Bilgisayarlı görme - Otus'tan ücretsiz kurs, 4 aylık eğitim, Tarih: 5 Aralık 2023.
Miscellanea / / December 08, 2023
Kurs sırasında, sorunları çözmek için sinir ağlarını eğiteceksiniz:
- görüntülerin sınıflandırılması ve segmentasyonu
- görüntülerdeki nesnelerin tespiti
- videodaki nesneleri izleme
- üç boyutlu sahnelerin işlenmesi
- eğitimli sinir ağı modellerine yönelik görüntüler ve saldırılar oluşturmak
Ayrıca sinir ağları oluşturmak için ana çerçeveleri nasıl kullanacağınızı da öğreneceksiniz: PyTorch, TensorFlow ve Keras. OTUS'taki Veri Bilimi kursları haritası
Bu kurs kimlere yöneliktir?
Makine Öğrenimi profesyonelleri için:
- Bilgisayarla Görme konusunda uzmanlaşmak istiyorum
- Halihazırda Derin Öğrenme uygulayıcılarını kullanıyorum ve bilgiyi genişletip sistematik hale getirmek istiyorum
- Kurs, kredi puanlama, TO optimizasyonu, dolandırıcılık tespiti ve gibi klasik makine öğrenimi görevlerinden geçiş yapmanızı sağlayacaktır. vb. ve şu anda en ilginç şeylerin gerçekleştiği ve yeni kariyerlerin açıldığı gelişen Veri Bilimi alanına girin ufuklar.
Eğitim size, profesyonel bilgisayarlı görme sistemi geliştirme becerileri gerektiren işlere başvurmak için gerekli yetkinlikleri verecektir. Farklı şirketlerde uzmanlıklar farklı şekilde adlandırılır, en yaygın seçenekler şunlardır: Derin öğrenme mühendisi, Bilgisayar Görüş Mühendisi, Yapay Zeka Araştırma Mühendisi [Bilgisayarlı Görü, Makine Öğrenimi], araştırma programcısı, Derin Öğrenme/Bilgisayar Görüş.
Kursun diğerlerinden farkı nedir?
Savaş görevlerini çözmeye hazırlanma: Bulutta bir sinir ağının nasıl başlatılacağı ve modelin farklı platformlara nasıl uyarlanacağı
Bilgisayarla görme teknolojilerine ilişkin derinlemesine bilgi ve modern yaklaşımlar
Portföyünüze eklenebilecek tamamlanmış proje çalışmaları
Komik örnekler, fikir çeşmesi ve siberpunk evrenleri parmaklarınızın ucunda - 4 ay tek nefeste uçup gidecek!
Kurs sırasında:
Çeşitli Görüntü İşleme görevleri için açık veri kümeleriyle çalışacaksınız
Nesne algılama ve bölümleme görevlerine özgü olanlar dahil, evrişimli ve havuzlama katmanlarının çalışma ilkelerini ve seçeneklerini anlayacaksınız.
Evrişimli ağlarda dikkat mekanizmasını uygulamayı öğrenin.
Modern evrişimli ağların (MobileNet, ResNet, EfficientNet vb.) altında hangi fikirlerin yattığını öğrenin.
Nesne algılamaya yönelik DL yaklaşımlarını anlayacaksınız - R-CNN ailesini, gerçek zamanlı dedektörleri inceleyin: YOLO, SSD. Ayrıca bir nesne dedektörünü kendiniz de uygulayabilirsiniz.
Siyam ağlarını kullanarak Derin Metrik Öğrenme problemini çözmeyi öğrenin. Üçlü kayıp ve açısal kaybın ne olduğunu öğrenin.
Görüntü bölümleme problemlerini çözme konusunda deneyim kazanın: U-Net, DeepLab.
Nesne algılama, Görüntü segmentasyonu ve metrik öğrenme görevleri için ince ayar yapmayı, öğrenmeyi aktarmayı ve kendi veri kümelerinizi toplamayı öğrenin.
Üretken rakip ağlarla çalışacaksınız. GAN'ların rakip saldırılar için nasıl kullanılabileceğini ve süper çözünürlüklü GAN'ların nasıl uygulanacağını anlayın.
Modelleri sunucuda çalıştırmayı öğrenin (tensorflow sunumu, TFX). Mobil/gömülü cihazlarda çıkarım için sinir ağlarını optimize etmeye yönelik çerçeveler hakkında bilgi edinin: Tensorflow Lite, TensorRT.
Yüzdeki Simgesel Noktaları tanımlamak için mimarileri keşfedin: Kademeli şekil regresyonu, Derin Hizalama Ağı, Yığılmış Kum Saati Ağı
1
PekiUlusal Araştırma Üniversitesi İktisat Yüksek Okulu'nda niceliksel finans alanında yüksek lisans programından mezun oldu. Üniversiteden bu yana makine öğrenimi ve derin öğrenme problemleriyle ilgileniyor. Çeşitli projeler üzerinde çalışmayı yönetti: resimlerin tespiti ve tanınması için bir işlem hattı geliştirdi; entegre tanıma modülü...
