Онлайн-курс

Computer Vision

Ян Колода
Senior Computer Vision &
Machine Learning Engineer
в Gini GmbH
Читать дальше
Tom Crate
ДАТА:
06.06 - 31.08

ДЛИТЕЛЬНОСТЬ:
18 онлайн-занятий
[по понедельникам и средам]

Практический курс о том, как применять классические методы machine learning и deep learning для решения задач компьютерного зрения: от баланса цвета на изображении — до тренировки сверточных нейронных сетей для распознавания объектов в видео.

курс подойдет:

  • Data Scientist

     

    После курса вы систематизируете знания в области machine learning и deep learning. Разберетесь в современных подходах к детекции объектов, получите опыт в решении задач классификации и сегментации, научитесь строить и тренировать нейросети.

  • Developer

     

    Курс даст overview задач computer vision и основных инструментов, которые необходимы для их решения. Вы научитесь обрабатывать изображения и видео, разрабатывать и запускать модели с помощью TensorFlow.

о курсе

Задача специалиста по компьютерному зрению ― научить алгоритмы уверенно ориентироваться в окружающем мире и свести к минимуму системные баги. Задача robot_dreams ― помочь разобраться в инструментах и подходах, которые применяют для реализации CV-проектов.

Мы начнем с пиксельных операций и создания программ для обработки цифровых фото. Затем научимся проводить базовые манипуляции с изображением и видео: фильтрация и выделение границ, кодировка и компрессия, классификация, детекция, трекинг и сегментация. А после ― будем строить и тренировать нейронные сети.

 
В программу курса входят:
01
СИЛЬНЫЙ
КОНТЕНТ
Лектор поделится личным опытом и даст overview задач computer vision. Каждую лекцию будет сопровождать домашнее задание, и вы сразу же будете применять полученные знания на практике.
02
ИНСТРУМЕНТЫ
Вы будете применять библиотеки NymPy, Matplotlib, scikit-learn для задач computer vision. Освоите OpenCV, TensorFlow и Keras.
03
ЗАДАЧИ

Научитесь решать базовые задачи компьютерного зрения: фильтрация, выделение границ, кодировка, компрессия, классификация, детекция, трекинг и сегментация. Будете строить и тренировать нейросети.

04
КАРЬЕРА

Обучение даст вам необходимые компетенции для отклика на вакансию Computer Vision Engineer и откроет новые горизонты.

ЛЕКТОР
ЯН
КОЛОДА
  • Senior Computer Vision & Machine Learning Engineer в Gini GmbH
  • эксперт по компьютерному зрению с 6-летним опытом работы в разных отраслях
  • разрабатывает модели, которые осуществляют автоматическое извлечение информации из документов с помощью искусственного интеллекта, в немецком финтех-стартапе Gini
  • проектировал deep learning pipelines для автономного вождения и разрабатывал алгоритмы обработки изображения и видео для беспилотных автомобилей в немецкой компании AVL Software and Functions
  • работал в Veridas, где разрабатывал системы антиспуфинга изображений для первой биометрической системы в Испании
  • преподавал цифровую обработку изображений/видео и Computer Vision в Университете Гранады [Испания] и Университете Эрлангена-Нюрнберга [Германия]
  • имеет степень PhD в области Image Processing & Computer Vision
ПРОГРАММА
01
6.06. ПОНЕДЕЛЬНИК
Введение в Computer Vision

Ознакомьтесь с задачами, которые помогает решить Computer Vision. Получите общую информацию о том, как работает зрительная система. Узнайте, какие цветовые пространства существуют. Установите библиотеки NymPy, Matplotlib и OpenCV. Научитесь выполнять простые операции, используя эти библиотеки.

больше
02
8.06. СРЕДА
Пиксельные операции

Узнайте, что такое операции на уровне пикселей, и научитесь читать гистограммы. Создайте простейшую программу для обработки цифровых изображений, например, программу для баланса белого цвета.

больше
03
13.06. ПОНЕДЕЛЬНИК
Линейная фильтрация

Изучите принцип работы свертки. Научитесь имплементировать фильтрацию и манипулировать изображением, используя разные типы фильтрации.

больше
04
15.06. СРЕДА
Фильтры выделения границ

Узнайте, в чем смысл градиентов изображений. Научитесь имплементировать фильтры выделения границ. Освойте алгоритм выделения контуров и фильтры в Canny.

