Разработка курса «Компьютерное зрение» | OTUS
Для всех, кто влюблен в технологии!
Специальные скидки ко дню компьютерщика! Забирай промокод в нашем чате ➞
Подробнее

Курсы

Специализации Курсы в разработке Подготовительные курсы
+7 499 110-61-65

Компьютерное зрение

Что даст вам этот курс
12
0
Вы научитесь:
- Проектировать решения для задач компьютерного зрения (классификация, сегментация, детекция, обработка и т.д.)
- Собирать прототипы решений и проверять гипотезы
- Доводить готовое решение до продакшна

Для кого этот курс
Специалисты в машинном обучении, знакомые с основами нейронных сетей. Этот курс будет полезен если вы хотите узнать как обстоят дела в области компьютерного зрения, какие есть модели и инструменты.

Что нужно знать при поступлении:
- Математические основы обучения нейронных сетей(основы мат.анализа, линейной алгебры, теории вероятностей и мат.статистики, метод обратного распространения)
- Основы программирования на Python.
- Как устроены базовые архитектуры и слои нейронных сетей (сверточные/рекуррентные сети, батч-нормализация, сиамские сети и т.д.)
Преподаватель
Артур Кадурин
CEO Insilico Taiwan и Chief AI Officer Insilico Medicine

В Mail.ru был первым сотрудником в группе по анализу данных департамента рекламных технологий. После того, как группа выросла в отдел, возглавил группу сегментирования аудитории. Руководил и участвовал в проектах, связанных с анализом пользовательского поведения в рекламе, соцсетях, играх и т. д.

С 2016 года применял методы глубокого обучения для научных исследований в области медицинской химии совместно с командой Insilico Medicine, где после успешного проекта занял должность директора по AI. В конце 2017 г. возгавил дочернюю компанию Insilico Taiwan в качестве исполнительного директора.

В 2008 году получил специальность математика и системного программиста в Кубанском Государственном Университете на Факультете Компьютерных Наук и Прикладной Математики, с 2013 года занимается машинным обучением.

Соавтор книги про глубокое машинное обучение: https://www.piter.com/product/glubokoe-obuchenie

Научные публикации:

  • The cornucopia of meaningful leads: Applying deep adversarial autoencoders for new molecule development in oncology. https://www.ncbi.nlm.nih.gov/pmc/articles/PMC5355231/

  • druGAN: An Advanced Generative Adversarial Autoencoder Model for de Novo Generation of New Molecules with Desired Molecular Properties in Silico. https://www.ncbi.nlm.nih.gov/pubmed/28703000

  • 3D Molecular Representations Based on the Wave Transform for Convolutional Neural Networks. https://www.ncbi.nlm.nih.gov/pubmed/29473756




  • Преподаватель
    Артур Кадурин
    CEO Insilico Taiwan и Chief AI Officer Insilico Medicine

    В Mail.ru был первым сотрудником в группе по анализу данных департамента рекламных технологий. После того, как группа выросла в отдел, возглавил группу сегментирования аудитории. Руководил и участвовал в проектах, связанных с анализом пользовательского поведения в рекламе, соцсетях, играх и т. д.

    С 2016 года применял методы глубокого обучения для научных исследований в области медицинской химии совместно с командой Insilico Medicine, где после успешного проекта занял должность директора по AI. В конце 2017 г. возгавил дочернюю компанию Insilico Taiwan в качестве исполнительного директора.

    В 2008 году получил специальность математика и системного программиста в Кубанском Государственном Университете на Факультете Компьютерных Наук и Прикладной Математики, с 2013 года занимается машинным обучением.

