиотеками).
Понимание основ машинного обучения (обучение/валидация, метрики).
Опыт работы с нейросетями приветствуется, но не обязателен.
Программа курса "Computer vision на Python"
Кто проводит курс
Конорев Олег
Академия Федеральной службы безопасности Российской Федерации (Москва, 2012)
Профессиональные компетенции:
- Руководитель группы Data Science в НИИ “Квант”, Москва
- Computer vision (CV) – решение задач по классификации и детектировании объектов на фото и видео, идентификации человека, сегментации изображений и распознаванию текста с библиотеками OpenCV, Tensorflow API и архитектурами нейронных сетей Yolo, SSD, fRCNN, U-net и пр.
- Natural language processing (NLP) – решение задач по классификации текстов, извлечению именованных сущностей (NER) и ключевых слов с библиотеками gensim, nltk, fasttext, spacy и др. Построение различных архитектур на основе искусственных нейронных сетей с использованием различных представлений слов (Embedding, Word2Vec) и готовых нейросетевых решений (Bert, fastai)
- Time series analysis – решение задач обработки, анализа и классификации аудио сигналов с библиотеками librosa, ffmpeg и различных архитектур нейронных сетей, а также предсказание значений временных рядов (time series forecasting) в приложении к котировкам активов с использованием классических решений (ARMA, ARIMA) и моделей на базе сверточных нейронных сетей (CNN), рекуррентных нейронных сетей (LSTM,GRU) и их комбинаций.
- Проекты сегментации сигналов с различных датчиков и приборов и распознавания речи (speech-to-text) с облачными сервисами Yandex и Google.
Ермилов Дмитрий
Академия Федеральной службы безопасности Российской Федерации (Москва, 2012)
Профессиональные компетенции:
- Ведущий Data Scientist в ФГУП “Центр информационных технологий”, Москва
- Руководитель программ в Университете искусственного интеллекта, Москва.
- Кандидат наук (2017 год, Московский государственный университет им. М.В. Ломоносова, Москва)