больше
05
4.07. ПОНЕДЕЛЬНИК
Кодировка и компрессия изображений

Изучите разницу между форматами изображений [raw, png, jpeg]. Разберите разницу между форматами H264 и H265. Узнайте, как работает сжатие с потерями, и научитесь работать с изображениями в преобразованной форме. Попробуйте улучшить качество изображения с помощью интеллектуального квантования.

больше
06
6.07. СРЕДА
Image features [визуальные признаки]

Узнайте, что такое визуальные признаки, и ознакомьтесь с типовыми задачами, которые можно решить с их помощью. Научитесь выделять углы с помощью детектора Харриса. Изучите алгоритмы обнаружения и описания признаков. Научитесь применять масштабно-инвариантную трансформацию признаков (SIFT).

больше
07
11.07. ПОНЕДЕЛЬНИК
Image matching [подстройка изображений]

Ознакомьтесь с задачами, которые решает image matching. Изучите принцип аффинного преобразования и однородных координат. Научитесь применять гомографию для изображений. Разработайте ректификатор фотографий документов.

больше
08
13.07. СРЕДА
Machine Learning [машинное обучение]

Ознакомьтесь с базовыми принципами работы с моделями данных. Разберите разницу между классической обработкой данных и машинным обучением. Научитесь строить простые модели с нуля и проводить их оптимизацию. Определите разницу между machine learning и deep learning.

больше
09
18.07. ПОНЕДЕЛЬНИК
Детекция лиц

Определите, чем визуальные признаки для детекции лиц отличаются от признаков других объектов. Ознакомьтесь с методом детекции Виолы-Джонса и методом бустинга. Научитесь работать с изображениями, которые содержат лица, и осуществлять детекцию с помощью OpenCV.

больше
10
20.07. СРЕДА
Трекинг

Изучите основы работы трекинга и принципы работы с цифровым видео. Разберите разницу между трекингом и детекцией на практике, реализовывая реальную рабочую задачу.

больше
11
27.07.ПОНЕДЕЛЬНИК
Нейронные сети: part 1

Изучите принципы работы нейронных сетей. Получите overview открытых библиотек TensorFlow и Keras. Научитесь строить и тренировать простые нейронные сети. Попробуйте улучшить модель нейронной сети для классической проблемы house pricing.

больше
12
1.08. СРЕДА
Нейронные сети: part 2

Узнайте, как ускорить тренировку нейронных сетей в несколько раз с помощью GPU, и ознакомьтесь с другими преимуществами графического процессора. Ознакомьтесь с облачным сервисом Google Colaboratory и научитесь строить и тренировать модели в нем. Узнайте, зачем проводить инспекцию баз данных.

больше
13
3.08. ПОНЕДЕЛЬНИК
Сверточные нейронные сети: part 1

Изучите принципы работы сверточных нейронных сетей. Изучите операции свертки и пулинга. Научитесь строить и тренировать сверточные нейронные сети.

больше
14
8.08. СРЕДА
Сверточные нейронные сети: part 2

Ознакомьтесь с проблемой переобучения [overfitting]. Научитесь распознавать проблемы в процессе обучения и применять data augmentation в процессе тренировки.

больше
15
10.08. ПОНЕДЕЛЬНИК
Сверточные нейронные сети: part 3

Научитесь решать задачу сегментации цифровых изображений. Изучите принцип bottleneck. Постройте простой автоматический энкодер для очищения изображений от шума.

больше
16
15.08. СРЕДА
Детекция объектов

Изучите концепт детекции и bounding box. Научитесь распознавать объекты в режиме реального времени, используя принцип YOLO [You Only Look Once]. Ознакомьтесь с алгоритмом NMS [Non-Maximum Suppression] и другими архитектурами сетей для распознавания объектов [SSD, TinyYOLO, SqueezeDet]. Примените YOLO для распознавания объектов на собственном видео.

больше
17
17.08. ПОНЕДЕЛЬНИК
Сверточные нейронные сети: что дальше?

Ознакомьтесь с популярными моделями сверточных нейронных сетей. Изучите процесс fine tuning и научитесь работать с model zoo. Узнайте, какие проблемы возникают при тренировке сверточных нейронных сетей. Получите рецепт успешного решения проблем с использованием нейронных сетей.

больше
18
31.08. ПОНЕДЕЛЬНИК
Презентация курсового проекта
 
больше
Регистрация
Имя
Это обязательное поле!
Email
Это обязательное поле!
Телефон
Это обязательное поле!
Регистрируясь, вы соглашаетесь
с условиями договора-оферты и политикой конфиденциальности.
Спасибо!
Мы получили вашу заявку. Проверьте вашу почту.