Компьютерное зрение

Современные подходы к решению задач компьютерного зрения от алгоритмов до внедрения в продакшн в разных средах

29 января 2024

4 месяца

Онлайн

Пн/Ср 20:00 Мск

Для кого этот курс?

Для студентов профильных ВУЗов, программистов и специалистов Data Science, которые:

  • Хотят научиться решать задачи в области Computer Vision
  • Уже знакомы с Deep Learning и нейронными сетями, и хотят расширить свои знания
  • И просто тем, кому нравится работать с визуальной информацией (изображения, фотографии, видео, 3д-сцены)

Курс позволит овладеть практическими навыками решения задач Computer Vision. Вы узнаете как применять современные методы Deep Learning, а также классические алгоритмы, для решения задач связанных с обработкой, анализом и генерацией изображений, видео и трехмерных сцен, а также научитесь обучать, тестировать и оптимизировать модели нейронных сетей для решения этих задач, что откроет вам новые карьерные горизонты в области Computer Vision.

Обучение даст вам необходимые компетенции, чтобы претендовать на роли, требующие профессиональных навыков в разработке систем Computer Vision.

Необходимые знания:

  • Базовое знакомство с Python
  • Базовые знания линейной алгебры (матрицы, векторы, градиентный спуск)
  • Базовые навыки работы с ML (pandas, sklearn, линейная регрессия, логистическая регрессия)

Что даст вам этот курс?

Вы освоите современные техники, методы, подходы, архитектуры и алгоритмы в области Computer Vision и сможете решать индустриальные задачи, используя полученные навыки. По ходу курса вы будете создавать и обучать модели нейронных сетей для решения таких задач как:

  • Классификация и сегментация изображений
  • Детекция и отслеживание объектов на видео
  • Обработки и анализа трехмерных сцен
  • Распознавание лиц и людей по силуэту
  • Генерация и реконструкция изображений
  • Описание действий, происходящих на видео
  • Оптимизация и ускорение работы нейросетей
  • Развертывание моделей в продакшн
Вы также научитесь пользоваться современными фреймворками и библиотеками для работы с нейронными сетями и алгоритмами компьютерного зрения, такими как PyTorch, HuggingFace, OpenCV, Kornia, MMLab, Ultralitics, TensorRT и другие.

Во время курса вы:

  • Узнаете о классических алгоритмах и методах в Computer Vision
  • Разберетесь в принципах работы и архитектурах нейронных сетей
  • Пройдете эволюционный путь от сверточных сетей, таких как ResNet и EfficientNet, до самых современных Vision Transformers, таких как MViT
  • Попрактикуетесь работать с Deep Learning фреймворками – PyTorch 2.0 и HuggingFace, а также с  библиотеками компьютерного зрения – OpenCV, Kornia, MMLab, Ultralitics.
  • Научитесь работать с датасетами изображений и видео, а также применять различные техники аугментации данных
  • Узнаете как детектировать объекты на изображениях и спутниковых снимках при помощи детекторов из семейства YOLO 
  • Разберетесь как сегментировать изображения и медицинские снимки при помощи разных техник
  • Узнаете как распознавать лица с высокой степенью точности
  • Познакомитесь с методами отслеживания и трекинга объектов на видео
  • Получите опыт в решении задач связанных с калибровкой камер и анализом геометрии сцены
  • Попрактикуетесь с генерацией изображений и видео при помощи генеративных и диффузионных моделей нейросетей
  • Поймете как работает знаменитый генератор изображений Midjourney
  • Узнаете как перенести стили известных художников на свои фотографии
  • Научитесь ускорять и оптимизировать работу нейронных сетей
  • Попрактикуйтесь развертывать свою модель на сервере
  • Создадите свой выпускной проект под присмотром ментора
Особенности курса:

Веселые примеры, фонтан идей и вселенные киберпанка на кончиках пальцев — 4 месяца пролетят на одном дыхании!  И, конечно, подготовка к решению боевых задач: как запустить нейросеть в облаке и адаптировать модель под разные платформы

Процесс обучения

Обучение проходит онлайн: вебинары, общение с преподавателями и вашей группой в Telegram, сдача домашних работ и получение обратной связи от преподавателя.

