Курс про принципы машинного обучения в области компьютерного зрения
⚡ Подписка на курсы OTUS!
Интенсивная прокачка навыков для IT-специалистов!
Подробнее

Курсы

Программирование
Backend-разработчик на PHP Алгоритмы и структуры данных Team Lead Архитектура и шаблоны проектирования Разработчик IoT C# Developer. Professional HTML/CSS
-11%
C# ASP.NET Core разработчик
-5%
Kotlin Backend Developer
-8%
iOS Developer. Professional
-8%
Symfony Framework Unity Game Developer. Basic JavaScript Developer. Professional Android Developer. Basic JavaScript Developer. Basic Java Developer. Professional Highload Architect Reverse-Engineering. Professional Java Developer. Basic Web-разработчик на Python Framework Laravel Cloud Solution Architecture Vue.js разработчик Интенсив «Оптимизация в Java» Супер - интенсив по паттернам проектирования Супер - интенсив по Kubernetes Супер-интенсив "Tarantool" PHP Developer. Basic
Инфраструктура
Мониторинг и логирование: Zabbix, Prometheus, ELK Administrator Linux. Professional Дизайн сетей ЦОД Разработчик IoT PostgreSQL Экспресс-курс "Версионирование и командная работа с помощью Git"
-30%
Microservice Architecture Highload Architect MS SQL Server Developer Разработчик программных роботов (RPA) на базе UiPath и PIX Разработчик голосовых ассистентов и чат-ботов Administrator Linux. Advanced Infrastructure as a code Супер-практикум по использованию и настройке GIT Administrator Linux.Basic Экспресс-курс «IaC Ansible» Экспресс-курс «CI/CD или Непрерывная поставка с Docker и Kubernetes» Основы Windows Server
Корпоративные курсы
Безопасность веб-приложений IT-Recruiter Дизайн сетей ЦОД Компьютерное зрение Разработчик IoT Вебинар CERTIPORT Machine Learning. Professional
-6%
NoSQL Пентест. Практика тестирования на проникновение Java QA Engineer. Базовый курс Руководитель поддержки пользователей в IT
-8%
SRE практики и инструменты Cloud Solution Architecture Внедрение и работа в DevSecOps Супер-практикум по работе с протоколом BGP Infrastructure as a code Супер-практикум по использованию и настройке GIT Промышленный ML на больших данных Экспресс-курс «CI/CD или Непрерывная поставка с Docker и Kubernetes» BPMN: Моделирование бизнес-процессов Основы Windows Server
Специализации Курсы в разработке Подготовительные курсы
+7 499 938-92-02

Компьютерное зрение

Длительность обучения:

4 месяца

4 ак. часа в нед.

Формат:

Online

Начало занятий:

29 апреля

Дни занятий:

Вт 20:00, Чт 20:00

Что даст вам этот курс

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 vision

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 Vision
  • 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

Преподаватели

Артур Кадурин
Chief AI Officer Insilico Medicine
Антон Витвицкий
BOOST INC., Head of Computer Vision
Артем Васильев
Ведущий Инженер Разработки ПАО Сбербанк
Дмитрий Хизбуллин
Иван Карпухин
Ведущий программист-исследователь в компании Mail.ru.
Влад Артемьев
Эмиль Богомолов
Сергей Цыкин
ML Team Leader, Assaia
Фаррух Кушназаров
Ping'an- iTutorGroup, Sr. Data Scientist
Борис Цейтлин
В Mail.Ru Group 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 применяет 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. возглавил 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 Глубокое обучение
Соавтор многочисленных научных публикаций: Google Scholar

Эксперт по компьютерному зрению и глубокому обучению, дипломированный инженер-программист и кандидат физ-мат наук.