    Соавтор книги про глубокое машинное обучение: https://www.piter.com/product/glubokoe-obuchenie

    Научные публикации:

  • The cornucopia of meaningful leads: Applying deep adversarial autoencoders for new molecule development in oncology. https://www.ncbi.nlm.nih.gov/pmc/articles/PMC5355231/

  • druGAN: An Advanced Generative Adversarial Autoencoder Model for de Novo Generation of New Molecules with Desired Molecular Properties in Silico. https://www.ncbi.nlm.nih.gov/pubmed/28703000

  • 3D Molecular Representations Based on the Wave Transform for Convolutional Neural Networks. https://www.ncbi.nlm.nih.gov/pubmed/29473756




  • Программа обучения
    Модуль 1
    Современные архитектуры и работа с данными
    Модуль 2
    Детекция объектов и работа с видео
    Модуль 3
    Сегментация и не только
    Модуль 4
    Проектная работа
    Современные архитектуры и работа с данными
    Оценить модуль
    3
    0
    Тема 1: Эволюция сверточных сетей: AlexNet->ResNetX
    Оценить занятие
    0
    0
    Тема 2: Стандартные датасеты и модели в Tensorflow на пример transfer learning
    Оценить занятие
    0
    0
    Тема 3: Стандартные датасеты и модели в PyTorch на примере fine-tuning
    Оценить занятие
    0
    0
    Тема 4: Подготовка и аугментация данных
    Оценить занятие
    0
    0
    Тема 5: Внимание в сверточных сетях. Аннотация
    Оценить занятие
    0
    0
    Тема 6: Классические подходы к CV, работа с openCV
    Оценить занятие
    0
    0
    Детекция объектов и работа с видео
    Оценить модуль
    3
    0
    Тема 1: Object detection 1. RCNN, Fast RCNN, Faster RCNN
    Оценить занятие
    0
    0
    Тема 2: Object detection 2. YOLO, Single-Shot Detector
    Оценить занятие
    0
    0
    Тема 3: Landmarks: Cascade shape regression, Deep Alignment Network, Stacked Hourglass Network и другие
    Оценить занятие
    0
    0
    Тема 4: Работа с видео. Object tracking
    Оценить занятие
    0
    0
    Тема 5: Как запустить инференс на сервере. Рассказать про серверы и про инференс
    Оценить занятие
    0
    0
    Сегментация и не только
    Оценить модуль
    3
    0
    Тема 1: Сегментация 1. U-net
    Оценить занятие
    0
    0
    Тема 2: Сегментация 2
    Оценить занятие
    0
    0
    Тема 3: GANs, super-resolution, adversarial attack
    Оценить занятие
    0
    0
    Тема 4: Работаем с 3D сценами. PointNet.
    Оценить занятие
    0
    0
    Тема 5: TensorRT. Адаптируем модель к девайсу
    Оценить занятие
    0
    0
    Проектная работа
    Оценить модуль
    1
    0
    Тема 1: Консультация по проекту
    Оценить занятие
    0
    0
    Тема 2: Консультация по проекту
    Оценить занятие
    0
    0
    Тема 3: Проектная работа
    Оценить занятие
    0
    0
    Опрос по программе "Компьютерное зрение"

    При запуске нового курса, нам очень важно оценивать качество и актуальность предлагаемой программы на этапе идеи и концепции модулей, поэтому мы будем очень рады и благодарны вашим ответам, экспертным оценкам и комментариям.

    Вопрос №1 из 6
    Выберите один вариант ответа
    Есть ли у вас опыт в machine learning?
    Вопрос №2 из 6
    Выберите один вариант ответа
    Есть ли у вас опыт работы с нейроными сетями?
    Вопрос №3 из 6
    Выберите один вариант ответа
    В каких областях у вас есть опыт работы?
    Вопрос №4 из 6
    Есть ли у вас какие-то пожелния/предложения по программе?
    Вопрос №5 из 6
    Телефон/телеграм для дополнительных вопросов
    Вопрос №6 из 6
    Удобное время для связи

    Оставьте хотя бы один ответ для участия в опросе

    Специальные скидки!
    Только до 23 февраля! Забирай промокод в нашем чате ➞