Вебинары проводятся 2 раза в неделю по 2 ак. часа и сохраняются в записи в личном кабинете. Вы можете посмотреть их в любое удобное для вас время. Вам будут помогать и делиться опытом наши преподаватели и менторы, которые являются практикующими специалистами в области Computer Vision.

В ходе обучения вы будете выполнять домашние задания, а также разработаете свой выпускной проект по той теме, которая вам интересна!

Итогом вашего обучения станет защита вашего проекта, который вы сможете демонстрировать потенциальным работодателям, или же продолжите развивать его как свой пет-проект. По окончанию обучения вы также получите все необходимые сертификаты.

Оптимальная нагрузка

Возможность совмещать учебу с работой.

Эксперты


Преподаватели из разных сфер, каждый со своим уникальным опытом.

Перспективы


Получите знания, которые помогут повысить вашу востребованность и доход.

Трудоустройство

Многие студенты еще во время прохождения первой части программы находят или меняют работу, а к концу обучения могут претендовать на повышение в должности.

  • Карьерные мероприятия в сообществе
    Публичный разбор резюме
    Публичное прохождение собеседования и воркшопы
  • Разместите свое резюме в базе OTUS и сможете получать приглашения на собеседования от партнеров

Работодатели курса

Формат обучения

Интерактивные вебинары


2 онлайн-трансляции по 2 ак. часа в неделю. Доступ к записям и материалам остается навсегда.

Обратная связь


Домашние задания с поддержкой и обратной связью наших преподавателей помогут освоить изучаемые технологии.

Активное комьюнити


Чат в Telegram для общения преподавателей и студентов.

Программа

От основ к современным архитектурам

• Сверточные нейронные сети и их эволюция • Трансформеры • Автоэнкодеры • Подготовка и аугментация данных • Классические методы CV и фреймворки

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: Автокодировщики и автокодирование

Тема 7: Трансформеры в CV

Детекция, сегментация, распознавание

• Решаем стандартные задачи компьютерного зрения • Детектируем и отслеживаем объекты на изображениях • Оцениваем позу • Детектируем и распознаем лица

Тема 1: Object detection 1. Постановка задачи, метрики, данные, R-CNN

Тема 2: Landmarks: Facial landmarks: PFLD, stacked hourglass networks(?), Deep Alignment Networks (DAN)

Тема 3: Стандартные датасеты и модели в PyTorch на примере Fine-tuning

Тема 4: Object detection 2. Mask-RCNN, YOLO, RetinaNet

Тема 5: Pose estimation

Тема 6: Face recognition

Тема 7: Сегментация + 3D-сегментация

Тема 8: Object tracking

Тема 9: Выбор темы и организация проектной работы

Генеративные модели, работа с видео и геометрией сцены

• Генерируем картинки • Изменяем стиль изображение • Работаем с видео и ищем совершенные действия • Решаем геометрические задачи

Тема 1: Neural Style Transfer

Тема 2: Диффузионные модели: базовая теория

Тема 3: Диффузионные модели: Stable diffusion и другие

Тема 4: Геометрические методы в компьютерном зрении

Тема 5: GANs 1. Фреймворк, условная генерация и super-resolution

Тема 6: GANs 2. Обзор архитектур

Тема 7: Action recognition и 3d для видео

Оптимизация моделей и подготовка к продакшену

- Оптимизация инференса нейросетей - Подготовка моделей к продакшену

Тема 1: Методы оптимизации сетей: prunning, mixint, quantization

Проектная работа

Заключительный месяц курса посвящен проектной работе. Свой проект — это то, что интересно писать слушателю. То, что можно создать на основе знаний, полученных на курсе. При этом не обязательно закончить его за месяц. В процессе написания по проекту можно получить консультации преподавателей.

