Вы освоите принципы машинного обучения в области компьютерного зрения и сможете решать индустриальные задачи, используя открытые датасеты. По ходу курса вы обучите нейросети для решения задач:
классификации и сегментации изображений
детекции объектов на изображениях
отслеживания объектов на видео
обработки трехмерных сцен
порождения изображений и атаки на обученные модели нейронных сетей
Также вы научитесь пользоваться основными фреймворками для создания нейросетей: PyTorch, TensorFlow и Keras.
Карта курсов направления Data Science в OTUS
Для кого этот курс?
Для специалистов в сфере Machine Learning, которые:
Хотят специализироваться на Компьютерном зрении
Уже используют практики Deep Learning и хотят расширить и систематизировать знания
Курс позволит переключиться с классических задач машинного обучения, таких как кредитный скоринг, оптимизация CTR, детекция фрода и т.д, и попасть в развивающуюся область Data Science, где сейчас происходит все самое интересное и открываются новые карьерные горизонты. Обучение даст вам необходимые компетенции, чтобы претендовать на специальности, требующие профессиональных навыков разработки систем компьютерного зрения. В разных компаниях специальности называются по-разному, самые распространенные варианты: Deep learning engineer, Computer Vision Engineer, AI Research Engineer [Computer Vision, Machine Learning], программист-исследователь, Deep Learning/Computer Vision.
Чем курс отличается от других?
Подготовка к решению боевых задач: как запустить нейросеть в облаке и адаптировать модель под разные платформы
Углубленные знания и современные подходы к технологиям Computer visio
Завершенная проектная работа, которую можно добавить в портфолио
Веселые примеры, фонтан идей и вселенные киберпанка на кончиках пальцев — 4 месяца пролетят на одном дыхании!
Во время курса вы:
Будете работать с открытыми датасетами для различных задач Computer Visio
Разберетесь в принципах работы и вариантах сверточных и пулинг-слоев, в том числе, специфических для задач детекции и сегментации объектов.
Научитесь применять механизм внимания в сверточных сетях.
Узнаете, какие идеи лежат в основе современных сверточных сетей (MobileNet, ResNet, EfficientNet, etc.)
Разберетесь в DL-подходах к детекции объектов - изучите семейство R-CNN, реалтайм-детекторы: YOLO, SSD. А также реализуете детектор объектов самостоятельно.
Научитесь решать задачу Deep Metric Learning с помощью сиамских сетей. Узнаете, что такое triplet loss, angular loss.
Получите опыт в решении задачи сегментации изображений: U-Net, DeepLab.
Научитесь применять fine tuning, transfer learning и собирать собственные датасеты для задач object detection и Image segmentation, metric learning.
Будете работать с генеративными состязательными сетями. Поймете, как можно использовать GANs для состязательных атак и как реализовать super resolution GANs.
Научитесь запускать модели на сервере (tensorflow serving, TFX). Познакомитесь с фреймворками для оптимизации нейросетей для инференса на мобильных/embedded-устройствах: Tensorflow Lite, TensorRT.
Изучите архитектуры для определения Facial Landmarks: Cascade shape regression, Deep Alignment Network, Stacked Hourglass Network
Хотелось найти курс и обширный, и узконаправленный Computer Vision. И в общем это получилось.
Цель была обновить (вспомнить) и углубить знания в этой области, узнать, что нового и важного, с точки зрения практикующих специалистов появилось на данный момент.
На курсе приятная обстановка. Сам курс насыщен практикой, настоящее глубокое погружение в мир компьютерного зрения. А команда преподавателей, состоящая из специалистов и профессионалов, каждый в своём направлении, делает этот курс особенно сильным и уникальным.
Обучение даёт мне сделать новый шаг в саморазвитии в направлении нейронные сети. Попробовать себя в новых задачах, более сложных и прикладных.
В карьере пока без изменений. Но появился шанс попробовать новые проекты, используя более продвинутые инструменты, и, конечно, много новых идей.
08.03.2021
Хотелось бы сказать огромное спасибо преодавателям курса за их профессионализм и поддержку!
После окончания курса по C++ на платформе Otus увидел тут же новый курс по CV. Решил попробовать, вед курсом по C++ остался доволен!
Курс помог структурировать и углубить уже имеющиеся знания о CV а также получить новые. Познакомиться с современными подходами в CV, узнать как и почему работают различные решения. А самое главное - это возможность применить полученные знания в домашних работах и итоговом проекте.
Курс был насыщен и в меру сложен. С нетерпением жду курс следующего уровня сложности!
14.05.2021
Хотелось найти курс и обширный, и узконаправленный Computer Vision. И в общем это получилось.
Цель была обновить (вспомнить) и углубить знания в этой области, узнать, что нового и важного, с точки зрения практикующих специалистов появилось на данный момент.
На курсе приятная обстановка. Сам курс насыщен практикой, настоящее глубокое погружение в мир компьютерного зрения. А команда преподавателей, состоящая из специалистов и профессионалов, каждый в своём направлении, делает этот курс особенно сильным и уникальным.
Обучение даёт мне сделать новый шаг в саморазвитии в направлении нейронные сети. Попробовать себя в новых задачах, более сложных и прикладных.
В карьере пока без изменений. Но появился шанс попробовать новые проекты, используя более продвинутые инструменты, и, конечно, много новых идей.
05.10.2021
Отличный курс и отличные преподаватели. Вся информация подаётся понятно, на вопросы всегда отвечают оперативно.В рамках курса получил много новой и полезной информации и реальных кейсов из жизни. Во время прохождения полностью переосмыслил свой подход к разработке.Отличный курс, рекомендую всем разработчикам кто хочет получить уверенные знания по фраймворку Laravel.Из не удобств, на мой взгляд стоит задуматься о доработке дизайна сайта, есть некоторые не удобные момент.Желаю команде OTUS всего наилучшего, спасибо за отличную работу)
Плюсы: Преподаватели, подача информации, поддержка
Минусы: Дизайн сайта
Источник: otzovik.com
nightdiverru
04.06.2020
8
Неплохие курсы для новичков
Из плюсов: большинство преподавателей - реальные спецы в своих темах. Непринужденная обстановка на лекциях и быстрые ответы на вопросы. Непосредственная поддержка преподавателей в выполнении ДЗ и курсовой.Рассматриваемые вопросы лично мне помогли в работе. Из минусов: много ошибок в домашних заданиях, из-за чего приходится тратить много времени на поиск правильных путей. Курсовая работа "для галочки".