Все курсы

Учебный курс Computer vision на языке Python

Практический курс «Computer vision на Python»

Даты начала курса
05 февраля 2024
01 июля 2024
01 июля 2024
Стоимость обучения 82 500 руб. Регистрация
Длительность обучения 40 ак.часов
Код курса VISI

О курсе: Данный курс является введением в тематику решения задач компьютерного зрения. В курсе будут описаны современные подходы по обработке изображений и видео, а также передовые методы детектирования, сегментации и трекинга объектов на них. Основной акцент будет сделан на практическое применение искусственных нейронных сетей и использование фреймворков для работы с ними. Конкретно Вы познакомитесь с возможностями таких библиотек языка Python, как OpenCV для обработки изображений, Tensorflow для создания и обучения нейронных сетей, TensorRT для оптимизации нейросетевых архитектур, а также с фреймворком Flask для создания простых API решений и Tensorflow Serving для внедрения архитектур нейронных сетей в production. По итогам курса участники создадут прототипы модулей для решения 2х промышленных задач по распознаванию текста на изображении и детектирования местоположения человека на видео. Полученные участниками навыки будут вполне достаточны для дальнейшей самостоятельной поддержки и улучшения качества разработанных модулей.

Аудитория: Разработчики, которым необходимо получение экспертизы в области обработки изображений и видео, а также решения задач компьютерного зрения, встречающихся на производстве.

Предварительная подготовка

  • опыт программирования на Python
  • знание основ математического анализа и математической статистики

Программа курса «Computer vision на Python»

  1. Введение в CV и основы нейронных сетей
    Теоретическая часть: основные типы задач CV. Основы нейронных сетей.
    Практическая часть: решение задачи классификации изображений
  2. Алгоритмы предобработки изображений
    Теоретическая часть: библиотеки для предобработки изображений Opencv и PIL
    Практическая часть: возможности библиотек Opencv и PIL, построение алгоритма предобработки изображений в задаче классификации
  3. Свёрточные нейронные сети, архитектура свёрточных нейронных сетей, подходы к обучению нейронных сетей, аугментация данных
    Теоретическая часть: слои свёрточных нейронных сетей, принципы построения. Алгоритм обратного распространения ошибки, типы оптимизаторов
    Практическая часть: построение и обучение свёрточных нейронных сетей from scratch
  4. Предобученные нейронные сети (transfer learning), переобучение нейронных сетей, коллбеки
    Теоретическая часть: основные архитектуры предобученных нейронных сетей, кастомизация предобученных нейронных сетей. Переобучение нейронных сетей, методы борьбы с переобучением.
    Практическая часть: использование предобученной нейронной сети для классификации.
  5. Детектирование объектов на изображении / видео
    Теоретическая часть: архитектуры нейронных сетей для детектирования объектов. Yola, SSD. Метрики качества детектирования объектов
    Практическая часть: решение задачи детектирования объектов, работа с видео потоком.
  6. Сегментация объектов на изображении
    Теоретическая часть: архитектуры нейронных сетей для сегментации объектов. Метрики качества сегментации объектов.
    Практическая часть: решение задачи сегментации объектов, работа с видео потоком.
  7. Трекинг объектов на видео
    Теоретическая часть: алгоритмы трекинга объектов на видео
    Практическая часть: трекинг объектов на видео
  8. Tensorflow ZOO
    Теоретическая часть: подбор нейронной сети из Tensorflow ZOO. Алгоритм обучения выбранной нейронной сети из Tensorflow ZOO.
    Практическая часть: разметка датасета, решение кастомной задачи детекции объектов.
  9. Внедрение нейронной сети в production
    Теоретическая часть: Flask, Docker. Способы внедрения нейронной сети в production.
    Практическая часть: построение сервиса с использованием нейронной сети
  10. Оптимизация нейронной сети для использования в production
    Теоретическая часть: Tensorflow Serving, TensotRT. Способы оптимизации нейронной сети и использования Tensorflow serving поддержки и контроля версий в production.
    Практическая часть: улучшенный сервис с использованием Tensorflow Serving.

Программа курса «VISI: Учебный курс Computer vision на языке Python»

Скачать программу курса «Учебный курс Computer vision на языке Python» в формате pdf

Отправить ссылку на:

Если у Вас остались вопросы Вы можете позвонить к нам по телефону +7 (495) 414-11-21  или заполнить форму обратной связи на сайте.
Я даю свое согласие на обработку персональных данных и соглашаюсь с политикой конфиденциальности.

Поиск по сайту