С 2012 по 2017 занимался распознаванием лиц в компании WalletOne, чьи решения поставлялись для бизнеса в странах Южной Африки и Европы. Участвовал в стартапе Mirror-AI, где руководил командой компьютерного зрения. В 2017 стартап прошел Y-combinator и получили инвестиции для создания приложения в котором пользователь может реконструировать свой аватар по селфи. В 2019 участвовал в британском стартапе Kazendi Ltd., в проекте HoloPortation. Цель проекта - реконструкция 3D-аватаров для очков дополненной реальности HoloLens. C 2020 руководит командой компьютерного зрения в американском стартапе Boost Inc., который занимается видеоаналитикой в баскетболе для NCAA.

Руководитель программы
Занимается разработкой систем анализа поведения и действий. Работал над проектами по дистанционному зондированию и анализу данных с метеозондов, спутников и других БПЛА.
Научные интересы в области распознавания поз и действий человека и стеганографии с применением нейронных сетей

Преподаватель
Разработчик и исследователь с 10+ лет опыта работы в России, Германии и Эстонии, специализирующийся на глубоком обучении, компьютерном зрении и беспилотных автомобилях. В данный момент Дмитрий является тим-лидом в исследовательском центре Huawei и работает над зрением беспилотных автомобилей и распределенной тренировкой нейронных сетей.

Преподаватель
Более пяти лет занимается машинным обучением. Имеет опыт в компьютерном зрении и речевых технологиях. Разрабатывает системы распознавания текста и лиц для почты и облака Mail.ru. Любит хорошо написанный ML-код, документацию и тесты. Применяет методы int8 quantization, чтобы добиться эффективности нейронных сетей в production. Использовал в работе фреймворки глубокого обучения PyTorch и TensorFlow.

До Mail.ru работал в компании Яндекс, где разрабатывал речевые технологии для Алисы.

Наставник
4+ лет Deep Learning Computer Vision инженер. Три года был в команде R&D в качестве исследователя алгоритмов Deep Learning. Разрабатывал алгоритмы распознавания лиц, распознавания номеров, детектирования толпы и другие алгоритмы видеоаналитики. Также в это время участвовал во внутренних стартапах кампании, таких как оценка 3D позы человека по одной фотографии и с помощью алгоритма оценки позы человека и последующей аналитики выполнял подсчет количества фитнес упражнений и выполнял оценку их качества. После этого в качестве руководителя команды Deep Learning разработчиков разрабатывал продукт видеоаналитики, также связанный с распознаванием лиц и номеров автомобилей. В данный момент работаю в аутсорс компании, решая различные задачи Computer Vision, такие как OCR, и последующая обработка распознанного текста с помощью NLP.

Преподаватель
Инженер-исследователь научной группы ADASE в Сколтехе, выпусник кафедры системного анализа ВМК МГУ и Техносферы MailRu. Энтузиаст в сфере машинного обучения и компьютерного зрения. Контрибьютор опенсорс фреймворков. Многократный победитель хакатонов по анализу данных.
Является автором статей на международных конференциях: WACV по теме сегментации и детекции частей тела и позы человека, и на CVPR по теме сегментации и восстановления объектов на 3D сканах.
Ранее работал в сфере анализа данных в ритейле. Занимался обработкой больших данных и детекцией аномалий с помощью модели на основе градиентного бустинга.

Преподаватель
Около 7 лет работает в сферах Data Science/Machine Learning. В рамках DS имел дело с data visualization и time-series analysis (anomaly detection, pattern recognition, change point detection).

Далее перешел в Assaia. Здесь основная часть времени приходится на работу с Computer Vision: segmentation, object counting, tracking (определение скорости движения объектов по видео, построение траекторий и пр.). Так как почти все задачи связаны с видео, кроме самого CV всегда занимается интересным постпроцессингом.

Окончил физический факультет СПбГУ, где обучался на кафедре математической физики по направлению «Теория вероятности». Пишет кандидатскую.

Последние 1,5 года — ML Team Leader команды из ~10 человек. Кроме ML занимается MIP-задачами.

Преподаватель
- к.т.н. по направлению Мат.моделирование и комплекс программ;
- 10+ лет опыта работы в сфере ИТ;
- 5+ лет опыта в проектах машинного обучения, глубокого обучения и искусственного интеллекта в различных областях;
- более 2-х лет педагогического опыта;
- 10+ научных публикаций.

