Программа курса

Основы компьютерного зрения и работа с пикселями

На этом курсе начинают с основ компьютерного зрения. Слушатели узнают, какие практические задачи решает эта технология. Устанавливают библиотеки OpenCV, NumPy и Matplotlib. Учатся выполнять базовые операции с изображениями. Далее переходят к работе на уровне пикселей - анализируют гистограммы и создают программу для коррекции цветов.

Фильтрация и выделение границ

Здесь изучают принцип свертки и различные типы фильтров. Слушатели учатся применять фильтрацию для манипуляций с изображениями. Затем переходят к фильтрам выделения границ - разбираются с градиентами, алгоритмами контуров и фильтром Canny.

Кодирование изображений и работа с визуальными признаками

Этот блок охватывает форматы изображений raw, PNG, JPEG и видеокодеки H264/H265. Слушатели разбираются в сжатии с потерями и учатся улучшать качество изображений. Далее переходят к визуальным признакам - изучают детектор углов Харриса, алгоритмы SIFT и методы описания признаков.

Построение моделей машинного обучения

В этой части курс рассматривает основы машинного обучения. Сравнивают классическую обработку данных с ML. Слушатели строят простые модели с нуля и проводят их оптимизацию. Определяют различия между machine learning и deep learning.

Работа с лицами и трекинг

Здесь сосредотачиваются на специфических признаках для распознавания лиц. Изучают метод Виолы-Джонса и технику бустинга. Учатся обнаруживать лица с помощью OpenCV. Далее переходят к трекингу - анализируют видео и реализуют практическое задание по отслеживанию объектов.

Нейронные сети: от основ до практики

Этот большой блок начинается с основ нейронных сетей. Слушатели знакомятся с TensorFlow и Keras, строят и тренируют простые модели. Учатся ускорять обучение с помощью GPU и работать в Google Colaboratory. Затем переходят к сверточным сетям - изучают операции свертки, пулинга и методы борьбы с переобучением.

Продвинутые техники и детекция объектов

В заключительной части курс углубляется в сегментацию изображений и автоматические энкодеры. Слушатели строят модели для очистки изображений от шума. Затем переходят к детекции объектов - изучают YOLO, bounding boxes и алгоритмы NMS. Применяют YOLO для распознавания объектов на собственном видео.

Финальный этап

Завершают курс анализом популярных архитектур нейронных сетей, fine-tuning и работой с model zoo. Слушатели получают практические советы по решению типичных проблем при тренировке сетей. Курс завершается презентацией собственных проектов.

Что получат участники

Глубокое понимание компьютерного зрения через практические задания. Доступ к современным инструментам и библиотекам. Возможность создать собственный проект для портфолио. Полезные навыки для дальнейшего карьерного развития в области искусственного интеллекта.

Что включено

Вечерние занятия

Выдается диплом/сертификат

Реальный проект в портфолио

Сопровождение ментора

Computer Vision

О курсе

Программа курса

Основы компьютерного зрения и работа с пикселями

Фильтрация и выделение границ

Кодирование изображений и работа с визуальными признаками

Построение моделей машинного обучения

Работа с лицами и трекинг

Нейронные сети: от основ до практики

Продвинутые техники и детекция объектов

Финальный этап

Что получат участники

Что включено

О школе

Robot Dreams

Другие курсы школы

DevOps Engineer

Основи геймдизайну

SQL Advanced для аналітики