Easy Computer Vision — курс
для начинающих

Курсы

Преподаватели

Для компаний

Контакты

Записаться

# junior/middle

Александр Мотыко

Curiosity about life in all its aspects, I think, is still the secret of great creative people.

< Старт: 4 сентября >

FAQ

&

количество мест ограничено, старт: 4 сентября

//

Easy Computer Vision —
курс для начинающих

Программа

Стоимость

< Для кого >

Кому подойдет курс

Специалистам по Data Science, которые хотят подробнее познакомиться с областью компьютерного зрения и углубиться в эту специализацию

Специалистам

Студентам, которые продолжают свой путь в Data Science и хотят освоить навыки специалиста по Computer Vision (задачи классификации/детектирования и сегментации классическими методами Computer Vision и при помощи нейросетей)

Студентам

Тем, кто хочет использовать Computer Vision в своих проектах/стартапах. Эксперты из области проведут для вас мастер-классы, на которых вы сможете познакомиться с новейшими примерами использования современных технологий CV в реальных задачах

Кто использует CV в своих проектах

Требования

//

Python (синтаксис языка, знание структур и типов данных, функции, ООП)

Классическое машинное обучение (понимаете как проводить базовое обучение ML моделей)

1/4

Александр Мотыко

< Cпециалисты в своем деле >

Составитель и главный лектор курса

*

Кандидат технических наук

Команда

*

//

Подробнее

> 10 лет стажа преподавания

*

Кандидат технических наук
Доцент кафедры телевидения и видеотехники СПбГЭТУ «ЛЭТИ» (факультет радиотехники и телекоммуникаций)
Более 10 лет стажа преподавания, автор 4-х лекционных курсов для вузов в области компьютерного зрения, соавтор нескольких учебных пособий
Руководитель проектов лаборатории математических проблем мультимедийных технологий СПбГУ — Huawei (СПбГУ, факультет математики и компьютерных наук)
В 2012-2015 гг. приглашенный научный сотрудник в Korea Electrotechnology ResearchInstitute (Республика Корея, г.Сеул)
Автор более 80 научных публикаций на тему цифровой обработки изображений, видеоаналитики, интеллектуальных телевизионных систем, колориметрии
15 лет опыта работы в отрасли, соисполнитель более 20 НИР/НИОКР, ответственный исполнитель / зам главного конструктора в 10 НИР/НИОКР

Наши преподаватели погрузят вас в область Computer Vision. Вы познакомитесь с современными подходами к решению популярных задач CV с использованием актуальных софтверных инструментариев и современных вычислительных ресурсов, на практике реализуете классификацию изображений, детектирование объектов, сегментацию сцены и другие задачи из области

Валентин Малых

Консультант курса

*

Кандидат технических наук

*

//

Подробнее

Автор более 40 научных публикаций на тему искусственного интеллекта

*

Выпускник МФТИ
Кандидат технических наук
Senior Research Scientist в Huawei Noah’s Ark lab и доцент в Университете ИТМО
В прошлом сертифицированный инструктор NVIDIA
Организатор соревнований по разговорному искусственному интеллекту ConvAI
Автор более 40 научных публикаций на тему искусственного интеллекта
Более 10 лет опыта работы в области ИИ (улучшил поддержку в vk.com, повысил качество работы ранжирования в Яндекс.Новости, в составе запустил поисковую систему Sputnik)
Преподаватель курсов по ИИ на протяжении последних 5 лет с аудиторией более 3000 слушателей

2/4

< Cпециалисты в своем деле >

Команда

Наши преподаватели погрузят вас в область Computer Vision. Вы познакомитесь с современными подходами к решению популярных задач CV с использованием актуальных софтверных инструментариев и современных вычислительных ресурсов, на практике реализуете классификацию изображений, детектирование объектов, сегментацию сцены и другие задачи из области

Алексей Торопов

Старший преподаватель и глава поддержки курса

*

Призер Rosneft Proppant Check Challenge

*

//

Подробнее

Выпускник направления прикладной информатики СПбГПУ Петра Великого
Призер Rosneft Proppant Check Challenge
Старший лаборант в Университете ИТМО
Исследователь искусственного интеллекта с публикациями в международных изданиях, индексированных в Scopus
Опыт работы над промышленными проектами по Data Science, связанными с компьютерным зрением, обработкой естественного языка и информационным поиском

3/4

< Cпециалисты в своем деле >

Команда

Наши преподаватели погрузят вас в область Computer Vision. Вы познакомитесь с современными подходами к решению популярных задач CV с использованием актуальных софтверных инструментариев и современных вычислительных ресурсов, на практике реализуете классификацию изображений, детектирование объектов, сегментацию сцены и другие задачи из области

Егор Котенко

Координатор курса

*

Руководитель проектов в компании Suprema Solutions

//

*

Подробнее

Выпускник направления математического обеспечения и администрирования информационных систем математико-механического факультета СПбГУ
Эксперт в области онлайн-образования с 5-летним стажем организации проектов
Руководитель проектов в компании Suprema Solutions