Преподаватель
Выпускник магистратуры "Науки о данных" ФКН ВШЭ.

Работал machine learning инженером в Mindsdb, где разрабатывал auto-ml решения. Имеет опыт работы в аналитике продукта и back-end разработке.

Сфера научных интересов включает в себя computer vision, semi-supervised learning, few-shot learning.

Преподаватель
Артур
Кадурин
Антон
Витвицкий
Артем
Васильев
Дмитрий
Хизбуллин
Иван
Карпухин
Влад
Артемьев
Эмиль
Богомолов
Сергей
Цыкин
Фаррух
Кушназаров
Борис
Цейтлин

Преподаватели

Артур Кадурин
Chief AI Officer Insilico Medicine
В Mail.Ru Group 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 применяет 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. возглавил 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 Глубокое обучение
Соавтор многочисленных научных публикаций: Google Scholar

Антон Витвицкий
BOOST INC., Head of Computer Vision
Эксперт по компьютерному зрению и глубокому обучению, дипломированный инженер-программист и кандидат физ-мат наук.

С 2012 по 2017 занимался распознаванием лиц в компании WalletOne, чьи решения поставлялись для бизнеса в странах Южной Африки и Европы. Участвовал в стартапе Mirror-AI, где руководил командой компьютерного зрения. В 2017 стартап прошел Y-combinator и получили инвестиции для создания приложения в котором пользователь может реконструировать свой аватар по селфи. В 2019 участвовал в британском стартапе Kazendi Ltd., в проекте HoloPortation. Цель проекта - реконструкция 3D-аватаров для очков дополненной реальности HoloLens. C 2020 руководит командой компьютерного зрения в американском стартапе Boost Inc., который занимается видеоаналитикой в баскетболе для NCAA.

Руководитель программы
Артем Васильев
Ведущий Инженер Разработки ПАО Сбербанк
Занимается разработкой систем анализа поведения и действий. Работал над проектами по дистанционному зондированию и анализу данных с метеозондов, спутников и других БПЛА.
Научные интересы в области распознавания поз и действий человека и стеганографии с применением нейронных сетей

Преподаватель
Дмитрий Хизбуллин
Разработчик и исследователь с 10+ лет опыта работы в России, Германии и Эстонии, специализирующийся на глубоком обучении, компьютерном зрении и беспилотных автомобилях. В данный момент Дмитрий является тим-лидом в исследовательском центре Huawei и работает над зрением беспилотных автомобилей и распределенной тренировкой нейронных сетей.

Преподаватель
Иван Карпухин
Ведущий программист-исследователь в компании Mail.ru.
Более пяти лет занимается машинным обучением. Имеет опыт в компьютерном зрении и речевых технологиях. Разрабатывает системы распознавания текста и лиц для почты и облака Mail.ru. Любит хорошо написанный ML-код, документацию и тесты. Применяет методы int8 quantization, чтобы добиться эффективности нейронных сетей в production. Использовал в работе фреймворки глубокого обучения PyTorch и TensorFlow.

До Mail.ru работал в компании Яндекс, где разрабатывал речевые технологии для Алисы.

Наставник
Влад Артемьев
4+ лет Deep Learning Computer Vision инженер. Три года был в команде R&D в качестве исследователя алгоритмов Deep Learning. Разрабатывал алгоритмы распознавания лиц, распознавания номеров, детектирования толпы и другие алгоритмы видеоаналитики. Также в это время участвовал во внутренних стартапах кампании, таких как оценка 3D позы человека по одной фотографии и с помощью алгоритма оценки позы человека и последующей аналитики выполнял подсчет количества фитнес упражнений и выполнял оценку их качества. После этого в качестве руководителя команды Deep Learning разработчиков разрабатывал продукт видеоаналитики, также связанный с распознаванием лиц и номеров автомобилей. В данный момент работаю в аутсорс компании, решая различные задачи Computer Vision, такие как OCR, и последующая обработка распознанного текста с помощью NLP.

