Computervisie - gratis cursus van Otus, opleiding 4 maanden, Datum: 5 december 2023.

Tijdens de cursus train je neurale netwerken om problemen op te lossen:
- classificatie en segmentatie van afbeeldingen
- detectie van objecten in afbeeldingen
- objecten volgen op video
- verwerking van driedimensionale scènes
- het genereren van afbeeldingen en aanvallen op getrainde neurale netwerkmodellen
Je leert ook hoe je de belangrijkste raamwerken kunt gebruiken voor het creëren van neurale netwerken: PyTorch, TensorFlow en Keras. Kaart van Data Science-cursussen bij OTUS

Voor wie is deze cursus bedoeld?

Voor Machine Learning-professionals die:

• Wil je specialiseren in Computer Vision
• Maak al gebruik van Deep Learning-beoefenaars en wil kennis uitbreiden en systematiseren
• Met de cursus kunt u overstappen van klassieke machine learning-taken zoals kredietscore, CTR-optimalisatie, fraudedetectie en etc., en begeef je in het zich ontwikkelende veld van Data Science, waar nu de meest interessante dingen gebeuren en nieuwe carrières zich openen horizonten.

De training geeft u de nodige competenties om te solliciteren naar banen waarvoor professionele vaardigheden voor de ontwikkeling van computer vision-systemen vereist zijn. In verschillende bedrijven worden specialiteiten anders genoemd, de meest voorkomende opties zijn: Deep learning engineer, Computer Vision Engineer, AI Research Engineer [Computer Vision, Machine Learning], onderzoekprogrammeur, Deep Learning/Computer Visie.

Waarin verschilt de cursus van andere?
Voorbereiden op het oplossen van gevechtsmissies: hoe een neuraal netwerk in de cloud te lanceren en het model aan te passen voor verschillende platforms
Diepgaande kennis en moderne benaderingen van computervisietechnologieën
Voltooid projectwerk dat aan uw portfolio kan worden toegevoegd
Grappige voorbeelden, een fontein van ideeën en cyberpunk-universums binnen handbereik - 4 maanden vliegen in één adem voorbij!

Tijdens de cursus:
Je gaat werken met open datasets voor diverse Computer Vision taken
U begrijpt de werkingsprincipes en opties van convolutionele en poolinglagen, inclusief die specifiek voor objectdetectie- en segmentatietaken.
Leer het aandachtsmechanisme toe te passen in convolutionele netwerken.
Ontdek welke ideeën ten grondslag liggen aan moderne convolutionele netwerken (MobileNet, ResNet, EfficientNet, etc.)
Je zult de DL-benaderingen van objectdetectie begrijpen - bestudeer de R-CNN-familie, realtime detectoren: YOLO, SSD. U kunt ook zelf een objectdetector implementeren.
Leer het Deep Metric Learning-probleem op te lossen met behulp van Siamese netwerken. Ontdek wat tripletverlies en hoekverlies zijn.
Ervaring opdoen met het oplossen van beeldsegmentatieproblemen: U-Net, DeepLab.
Leer fijnafstemming toepassen, leren overdragen en uw eigen datasets verzamelen voor objectdetectie en beeldsegmentatie, metrische leertaken.
Je werkt met generatieve vijandige netwerken. Begrijp hoe GAN's kunnen worden gebruikt voor vijandige aanvallen en hoe u GAN's met superresolutie kunt implementeren.
Leer modellen op de server draaien (tensorflow-serving, TFX). Maak kennis met raamwerken voor het optimaliseren van neurale netwerken voor inferentie op mobiele/embedded apparaten: Tensorflow Lite, TensorRT.
Ontdek architecturen voor het definiëren van gezichtsoriëntatiepunten: Cascade-vormregressie, Deep Alignment Network, Stacked Hourglass Network

Anna Zakutnaya

1

Goed

Ze studeerde af aan de masteropleiding kwantitatieve financiën aan de National Research University Higher School of Economics. Sinds de universiteit is hij geïnteresseerd in machine learning en deep learning-problemen. Aan diverse projecten mogen werken: pijpleiding ontwikkeld voor detectie en herkenning van schilderijen; geïntegreerde herkenningsmodule...

Alexander Sizov

3

cursus

Ervaren ontwikkelaar, wetenschapper en Machine/Deep learning-expert met ervaring in aanbevelingssystemen. Hij heeft meer dan 30 wetenschappelijke publicaties in het Russisch en vreemde talen, verdedigde zijn proefschrift over het onderwerp analyse en...

Anton Vitvitski

2

cursus

Expert in computervisie en deep learning, gecertificeerde software-ingenieur en kandidaat voor natuur- en wiskundige wetenschappen. Van 2012 tot 2017 werkte hij op het gebied van gezichtsherkenning bij WalletOne, wiens oplossingen werden geleverd aan bedrijven in Zuid-Afrika.