Тема 1: Консультация по проектам и домашним заданиям

Тема 2: TensorRT и инференс на сервере

Тема 3: Защита проектных работ

Дополнительный модуль: Нейронные сети

Тема 1: От нейрона к нейронной сети

Тема 2: Градиентный спуск и backpropagation

Тема 3: Переобучение и регуляризация

Тема 4: Взрыв и затухание градиентов

Дополнительный модуль: Python

Лекции предоставляются в записи для знакомства с языком Python

Тема 1: Python и Kaggle

Тема 2: Логрегрессия на pytorch

Также вы можете получить полную программу, чтобы убедиться, что обучение вам подходит

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

Преподаватели

Руководитель курса

Антон Витвицкий

Director of Computer Vision

Boost Arria NLG

Андрей Канашов

Senior Data Scientist

BestDoctor

Борис Цейтлин

Senior ML Scientist

Planet Farms

Сергей Цыкин

ML Team Leader

Assaia

Раиль Сулейманов

Machine Learning Engineer

Garage IT

Иван Мордовец

Senior ML Engineer

Samokat.Tech

Анна Закутняя

Senior Data Scientist

Raiffeisenbank

Роман Матанцев

Head of CV

Tinkoff

Эксперты-практики делятся опытом, разбирают кейсы студентов и дают развернутый фидбэк на домашние задания

Прошедшие
мероприятия

Иван Мордовец
Открытый вебинар
Диффузионные модели. Stable diffusion и все-все-все
Антон Витвицкий
Открытый вебинар
Прокачаем нейросеть при помощи PyTorch 2.0
Для доступа ко всем прошедшим мероприятиям необходимо пройти входное тестирование
Возможность пройти вступительное тестирование повторно появится только через 3 дня
Результаты тестирования будут отправлены вам на email, указанный при регистрации.
Тест рассчитан на 30 минут, после начала тестирования отложить тестирование не получится!

Корпоративное обучение для ваших сотрудников

Отус помогает развивать высокотехнологичные Команды. Почему нам удаётся это делать успешно:
  • Курсы OTUS верифицированы крупными игроками ИТ-рынка и предлагают инструменты и практики, актуальные на данный момент
  • Студенты работают в группах, могут получить консультации не только преподавателей, но и профессионального сообщества
  • OTUS проверяет знания студентов перед стартом обучения и после его завершения
  • Простой и удобный личный кабинет компании, в котором можно видеть статистику по обучению сотрудников
  • Сертификат нашего выпускника за 5 лет стал гарантом качества знаний в обществе
  • OTUS создал в IT более 120 курсов по 7 направлениям, линейка которых расширяется по 40-50 курсов в год

Отзывы

Татьяна Воронич

23.09.2020
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.

Станислав Кусков

29.09.2020
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!

Роман Лысков

17.11.2023
Хороший курс для новичков. Объяснения преподавателей и сама практика довольно хороши. Хоть я давно не новичок, но все же было полезно попрактиковаться и пару новых тем для себя нашел) Курс помог освежить знания, узнать новое (трансформеры, генеративные сети). Грамотно оформленный код очень полезен. Хотелось бы больше практики и сложности задач (некоторые темы были без практических заданий). Лично мне не хватило сложности. Круто было бы вначале как-то оценить свои силы (чтобы понять, насколько сильно прокачает курс или насколько он будет наоборот простым). В целом база отличная у вас. Антон Витвицкий — отличный лектор. Анна Закутняя отлично объясняет практику. Илья Елисеев лает супер фидбэк по домашним заданиям.

Михаил Киселев

20.11.2023
В целом курс очень понравился, считаю, что своих денег стоит. Вдохновляет на дальнейшее изучение темы. Мой бэкграунд на момент прохождения курса: высшее техническое образование (оптико-электронные приборы и системы), знание Python, Linux, немного - OpenCV, NumPy, встраиваемых систем Jetson. C компьютерным зрением был знаком в рамках своего хобби. Также понравились визуальные примеры на лекциях, которые помогают понять механизмы работы библиотек. Курс помог изучить основные задачи компьютерного зрения и методы их решения, а также составить собственный план по дальнейшему изучению этого направления. Вынес самое важное - понимание того, что CV - это не так сложно (можно самостоятельно решить достаточно сложные задачи) и очень интересно (т.к. область находится в стадии активного развития). Считаю, что данный курс необходимо увеличить по времени - как минимум до 6-8 месяцев, чтобы более подробно разбирать основные темы. Добавить краткое изучение основ нейросетей. Добавить отдельные темы по изучению основ самых востребованных библиотек. Сейчас они библиотеки изучаются только в контексте решения конкретных задач. Предполагается, что обучающиеся должны быть знакомы с основами нейросетей и библиотеками, но в любом случае аудитория будет неоднородной по уровню знаний - поэтому нужно сделать отдельные занятия. Возможно, стоит добавить 1-2 теоретических занятия по применяемым математическим методам. Также можно добавить одну лекцию по примерам практического применения CV в реальных задачах. Создать список рекомендуемых тем для самостоятельного изучения до курса и план по дальнейшему изучению CV после прохождения курса. Хотел бы особенно отметить преподавателей - Антон Витвицкий, Иван Мордовец (занятия по теоретическим основам CV). Вообще хочу отметить компетентность всех преподавателей и их знания самых современных подходов. Почему выбрал OTUS. 1. Курс "компьютерное зрение" в настоящий момент предлагает только Otus. Для данного курса предполагается предварительное тестирование, что предполагает ответственный подход. 2. Хорошие отзывы на Хабре, наличие там же профильных статей в блоге Otus. 3. Отсутствие агрессивной массовой рекламы.