Ulusal Araştırma Üniversitesi İktisat Yüksek Okulu'nda niceliksel finans alanında yüksek lisans programından mezun oldu. Üniversiteden bu yana makine öğrenimi ve derin öğrenme problemleriyle ilgileniyor. Çeşitli projeler üzerinde çalışmayı yönetti: resimlerin tespiti ve tanınması için bir işlem hattı geliştirdi; ROS kullanarak bir otomatik atık ayırıcının prototipine bir tanıma modülünü entegre etti; bir video tanıma hattı ve daha birçoklarını topladı.
3
kursÖneri sistemlerinde deneyime sahip deneyimli geliştirici, bilim insanı ve Makine/Derin öğrenme uzmanı. Rusça ve yabancı dillerde 30'dan fazla bilimsel yayını bulunan, analiz ve analiz konusunda doktora tezini savunan...
Öneri sistemlerinde deneyime sahip deneyimli geliştirici, bilim insanı ve Makine/Derin öğrenme uzmanı. Rusça ve yabancı dillerde 30'dan fazla bilimsel yayını bulunmaktadır ve doktora tezini zaman serilerinin analizi ve tahmini üzerine savunmuştur. 2008 yılında Ulusal Araştırma Üniversitesi Moskova Enerji Mühendisliği Enstitüsü Bilgisayar Bilimleri Fakültesi'nden mezun oldu. 2010 yılında lisans, yüksek lisans ve 2014 yılında teknik bilimler adayı oldu. Tezi üzerinde çalışmaya başlamadan önce bile veri analiziyle ilgilenmeye başladım ve ilk önemli projemi hayata geçirirken sıradan bir programcıdan geliştirme departmanının başına geçtim. Yaklaşık 10 yıl boyunca Ulusal Araştırma Üniversitesi Moskova Enerji Mühendisliği Enstitüsü'nde bölümün doçenti olarak ilgili disiplinlerde ders verdi. NLP, RecSys, Zaman Serisi ve Bilgisayarlı Görme Öğretmeni alanında projeler geliştiren Veri Bilimi ekiplerine liderlik eder
2
kursBilgisayarlı görme ve derin öğrenme uzmanı, sertifikalı yazılım mühendisi ve fiziksel ve matematik bilimleri adayı. 2012'den 2017'ye kadar Güney'deki işletmelere çözümler sunan WalletOne'da yüz tanıma alanında çalıştı.
Bilgisayarlı görme ve derin öğrenme uzmanı, sertifikalı yazılım mühendisi ve fiziksel ve matematik bilimleri adayı. 2012'den 2017'ye kadar Güney Afrika ve Avrupa'daki işletmelere çözümler sunan WalletOne'da yüz tanıma alanında çalıştı. Bilgisayarla görme ekibine liderlik ettiği Mirror-AI girişimine katıldı. Girişim 2017 yılında Y-combinator'ı geçti ve kullanıcının avatarını bir selfieden yeniden oluşturabileceği bir uygulama oluşturmak için yatırım aldı. 2019 yılında İngiliz startup Kazendi Ltd.'nin HoloPortation projesine katıldı. Projenin amacı HoloLens artırılmış gerçeklik gözlükleri için 3 boyutlu avatarları yeniden oluşturmaktır. 2020'den bu yana, NCAA için basketbolda video analitiğiyle ilgilenen Amerikalı startup Boost Inc.'de bilgisayarlı görüntü ekibine liderlik ediyor. Program Yöneticisi
Temellerden modern mimarilere
-Konu 1. Bilgisayarla görme: görevler, araçlar ve kurs programı
-Konu 2. Evrişimli sinir ağları. Evrişim işlemleri, aktarılmış evrişim, çekme
-Konu 3. Evrişimsel ağların evrimi: AlexNet->EfficientNet
-Konu 4.Veri hazırlama ve çoğaltma
-Tema 5.OpenCV. Klasik yaklaşımlar
-Konu 6. İnce ayar örneğini kullanan PyTorch'taki standart veri kümeleri ve modeller
-Konu 7. Transfer Öğrenme yaklaşımı örneğini kullanan TensorFlow'daki standart veri kümeleri ve modeller
-Konu 8.TensorRT ve sunucuda çıkarım
Tespit, takip, sınıflandırma
-Konu 9.Nesne algılama 1. Sorun bildirimi, ölçümler, veriler, R-CNN
-Konu 10.Nesne algılama 2. Maske-RCNN, YOLO, RetinaNet
-Konu 11. Yer İşaretleri: Yüzdeki işaretler: PFLD, yığılmış kum saati ağları(?), Derin Hizalama Ağları (DAN),
-Konu 12.Poz tahmini
-Tema 13.Yüz tanıma
-Konu 14.Nesne takibi
Segmentasyon, üretken modeller, 3D ve videoyla çalışma
-Konu 15. Segmentasyon + 3D segmentasyon
-Konu 16.Ağ optimizasyon yöntemleri: budama, karıştırma, nicemleme
-Konu 17.Sürücüsüz / Otonom Araç
-Konu 18.Otokodlayıcılar
-Konu 19. 3 boyutlu sahnelerle çalışma. PointNet
-Konu 20.GAN'lar 1. Çerçeve, koşullu oluşturma ve süper çözünürlük
-Konu 21.GAN'lar 2. Mimariye genel bakış
-Tema 22.Video için eylem tanıma ve 3d
Proje çalışması
-Konu 23. Proje çalışmasının konusunun seçimi ve organizasyonu
-Konu 24. Projeler ve ödevler konusunda danışmanlık
-Konu 25. Tasarım çalışmasının korunması