Visión por computadora - curso gratuito de Otus, formación 4 meses, Fecha: 5 de diciembre de 2023.

Durante el curso entrenarás redes neuronales para resolver problemas:
- clasificación y segmentación de imágenes
- detección de objetos en imágenes
- seguimiento de objetos en video
- procesamiento de escenas tridimensionales
- generar imágenes y ataques a modelos de redes neuronales entrenados
También aprenderá a utilizar los principales frameworks para la creación de redes neuronales: PyTorch, TensorFlow y Keras. Mapa de cursos de ciencia de datos en OTUS

¿Para quién es este curso?

Para profesionales de Machine Learning que:

• Quieres especializarte en Visión por Computador
• Ya utilizan practicantes de Deep Learning y desean ampliar y sistematizar el conocimiento.
• El curso le permitirá pasar de las tareas clásicas de aprendizaje automático, como la calificación crediticia, la optimización del CTR, la detección de fraude y etc., y adéntrese en el campo en desarrollo de la ciencia de datos, donde ahora están sucediendo las cosas más interesantes y se están abriendo nuevas carreras. horizontes.

La capacitación le brindará las competencias necesarias para postularse a trabajos que requieren habilidades profesionales de desarrollo de sistemas de visión por computadora. En diferentes empresas las especialidades se llaman de diferentes maneras, las opciones más comunes son: Ingeniero en aprendizaje profundo, Computadora Ingeniero de visión, ingeniero de investigación de IA [visión por computadora, aprendizaje automático], programador de investigación, aprendizaje profundo/computadora Visión.

¿En qué se diferencia el curso de los demás?
Preparándose para resolver misiones de combate: cómo lanzar una red neuronal en la nube y adaptar el modelo para diferentes plataformas
Conocimiento profundo y enfoques modernos de las tecnologías de visión por computadora.
Trabajo de proyecto completado que se puede agregar a su cartera.
Ejemplos divertidos, una fuente de ideas y universos cyberpunk a tu alcance: ¡4 meses pasarán volando en un suspiro!

Durante el curso usted:
Trabajará con conjuntos de datos abiertos para diversas tareas de visión por computadora.
Comprenderá los principios operativos y las opciones de las capas convolucionales y de agrupación, incluidas aquellas específicas para las tareas de detección y segmentación de objetos.
Aprenda a aplicar el mecanismo de atención en redes convolucionales.
Descubra qué ideas subyacen a las redes convolucionales modernas (MobileNet, ResNet, EfficientNet, etc.)
Comprenderá los enfoques DL para la detección de objetos: estudiará la familia R-CNN, detectores en tiempo real: YOLO, SSD. También puedes implementar un detector de objetos tú mismo.
Aprenda a resolver el problema del Deep Metric Learning utilizando redes siamesas. Aprenda qué son la pérdida triplete y la pérdida angular.
Adquirir experiencia en la resolución de problemas de segmentación de imágenes: U-Net, DeepLab.
Aprenda a aplicar ajustes, transferir aprendizaje y recopilar sus propios conjuntos de datos para la detección de objetos y la segmentación de imágenes, tareas de aprendizaje métrico.
Trabajarás con redes generativas adversarias. Comprenda cómo se pueden utilizar las GAN para ataques adversarios y cómo implementar GAN de súper resolución.
Aprenda a ejecutar modelos en el servidor (servicio tensorflow, TFX). Familiarícese con los marcos para optimizar redes neuronales para la inferencia en dispositivos móviles/integrados: Tensorflow Lite, TensorRT.
Explore arquitecturas para definir puntos de referencia faciales: regresión de formas en cascada, red de alineación profunda, red de reloj de arena apilada

Anna Zakutniaya

1

Bueno

Se graduó del programa de Maestría en Finanzas Cuantitativas de la Escuela Superior de Economía de la Universidad Nacional de Investigación. Desde la universidad se ha interesado por el aprendizaje automático y los problemas de aprendizaje profundo. Logró trabajar en varios proyectos: desarrolló un canal para la detección y reconocimiento de pinturas; módulo de reconocimiento integrado...

Alejandro Sizov

3

curso

Desarrollador experimentado, científico y experto en aprendizaje automático/profundo con experiencia en sistemas de recomendación. Tiene más de 30 publicaciones científicas en ruso y lenguas extranjeras, defendió su tesis doctoral sobre el tema del análisis y...

Antón Vitvitsky

2

curso

Experto en visión por computadora y aprendizaje profundo, ingeniero de software certificado y candidato de ciencias físicas y matemáticas. De 2012 a 2017 trabajó en reconocimiento facial en WalletOne, cuyas soluciones se suministraban a empresas del Sur...