Курс про принципы машинного обучения в области компьютерного зрения

Курсы

Программирование
Выбор профессии в IT
-99%
Разработчик на Spring Framework Python Developer. Basic Специализация Python Developer Python Developer. Professional Golang Developer. Professional Scala-разработчик Специализация iOS Angular Developer JavaScript Developer. Professional Java Developer. Professional Microservice Architecture Highload Architect Node.js Developer Kotlin Backend Developer. Professional Java Developer. Basic HTML/CSS Специализация C++ Developer C++ Developer. Professional PHP Developer. Professional Agile Project Manager C# Developer. Professional Web-разработчик на Python Framework Laravel NoSQL Разработчик IoT Unity Game Developer. Professional PHP Developer. Basic Специализация PHP Developer Rust Developer Буткемп Java PostgreSQL для администраторов баз данных и разработчиков
Специализации Курсы в разработке Подготовительные курсы Подписка
+7 499 938-92-02

Компьютерное зрение

Длительность обучения:

4 месяца

4 ак. часа в нед.

Формат:

Online

Начало занятий:

30 января 2023 года

Дни занятий:

Ср 20:00, Пн 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

Антон Витвицкий
Boost Arria NLG, Director of Computer Vision
Никита Мартынов
NLP Engineer в MTS AI
Иван Мордовец
Старший специалист по анализу данных в Билайн
Артур Кадурин
Директор ключевых исследовательских программ. Институт Искусственного Интеллекта
Анна Закутняя
Программист-исследователь в Epoch8/AGIMA.AI
Дмитрий Хизбуллин
Эмиль Богомолов
Сергей Цыкин
ML Team Leader, Assaia
Фаррух Кушназаров
Ping'an- iTutorGroup, Sr. Data Scientist
Максим Пантелеев
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
Закончил НИУ ВШЭ по направлению Прикладная Математика;
Работал в ВТБ, Тинькофф, Лаборатории "Финансовые технологии" МФТИ, сейчас работаю NLP Engineer-ом в MTS AI; занимался приложениями NLP для решения финансовых задач,
Сейчас занимаюсь разработкой и оптимизацией больших языковых моделей и гибридными диалоговыми движками;
Спикер на gtc2022 и ainl2022;

Закончил физический факультет МГУ им. Ломоносова (степень магистра по ядерной физике)

В data science решал и решаю задачи в самых разных сферах: от классического машинного обучения до computer vision и nlp.

Люблю участвовать в разнообразных хакатонах, соревнованиях на Kaggle.

Преподаватель
Соавтор курсов "Компьютерное зрение" и "Deep Learning"

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
Директор ключевых исследовательских программ. Институт Искусственного Интеллекта

Окончила магистратуру по количественным финансам в НИУ-ВШЭ. С университета интересуется задачами машинного и глубоко обучения. Успела поработать над различными проектами: разрабатывала пайплайн для детекции и распознавания картин; интегрировала модуль распознавания в прототип автоматического сортировщика мусора с помощью ROS; собирала пайплайн распознавания видео и многие другие.

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.

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.

Специалист по машинному обучению и разработке (BigData). Работал в таких компаниях как Mail.Ru Group, Wamba, NVidia, Sber, Megafon, Техносерв Консалтинг, где реализовывал практические кейсы применения машинного обучения полного цикла - прогнозирование временных рядов, детектирование аномалий, системы анализа соц. медиа поля (NLP), рекомендательные системы в ритейле и тд, так и HighLoad практическая реализация этих кейсов в продуктивном окружении - Hadoop, Spark, Flink, Kafka и тд

Долгое время занимался преподаванием курсов по машинному обучению и технологиям BigData в таких организациях как тренинговый Центр Люксофт, ВШЭ

Преподаватель
Антон
Витвицкий
Никита
Мартынов
Иван
Мордовец
Артур
Кадурин
Анна
Закутняя
Дмитрий
Хизбуллин
Эмиль
Богомолов
Сергей
Цыкин
Фаррух
Кушназаров
Максим
Пантелеев

