Все курсы

GU1Wp-TQ

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:

  1. Основы CV и нейронных сетей.

  2. Предобработка данных и построение CNN.

  3. Transfer Learning и борьба с переобучением.

  4. Сложные задачи: детекция, сегментация, трекинг.

  5. 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

prepod-oleg-konorev.jpg
Преподаватель Школы Больших Данных

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.
prepod-ermilov-dmitrij-mihajlovich.jpg
Преподаватель Школы Больших Данных

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)
Если у Вас остались вопросы Вы можете позвонить к нам по телефону +7 (495) 414-11-21  или заполнить форму обратной связи на сайте.
Я даю свое согласие на обработку персональных данных и соглашаюсь с политикой конфиденциальности.

Поиск по сайту