Онлайн-курс Computer Vision | robot_dreams
  • онлайн-курс
  • 9 тижнів
  • курсовий проєкт
  • воркшопи

COMPUTER VISION

Будуйте нейронні мережі з нуля та навчіть їх розпізнавати об’єкти на фото і відео за допомогою Python і його бібліотек.

Ян Колода

Senior CV & ML Engineer у Gini GmbH

PhD у сфері Image Processing & Computer Vision

для кого

Дата-саєнтисти

Щоб розібратися в сучасних підходах до детекції об’єктів, напрацювати досвід у розв’язанні завдань класифікації та сегментації, навчитеся будувати й тренувати нейромережі. А також актуалізувати знання у сферах Machine Learning та Deep Learning.

Розробники

Щоб імплементувати фічі на базі комп’ютерного зору у власні проєкти. Навчитися обробляти зображення та відео, розробляти й запускати моделі за допомогою TensorFlow. Вивчите можливості Python для роботи із зображеннями та оптимізації нейронних мереж.

Світчери

Щоб набути досвіду в ІТ та спробувати власні сили в популярному напрямі Computer Vision. Опанувати ключові інструменти й навчитися розв’язувати базові задачі комп’ютерного зору.

 

Про курс

За два місяці зможете навчати алгоритми впевнено орієнтуватися в навколишньому світі та звести до мінімуму системні баги.

  • Ми почнемо з піксельних операцій та створення програм для обробки цифрових фото.

  • Потім навчимося проводити базові маніпуляції із зображенням та відео: фільтрація та виділення кордонів, кодування та компресія, класифікація, детекція, трекінг та сегментація.

  • А після — будуватимемо й тренуватимемо нейронні мережі.

до програми курсу входять

  • 01

    Сильний контент

    Лектор поділиться особистим досвідом і дасть overview задач Computer Vision. Після кожної лекції отримаєте практичне завдання, щоб одразу застосовувати нові знання на практиці.

  • 02

    Інструменти

    Навчитеся використовувати бібліотеки NumPy, Matplotlib, scikit-learn для завдань Computer Vision. А також опануєте OpenCV, TensorFlow та Keras для роботи з нейронними мережами.

  • 03

    Практика

    Навчитеся розв’язувати базові завдання комп’ютерного зору: фільтрація, виділення кордонів, кодування, компресія, класифікація, детекція, трекінг та сегментація. Будуватимете й тренуватимете нейромережі.

  • 04

    Кар’єра

    Навчання дасть вам необхідні компетенції для відгуку на вакансію Computer Vision Engineer та відкриє нові професійні горизонти — зможете користуватися новими знаннями не тільки для завдань комп’ютерного зору, але й для інших областей обробки цифрових зображень та відео.

лектор

Ян Колода

Senior CV & ML Engineer у Gini GmbH
PhD у сфері Image Processing & Computer Vision
експерт із комп’ютерного зору із 6-річним досвідом роботи в різних галузях

  • розробляє моделі, що здійснюють автоматичне вилучення інформації з документів за допомогою AI, у німецькому фінтех-стартапі Gini ― цією технологією користуються 3 найбільших банки Німеччини: Deutsche Bank, Commerzbank, KfW

  • в AVL Software and Functions спроєктував Deep Learning Pipelines автономного водіння та розробив алгоритми обробки зображення і відео для безпілотних автомобілів

  • працював у Veridas, де розробляв систему боротьби з підробкою зображень на основі машинного навчання з точністю понад 99 % ― ці методи є частиною першої біометричної платіжної системи, розгорнутої в Іспанії

  • викладав цифрове опрацювання зображень/відео та Computer Vision в Університеті Гранади [Іспанія] та Університеті Ерлангена-Нюрнберга [Німеччина]

Програма

  • 01 заняття
    23.09 18:30

    Знайомство з Computer Vision

    • Ознайомитеся із завданнями, які допомагає розв’язати Computer Vision.
    • Отримаєте загальну інформацію про те, як працює зорова система.
    • Встановите бібліотеки NymPy, Matplotlib та OpenCV і навчитеся виконувати прості операції за допомогою цих бібліотек.
  • 02 заняття
    26.09 18:30

    Піксельні операції

    • Дізнаєтеся, що таке операції на рівні пікселів, і навчитеся читати гістограми.
    • Створите найпростішу програму обробки цифрових зображень — наприклад, програму балансу білого кольору.
  • 03 заняття
    30.09 18:30

    Лінійна фільтрація

    • Вивчите принцип роботи згортки.
    • Навчитеся імплементувати фільтрацію та маніпулювати зображенням, використовуючи різні типи фільтрації.
  • 04 заняття
    03.10 18:30

    Фільтри виділення кордонів

    • Дізнаєтеся, в чому сенс градієнтів зображень.
    • Навчитеся імплементувати фільтри виділення меж.
    • Опануєте алгоритм виділення контурів та фільтри в Canny.
  • 05 заняття
    07.10 18:30

