Курс про принципы машинного обучения в области компьютерного зрения

Курсы

Программирование
Node.js Developer React.js Developer Java Developer. Professional Android Developer. Basic Microservice Architecture Специализация Android-разработчик C++ Developer. Basic Специализация Fullstack developer JavaScript Developer. Professional Unity Game Developer. Basic Scala-разработчик Team Lead PHP Developer. Basic PHP Developer. Professional Flutter Mobile Developer C# Developer iOS Developer. Professional Python Developer. Basic Специализация iOS Буткемп Java Архитектура и шаблоны проектирования MS SQL Server Developer Software Architect Rust Developer Базы данных Разработчик на Spring Framework Highload Architect Agile Project Manager Symfony Framework Программист С PostgreSQL Cloud Solutions VR/AR - разработчик
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

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 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.

Антон Витвицкий

BOOST INC., Head of Computer Vision

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

Артем Васильев

Ведущий Инженер Разработки ПАО Сбербанк

Нурислам Турсынбек

Computer Vision Engineer at RemedyLogic

Место работы:
Computer Vision Engineer at RemedyLogic

Место учёбы:
Бакалавриат: Назарбаев Университет, Астана, Казахстан Магистратура (Data Science): Сколковский Институт Наук и Технологий, Москва, Россия

Нурислам Турсынбек

Computer Vision Engineer at RemedyLogic

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.

Дмитрий Хизбуллин

Иван Карпухин

Ведущий исследователь-программист в Тинькофф Банке

Более пяти лет занимается машинным обучением. Имеет опыт в компьютерном зрении, речевых технологиях и оптимизации нейронных сетей. В настоящее время исследует новые подходы к машинному обучению в Тинькофф Банке. Любит математику, хорошо написанный ML-код, документацию и тесты. Использует в работе фреймворки глубокого обучения PyTorch и TensorFlow.

До Тинькофф Банка работал в Mail.ru над системами компьютерного зрения и в компании Яндекс, где разрабатывал речевые технологии для Алисы.

Иван Карпухин

Ведущий исследователь-программист в Тинькофф Банке

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.

Влад Артемьев

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.

Эмиль Богомолов

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.

Сергей Цыкин

ML Team Leader, Assaia

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

Артур Кадурин

Директор ключевых исследовательских программ. Институт Искусственного Интеллекта

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

Максим Пантелеев

Преподаватели

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.

Антон Витвицкий

BOOST INC., Head of Computer Vision

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

Артем Васильев

Ведущий Инженер Разработки ПАО Сбербанк

Нурислам Турсынбек

Computer Vision Engineer at RemedyLogic

Место работы:
Computer Vision Engineer at RemedyLogic

Место учёбы:
Бакалавриат: Назарбаев Университет, Астана, Казахстан Магистратура (Data Science): Сколковский Институт Наук и Технологий, Москва, Россия

Нурислам Турсынбек

Computer Vision Engineer at RemedyLogic

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.

Дмитрий Хизбуллин

Иван Карпухин

Ведущий исследователь-программист в Тинькофф Банке

Более пяти лет занимается машинным обучением. Имеет опыт в компьютерном зрении, речевых технологиях и оптимизации нейронных сетей. В настоящее время исследует новые подходы к машинному обучению в Тинькофф Банке. Любит математику, хорошо написанный ML-код, документацию и тесты. Использует в работе фреймворки глубокого обучения PyTorch и TensorFlow.

До Тинькофф Банка работал в Mail.ru над системами компьютерного зрения и в компании Яндекс, где разрабатывал речевые технологии для Алисы.

Иван Карпухин

Ведущий исследователь-программист в Тинькофф Банке

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.

Влад Артемьев

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.

Эмиль Богомолов

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.

Сергей Цыкин

ML Team Leader, Assaia

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

Артур Кадурин

Директор ключевых исследовательских программ. Институт Искусственного Интеллекта

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

Максим Пантелеев

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 / Kornia: Классические подходы / DNN
Тема 6. Стандартные датасеты и модели в PyTorch на примере Fine-tuning
Тема 7. Автокодировщики и автокодирование
Тема 8. TensorRT и инференс на сервере
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
Тема 16. Работаем с 3D сценами. PointNet
Тема 17. Self-driving / Autonomous Vehicles
Тема 18. Трансформеры в CV
Тема 19. Методы оптимизации сетей: prunning, mixint, quantization
Тема 20. Action recognition и 3d для видео
Тема 21. GANs 1. Фреймворк, условная генерация и super-resolution
Тема 22. GANs 2. Обзор архитектур
Тема 23. Neural Style Transfer
C 20 июля
Тема 24. Итоги курса и организация проектной работы
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: 16 марта 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.
    de-duplication in CV
    Максим Пантелеев
    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
    45 000 ₽
    Продолжительность
    4 месяца