ОНЛАЙН-КУРС

COMPUTER VISION

ЯН КОЛОДА SENIOR CV & ML ENGINEER,
має ступінь PhD у сфері
Image Processing & Computer Vision

ДАТА:
23.01 - 22.03

 

ФОРМАТ:
18 ОНЛАЙН-ЗАНЯТЬ
[ПО ПОНЕДІЛКАМ І СЕРЕДАМ]

Практичний курс про те, як застосовувати класичні методи machine learning та deep learning для розв’язання завдань комп’ютерного зору: від балансу кольору на зображенні — до тренування згорткових нейронних мереж для розпізнавання об’єктів у відео.

ХТО ЗАЗВИЧАЙ КУПУЄ ЦЕЙ КУРС

  • DATA SCIENTIST

    Хочете отримати практичний досвід у Computer Vision, але боїтеся одразу тестувати гіпотези в роботі на реальному продукті? Цей курс допоможе «набити руку» на задачах типу покращення якості зображення чи детекція обʼєктів на відео в режимі реального часу.

  • DEVELOPERS

    Не маєте досвіду в machine learning, але працюєте з Python і вмієте обробляти дані? Ян Колода дасть overview основних інструментів, які використовуються в Computer Vision, навчить обробляти зображення і навіть запускати нейромережі за допомогою TensorFlow.

  • Switchers

    Пишете код на Python, маєте досвід в ІТ і хочете спробувати власні сили в популярному напрямку Computer Vision? Цей курс ― чудовий тест-драйв у цю сферу. Ви опануєте ключові інструменти та навчитеся розв'язувати базові задачі комп'ютерного зору.

  • Product managers

    Не бажаєте будувати моделі власноруч, але потрібна експертиза у сфері? Якщо знаєте Python і основні бібліотеки ― ви також зможете навчатися на курсі. Це дасть вам чітке розуміння сучасних технологій Computer Vision, для того щом імплементувати їх у свій поточний проєкт.

  • Завдання спеціаліста з комп’ютерного зору — навчити алгоритми впевнено орієнтуватися в навколишньому світі та звести до мінімуму системні баги. Завдання robot_dreams — допомогти розібратися в інструментах та підходах, які застосовують для реалізації CV-проєктів.

     

  • 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 і тренуватимемо нейронні мережі.

ДО ПРОГРАМИ КУРСУ ВХОДЯТЬ

  1. СИЛЬНИЙ КОНТЕНТ

    Лектор поділиться особистим досвідом та дасть overview задач computer vision. Кожну лекцію супроводжуватиме домашнє завдання, і ви відразу ж застосовуватимете отримані знання на практиці.

  2. ІНСТРУМЕНТИ

    Ви будете використовувати бібліотеки NymPy, Matplotlib, scikit-learn для завдань computer vision. Освойте OpenCV, TensorFlow та Keras.

  3. ЗАВДАННЯ

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

  4. КАР'ЄРА

    Навчання дасть вам необхідні компетенції для відгуку на вакансію Computer Vision Engineer та відкриє нові горизонти.

ЛЕКТОР

ЯН КОЛОДА

  • Senior Computer Vision & Machine Learning Engineer у Gini GmbH
  • експерт із комп’ютерного зору із 6-річним досвідом роботи в різних галузях
  • розробляє моделі, що здійснюють автоматичне вилучення інформації з документів за допомогою штучного інтелекту, у німецькому фінтех-стартапі Gini
  • проєктував deep learning pipelines для автономного водіння та розробляв алгоритми обробки зображення та відео для безпілотних автомобілів у німецькій компанії AVL Software and Functions
  • працював у Veridas, де розробляв системи антиспуфінгу зображень для першої біометричної системи в Іспанії
  • викладав цифрову обробку зображень/відео та Computer Vision Університеті Гранади [Іспанія] та Університеті Ерлангена-Нюрнберга [Німеччина]
  • має ступінь PhD у сфері Image Processing & Computer Vision

Програма

  • 01

    23.01 ПОНЕДІЛОК

    Вступ до Computer Vision

    Ознайомитеся із завданнями, які допомагає вирішити Computer Vision. Отримайте загальну інформацію про те, як працює зорова система. Дізнаєтесь, які є колірні простори. Встановите бібліотеки NymPy, Matplotlib та OpenCV. Навчитеся виконувати прості операції за допомогою цих бібліотек.

  • 02

    25.01 СЕРЕДА

    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

    30.01 ПОНЕДІЛОК

    Лінійна фільтрація

    Вивчите принцип роботи згортки. Навчитеся імплементувати фільтрацію та маніпулювати зображенням, використовуючи різні типи фільтрації.

  • 04

    01.02 СЕРЕДА

    Фільтри виділення кордонів

    Дізнаєтеся, у чому сенс градієнтів зображень. Навчитеся імплементувати фільтри виділення меж. Опануєте алгоритм виділення контурів та фільтри в Canny.

  • 05

    06.02 ПОНЕДІЛОК

    Кодування та компресія зображень

    Вивчите різницю 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

    08.02 СЕРЕДА

    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

    13.02 ПОНЕДІЛОК

    Image matching [підстроювання 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

    15.02 СЕРЕДА

    Machine Learning [машинне навчання]

    Ознайомитеся з основними принципами роботи з моделями даних. Розберете різницю між класичною обробкою даних та машинним навчанням. Навчитеся будувати прості моделі з нуля та проводити їхню оптимізацію. Визначите різницю між machine learning та deep learning.

  • 09

    20.02 ПОНЕДІЛОК

    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

    22.02 СЕРЕДА

    Трекінг

    Вивчите основи роботи трекінгу та принципи роботи з цифровим відео. Розберете різницю між трекінгом та детекцією на практиці, реалізовуючи реальне робоче завдання.

  • 11

    27.02 ПОНЕДІЛОК

    Нейронні мережі: part 1

    Вивчите принципи роботи нейронних мереж. Отримаєте overview відкритих бібліотек TensorFlow та Keras. Навчитеся будувати та тренувати прості нейронні мережі. Спробуєте покращити модель нейронної мережі для класичної проблеми house pricing.

  • 12

    01.03 СЕРЕДА

    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 та тренувати моделі в ньому. Дізнаєтесь, навіщо проводити інспекцію баз даних.

  • 13

    06.03 ПОНЕДІЛОК

    Згорткові нейронні мережі: part 1

    Вивчите принципи роботи згорткових нейронних мереж. Вивчите операції згортки та пулінгу. Навчитеся будувати та тренувати згорткові нейронні мережі.

  • 14

    08.03 СЕРЕДА

    Згорткові нейронні мережі: part 2

    Ознайомитеся з проблемою перенавчання [overfitting]. Навчитеся розпізнавати проблеми в процесі навчання та застосовувати data augmentation у процесі тренування.

  • 15

    13.03 ПОНЕДІЛОК

    Згорткові нейронні мережі: part 3

    Навчитеся розв’язувати задачу сегментації цифрових зображень. Вивчите принцип bottleneck. Побудуєте простий автоматичний енкодер для очищення зображень від шуму.

  • 16

    15.03 СЕРЕДА

    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, щоби розпізнати об’єкти на власному відео.

  • 17

    20.03 ПОНЕДІЛОК

    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 при тренуванні згорткових нейронних мереж. Отримаєте рецепт успішного розв’язання проблем із використанням нейронних мереж.

  • 18

    22.03 СЕРЕДА

    Презентація курсового проєкту

Реєстрація

Мова викладання - англійська

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