    Кодування та компресія зображень

    • Вивчите відмінності між форматами зображень [RAW, PNG, JPEG].
    • Розберете різницю між форматами H264 та H265.
    • Дізнаєтеся, як працює стиснення із втратами, і навчитеся працювати Із зображеннями в перетвореній формі.
    • Спробуєте покращити якість зображення за допомогою інтелектуального квантування.
  • 06 заняття
    10.10 18:30

    Image features [візуальні ознаки]

    • Дізнаєтеся, що таке візуальні ознаки, та ознайомитеся з типовими завданнями, які можна розв’язати з їхньою допомогою.
    • Навчитеся виділяти кути за допомогою детектора Харріса.
    • Вивчите алгоритми виявлення та опису ознак.
    • Навчитеся застосовувати масштабно-інваріантну трансформацію ознак (SIFT).
  • 07 заняття
    14.10 18:30

    Image matching [відповідність зображень]

    • Ознайомитеся Із завданнями, які розв’язує Image Matching.
    • Вивчите принцип афінного перетворення та однорідних координат.
    • Навчитеся використовувати гомографію для зображень.
    • Розробите ректифікатор фотографій документів.
  • 08 заняття
    17.10 18:30

    Machine Learning [машинне навчання]

    • Ознайомитеся з основними принципами роботи з моделями даних.
    • Розберете відмінності між класичною обробкою даних та машинним навчанням.
    • Навчитеся будувати прості моделі з нуля та проводити їхню оптимізацію.
    • Визначите відмінність між Machine Learning та Deep Learning.
  • 09 заняття
    21.10 18:30

    Детекція облич

    • Визначите, чим візуальні ознаки для детекції осіб відрізняються від інших об’єктів.
    • Ознайомитеся з методом детекції Віоли-Джонса та методом бустингу.
    • Навчитеся працювати із зображеннями, які містять обличчя, та здійснювати детекцію за допомогою OpenCV.
  • 10 заняття
    24.10 18:30

    Трекінг

    • Вивчите основи роботи трекінгу та принципи роботи з цифровим відео.
    • Розберете відмінності між трекінгом та детекцією на практиці, реалізовуючи реальне робоче завдання.
  • 11 заняття
    28.10 18:30

    Q&A-сесія

  • 12 заняття
    31.10 18:30

    Нейронні мережі: part 1

    • Вивчите принципи роботи нейронних мереж.
    • Отримаєте overview відкритих бібліотек TensorFlow та Keras.
    • Навчитеся будувати й тренувати прості нейронні мережі.
    • Спробуєте покращити модель нейронної мережі для класичної проблеми house pricing.
  • 13 заняття
    04.11 18:30

    Нейронні мережі: part 2

    • Дізнаєтеся, як прискорити тренування нейронних мереж у кілька разів за допомогою GPU, та ознайомитеся з іншими перевагами графічного процесора.
    • Ознайомитеся з хмарним сервісом Google Colaboratory та навчитеся будувати й тренувати моделі в ньому.
    • Дізнаєтеся, навіщо проводити інспекцію баз даних.
  • 14 заняття
    07.11 18:30

    Згорткові нейронні мережі: part 1

    • Вивчите принципи роботи згорткових нейронних мереж.
    • Вивчите операції згортки та пулінгу.
    • Навчитеся будувати й тренувати згорткові нейронні мережі.
  • 15 заняття
    11.11 18:30

    Згорткові нейронні мережі: part 2

    • Ознайомитеся з проблемою перенавчання [overfitting].
    • Навчитеся розпізнавати проблеми в процесі навчання та застосовувати Data Augmentation у процесі тренування.
  • 16 заняття
    21.11 18:30

    Згорткові нейронні мережі: part 3

    • Навчитеся розв’язувати задачу сегментації цифрових зображень.
    • Вивчите принцип bottleneck.
    • Побудуєте простий автоматичний енкодер для очищення зображень від шуму.
  • 17 заняття
    25.11 18:30

    Воркшоп: нейронні мережі

  • 18 заняття
    28.11 18:30

    Детекція об’єктів

    • Вивчите концепт детекції та bounding box.
    • Навчитеся розпізнавати об’єкти в режимі реального часу, використовуючи принцип YOLO [You Only Look Once].
    • Ознайомитеся з алгоритмом NMS [Non-Maximum Suppression] та іншими архітектурами мереж для розпізнавання об’єктів [SSD, TinyYOLO, SqueezeDet].
    • Застосуєте YOLO, щоб розпізнати об’єкти на власному відео.
  • 19 заняття
    02.12 18:30

    Згорткові нейронні мережі: що далі?

    • Ознайомитеся з популярними моделями згорткових нейронних мереж.
    • Вивчите процес fine tuning та навчитеся працювати з model zoo.
    • Дізнаєтеся, які проблеми виникають під час тренування згорткових нейронних мереж.
    • Отримаєте рецепт успішного розв’язання проблем з використанням нейронних мереж.
  • 20 заняття
    05.12 18:30

    Q&A-сесія

  • 21 заняття
    09.12 18:30

    Презентація курсового проєкту

реєстрація

Заповнюйте форму, щоб навчитися застосовувати Computer Vision у власних проєктах та зростати у Machine Learning.

 
 
 
Реєструючись, ви погоджуєтеся з умовами договору-оферти та політикою конфіденційності.