Преподаватели

Антон Витвицкий
Boost Arria NLG, Director 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
Никита Мартынов
NLP Engineer в MTS AI
Закончил НИУ ВШЭ по направлению Прикладная Математика;
Работал в ВТБ, Тинькофф, Лаборатории "Финансовые технологии" МФТИ, сейчас работаю NLP Engineer-ом в MTS AI; занимался приложениями NLP для решения финансовых задач,
Сейчас занимаюсь разработкой и оптимизацией больших языковых моделей и гибридными диалоговыми движками;
Спикер на gtc2022 и ainl2022;

Иван Мордовец
Старший специалист по анализу данных в Билайн
Закончил физический факультет МГУ им. Ломоносова (степень магистра по ядерной физике)

В data science решал и решаю задачи в самых разных сферах: от классического машинного обучения до computer vision и nlp.

Люблю участвовать в разнообразных хакатонах, соревнованиях на Kaggle.

Преподаватель
Артур Кадурин
Директор ключевых исследовательских программ. Институт Искусственного Интеллекта
Соавтор курсов "Компьютерное зрение" и "Deep Learning"

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
Директор ключевых исследовательских программ. Институт Искусственного Интеллекта

Анна Закутняя
Программист-исследователь в Epoch8/AGIMA.AI
Окончила магистратуру по количественным финансам в НИУ-ВШЭ. С университета интересуется задачами машинного и глубоко обучения. Успела поработать над различными проектами: разрабатывала пайплайн для детекции и распознавания картин; интегрировала модуль распознавания в прототип автоматического сортировщика мусора с помощью ROS; собирала пайплайн распознавания видео и многие другие.

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.

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.

Максим Пантелеев
Специалист по машинному обучению и разработке (BigData). Работал в таких компаниях как Mail.Ru Group, Wamba, NVidia, Sber, Megafon, Техносерв Консалтинг, где реализовывал практические кейсы применения машинного обучения полного цикла - прогнозирование временных рядов, детектирование аномалий, системы анализа соц. медиа поля (NLP), рекомендательные системы в ритейле и тд, так и HighLoad практическая реализация этих кейсов в продуктивном окружении - Hadoop, Spark, Flink, Kafka и тд

Долгое время занимался преподаванием курсов по машинному обучению и технологиям BigData в таких организациях как тренинговый Центр Люксофт, ВШЭ

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.
C 30 января
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. OpenCV / Kornia: Классические подходы / DNN
Тема 5. Подготовка и аугментация данных
Тема 6. Стандартные датасеты и модели в PyTorch на примере Fine-tuning
Тема 7. Автокодировщики и автокодирование
Тема 8. TensorRT и инференс на сервере
C 13 марта
Тема 9. Object detection 1. Постановка задачи, метрики, данные, R-CNN
Тема 10. Object detection 2. Mask-RCNN, YOLO, RetinaNet
Тема 11. Landmarks: Facial landmarks: PFLD, stacked hourglass networks(?), Deep Alignment Networks (DAN),
Тема 12. Pose estimation
Тема 13. Face recognition
Тема 14. Сегментация + 3D-сегментация
Тема 15. Object tracking
C 12 апреля
Тема 16. Трансформеры в CV
Тема 17. Работаем с 3D сценами. PointNet
Тема 18. Self-driving / Autonomous Vehicles
Тема 19. Выбор темы и организация проектной работы
Тема 20. Методы оптимизации сетей: prunning, mixint, quantization
Тема 21. Neural Style Transfer
Тема 22. GANs 1. Фреймворк, условная генерация и super-resolution
Тема 23. GANs 2. Обзор архитектур
Тема 24. Action recognition и 3d для видео
C 22 мая
Тема 25. Консультация по проектам и домашним заданиям
Тема 26. 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: 27 июня 2023 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

    Директор департамента образования
    ООО “Отус Онлайн-Образование”
    Анна Фирсова

    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

    Директор департамента образования
    ООО “Отус Онлайн-Образование”
    Анна Фирсова

    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 видеоаналитике.
    Антон Витвицкий
    День открытых дверей
    4 августа 2021 года 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
    Cтоимость указана для оплаты физическими лицами
    43 500 ₽
    Продолжительность
    4 месяца
    Начало занятий
    30 января 2023 года
    🔥 Черная пятница!
    Любой доступный курс OTUS можно купить со скидкой 20% по промокоду!