Сертификат о прохождении курса

OTUS осуществляет лицензированную образовательную деятельность.
В конце обучения вы получите сертификат OTUS о прохождении курса.

После обучения вы:

  • Получите материалы по пройденным занятиям (видеозаписи курса, дoполнительные материалы, финальный проект для добавления в портфолио)
  • Создадите своё портфолио проектов, которое поможет при прохождении собеседований
  • Повысите свою ценность и конкурентоспособность как IT-специалист
  • Получите сертификат об окончании курса

Частые вопросы

Почему стоит выбрать учебу в Otus?
Образовательная экспертиза Otus доказана более 6 лет успешной специализации на обучении в IT. Наша фишка — продвинутые программы для специалистов с опытом и быстрый запуск курсов по новым набирающим популярность технологиям. Мы уже обучили более 20 000 студентов, и будем рады помочь освоить Вам новые навыки.
Что является наиболее ценным по мнению выпускников курса?
Вы получите самые свежие знания, которые сразу же можно применить в работе. Домашние задания сопровождаются письменной обратной связью, и вы всегда можете задать вопрос в закрытый чат группы или голосом на вебинаре. А для защиты итогового проекта у вас будет несколько этапов, где вы сможете получить консультацию по проекту и преодолеть трудности его выполнения.
Обязательно ли выполнять и защищать выпускной проект?
Для получения сертификата OTUS и УПК (удостоверение повышения квалификации государственного образца) необходимо сдать проект. Кроме того, проект необязательно защищать перед аудиторией, а можно сдать в чате с преподавателем. Для получения УПК также понадобится предъявить документ об образовании.
Обязательно ли выполнять все домашние задания?
Нет, не обязательно. Но выполнение домашних заданий поможет вам разобраться в материале курса, поэтому хотя бы часть домашних заданий стоит выполнить. При выполнении или сдаче домашнего задания, вы можете задать вопрос преподавателям, если где-то возник вопрос.
Помогаете ли вы с трудоустройством после курса?
В Otus Club проводятся вебинары на тему трудоустройства, разбор резюме, прохождения собеседований, особенности реферальных программ при найме. Также обратим Ваше внимание, что преподаватели курса занимают ведущие позиции в разных компаниях. Будьте активны, выполняйте домашние задания, стройте network с сокурсниками и преподавателями и Вам будет проще найти работу, расширив свои контакты.
Смогу ли я совмещать учебу с работой?
Да, программа курса рассчитана на то, что студент имеет ограниченный временной ресурс. 1 раз в модуль будут выдаваться домашние задания, а лекции 2 раза в неделю, которые вы всегда можете посмотреть в записи.
Что, если в середине курса я не смогу продолжать обучение?
У вас есть право одного бесплатного трансфера в другую группу. И лекции курса в любом случае у вас останутся в личном кабинете навсегда. Также есть отдельные опции по сдаче домашних заданий даже после окончания программы курса.
Я могу вернуть деньги?
Да, вы можете сделать возврат средств пропорционально оставшимся месяцам обучения.
Может ли мой работодатель оплатить курс?
Конечно, мы работаем с юр. лицами. При общении с менеджером уточните, что оплачивать будет ваш работодатель.
Остались вопросы?
Оставляйте заявку и задавайте вопросы менеджеру, команда курса с ним на связи и постарается дать вам дать исчерпывающую информацию.