Преподаватель
Эмиль Богомолов
Инженер-исследователь научной группы ADASE в Сколтехе, выпусник кафедры системного анализа ВМК МГУ и Техносферы MailRu. Энтузиаст в сфере машинного обучения и компьютерного зрения. Контрибьютор опенсорс фреймворков. Многократный победитель хакатонов по анализу данных.
Является автором статей на международных конференциях: WACV по теме сегментации и детекции частей тела и позы человека, и на CVPR по теме сегментации и восстановления объектов на 3D сканах.
Ранее работал в сфере анализа данных в ритейле. Занимался обработкой больших данных и детекцией аномалий с помощью модели на основе градиентного бустинга.

Преподаватель
Сергей Цыкин
ML Team Leader, Assaia
Около 7 лет работает в сферах Data Science/Machine Learning. В рамках DS имел дело с data visualization и time-series analysis (anomaly detection, pattern recognition, change point detection).

Далее перешел в Assaia. Здесь основная часть времени приходится на работу с Computer Vision: segmentation, object counting, tracking (определение скорости движения объектов по видео, построение траекторий и пр.). Так как почти все задачи связаны с видео, кроме самого CV всегда занимается интересным постпроцессингом.

Окончил физический факультет СПбГУ, где обучался на кафедре математической физики по направлению «Теория вероятности». Пишет кандидатскую.

Последние 1,5 года — ML Team Leader команды из ~10 человек. Кроме ML занимается MIP-задачами.

Преподаватель
Фаррух Кушназаров
Ping'an- iTutorGroup, Sr. Data Scientist
- к.т.н. по направлению Мат.моделирование и комплекс программ;
- 10+ лет опыта работы в сфере ИТ;
- 5+ лет опыта в проектах машинного обучения, глубокого обучения и искусственного интеллекта в различных областях;
- более 2-х лет педагогического опыта;
- 10+ научных публикаций.

Преподаватель
Борис Цейтлин
Выпускник магистратуры "Науки о данных" ФКН ВШЭ.

Работал machine learning инженером в Mindsdb, где разрабатывал auto-ml решения. Имеет опыт работы в аналитике продукта и back-end разработке.

Сфера научных интересов включает в себя computer vision, semi-supervised learning, few-shot learning.

Преподаватель

Отзывы

2
Татьяна
Воронич
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.
Читать целиком
Станислав
Кусков
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!
Читать целиком
Татьяна
Воронич
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.
Читать целиком
Станислав
Кусков
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!
Читать целиком

Необходимые знания

  • Основы мат. анализа, линейной алгебры, теории вероятностей и мат. статистики, метод обратного распространения.
  • Основы программирования на Python.
  • Знания, как устроены базовые архитектуры и слои нейронных сетей (сверточные/рекуррентные сети, батч-нормализация, сиамские сети и т. д.).
Корпоративное обучение для ваших сотрудников
>
Программа обучения
В процессе обучения вы получите комплексные знания и навыки.
Тема 1. Компьютерное зрение: задачи, инструменты и программа курса
Тема 2. Сверточные нейронные сети. Операции свертки, транспонированной свертки, пуллинг
Тема 3. Эволюция сверточных сетей: AlexNet->EfficientNet
Тема 4. Подготовка и аугментация данных
Тема 5. OpenCV. Классические подходы
Тема 6. Стандартные датасеты и модели в PyTorch на примере Fine-tuning
Тема 7. Object detection 1. Постановка задачи, метрики, данные, R-CNN
Тема 8. TensorRT и инференс на сервере
C 1 июня
Тема 9. Landmarks: Facial landmarks: PFLD, stacked hourglass networks(?), Deep Alignment Networks (DAN),
Тема 10. Object detection 2. Mask-RCNN, YOLO, RetinaNet
Тема 11. Стандартные датасеты и модели в TensorFlow на примере подхода Transfer Learning
Тема 12. Pose estimation
Тема 13. Object tracking
Тема 14. Face recognition
C 22 июня
Тема 15. Сегментация + 3D-сегментация
Тема 16. Работаем с 3D сценами. PointNet
Тема 17. Self-driving / Autonomous Vehicle
Тема 18. Автокодировщики
Тема 19. Action recognition и 3d для видео
Тема 20. GANs 1. Фреймворк, условная генерация и super-resolution
Тема 21. Semi-supervised learning
Тема 22. GANs 2. Обзор архитектур
C 20 июля
Тема 23. Выбор темы и организация проектной работы
Тема 24. Консультация по проектам и домашним заданиям
Тема 25. Защита проектных работ
Скачать подробную программу
Выпускной проект
В течение всего курса вы будете работать над индивидуальным проектом.

Будет предложено несколько вариантов на выбор:

  • Удаление объектов с фото

  • Выделение описания фото из текста

  • Поиск/удаление брендов на фото/видео

  • Генерация персонального аватара в заданном стиле

  • Озвучивание видео

  • Ваш проект на выбор
  • Процесс обучения

    Обучение проходит в формате вебинаров (онлайн). Слушателям предлагаются к выполнению домашние задания, которые позволят применять на практике полученные во время вебинаров знания. По каждому домашнему заданию преподаватель дает развернутый фидбек.
    Преподаватель находится в едином коммуникационном пространстве с группой на протяжении всего курса, т. е. в процессе обучения слушатель может задавать преподавателю уточняющие вопросы по материалам лекций и домашних заданий.
    Получить консультацию
    Наш специалист свяжется с вами в ближайшее время. Если у вас возникли трудности в выборе курса или проблемы технического плана, то мы с радостью поможем вам.
    Спасибо!
    Мы получили Вашу заявку, в ближайшее время с Вами свяжется наш менеджер.

    После обучения вы

  • получите материалы по всем занятиям (видеозаписи занятий, презентации, примеры кодов);

  • научитесь решать задачи компьютерного зрения;

  • подготовите портфолио;

  • получите сертификат об окончании курса;

  • получите приглашение пройти собеседование в компаниях-партнерах (в случае успешного обучения на курсе).
  • Дата выдачи сертификата: 26 сентября 2021 года
    Ваш сертификат

    онлайн-образование

    Сертификат №0001

    Константин Константинопольский

    Успешно закончил курс «Компьютерное зрение»
    Выполнено практических заданий: 16 из 16

    Общество с ограниченной ответственностью “Отус Онлайн-Образование”

    Город:
    Москва

    Генеральный директор ООО “Отус Онлайн-Образование”
    Виталий Чибриков

    Лицензия на осуществление образовательной деятельности
    № 039825 от 28 декабря 2018 года.

    онлайн-образование

    Сертификат №0001

    Константин Константинопольский

    Успешно закончил курс «Компьютерное зрение»
    Выполнено практических заданий: 16 из 16

    Общество с ограниченной ответственностью “Отус Онлайн-Образование”

    Город:
    Москва

    Генеральный директор ООО “Отус Онлайн-Образование”
    Виталий Чибриков

    Лицензия на осуществление образовательной деятельности
    № 039825 от 28 декабря 2018 года.
    Прошедшие открытые вебинары
    Открытый вебинар — это настоящее занятие в режиме он-лайн с преподавателем курса, которое позволяет посмотреть, как проходит процесс обучения. В ходе занятия слушатели имеют возможность задать вопросы и получить знания по реальным практическим кейсам.
    Компьютерное зрение в спортивной аналитике
    Антон Витвицкий
    День открытых дверей
    8 апреля в 20:00
    Для доступа к прошедшим мероприятиям необходимо пройти входное тестирование
    Возможность пройти вступительное тестирование повторно появится только через 2 недели
    Результаты тестирования будут отправлены вам на e-mail, указанный при регистрации.
    Тест рассчитан на 30 минут, после начала тестирования отложить тестирование не получится!

    Партнеры ждут выпускников этого курса

    Стоимость обучения
    45 000 ₽
    Продолжительность
    4 месяца
    Начало занятий
    29 апреля