4/4

< Cпециалисты в своем деле >

Команда

Наши преподаватели погрузят вас в область Computer Vision. Вы познакомитесь с современными подходами к решению популярных задач CV с использованием актуальных софтверных инструментариев и современных вычислительных ресурсов, на практике реализуете классификацию изображений, детектирование объектов, сегментацию сцены и другие задачи из области

Евгений Мунин

Team Lead проекта Virtual Advertising

*

//

Подробнее

Расскажет про виртуальную рекламу с использованием Computer Vision

*

Team Lead проекта Virtual Advertising
DS в рекламных технологиях @ Teads
Ex DS в транспортной телематике и GPS
Автор блога по AI на Medium: https://medium.com/@evgeniimunin47
Расскажет про виртуальную рекламу с использованием Computer Vision. Как работает технология, из чего состоит пайплайн. Как подобные решения выводить в production

1/3

< Cпециалисты в своем деле >

Приглашенные эксперты

В дополнение к основному курсу у вас будут семинары с экспертами промышленного Computer Vision. Каждый из экспертов поделится своим опытом CV в реальных проектах

Алексей Осипов

Lead ML Developer in MTS AI

*

//

Подробнее

Расскажет про то как анализировать поток клиентов в магазине...

*

Lead ML Developer in MTS AI
Расскажет про то как анализировать поток клиентов в магазине, отслеживать наличие сотрудников на рабочем месте в офисе, контролировать безопасность на производстве и многое другое при условии, что у вас тысячи видеокамер и их количество постоянно растет

2/3

< Cпециалисты в своем деле >

Приглашенные эксперты

В дополнение к основному курсу у вас будут семинары с экспертами промышленного Computer Vision. Каждый из экспертов поделится своим опытом CV в реальных проектах

Андрей Киреев

Computer Vision Data Scientist в СКБ Контур

*

//

Подробнее

Расскажет как начать и довести до конца индустриальные СV проекты

*

Computer Vision Data Scientist в СКБ Контур
Занимается алгоритмами анализирования документов, улучшениями сервиса видеоконференций “Толк”
Разрабатывал алгоритмы анализирования дорожного трафика на IoT девайсах в стартапе Edge Vision
Закончил бакалавриат Иннополиса в 2020 г.
Расскажет про то, как начать и довести до конца индустриальные Computer Vision проекты

3/3

< Cпециалисты в своем деле >

Приглашенные эксперты

В дополнение к основному курсу у вас будут семинары с экспертами промышленного Computer Vision. Каждый из экспертов поделится своим опытом CV в реальных проектах

< Что вы изучите на курсе >

Программа

Кликните на +, чтобы раскрыть нужную тему

//

Введение в компьютерное зрение. Знакомство с природой изображения

Развитие методов классификации изображений. Общие принципы построения и функционирования классификаторов

Детектирование объектов

Сегментирование сцены

Глубокие нейросетевые модели для классификации изображений. Эволюция сверточных кодировщиков

Коррекция цветовой гаммы изображения. Цветовые фильтры

Трекинг объектов в видеопотоке

Постановка задачи трекинга объектов
Базовые подходы к трекингу объектов в видеопотоке (Background subtraction, алгоритм Лукаса-Каннаде)
Парадигма трекинга объектов на видео с помощью детектирования
Применение методов глубокого обучения для трекинга объектов (ROLO, DeepSort)

Практическое использование дескрипторов изображений. Семантический поиск. Кластерный анализ

Природа сверточных дескрипторов изображений, их особенности и применение при обработке данных
Организация методов поиска по подобию и семантического сопоставления изображений
Кластерный анализ дескрипторов изображений. В частности, схема построения движка интеллектуального поиска по базе изображений с использованием фреймворков ANN (например, annoy), а также методы кластерный анализ изображений и его практические применения

Постановка задачи классификации изображений
Общий пайплайн классификации изображений
Постановки Multiclass & Multilabel для задачи классификации изображений
Базовые принципы и подходы к извлечению характеристических признаков, построение дескрипторов изображений
Методы классификации векторизованных представлений

Устройство сверточных кодировщиков изображений
Эволюция нейросетевых подходов к извлечению дескрипторов из изображений
Современные архитектуры классификаторов изображений
Создание моделей и разработка пайплайнов их обучения с помощью фреймворка PyTorch
Оценка качества полученных классификаторов. В частности, обучение моделей с использованием GPU, применение различных методов оптимизации весов и других составляющих пайплайнов обучения и валидации моделей классификации

Различные постановки задач сегментирования объектов сцены (instance, semantic, panoptic)
Применение базовых методов кластерного анализа для сегментирования сцены
Устройство и принципы функционирования основных сегментационных нейросетевых архитектур (Mask R-CNN, UNET, Deep Lab, SegNet и тд)
Создание кастомизированной модели сегментатора, разработка пайплайна обучения и оценки качества сегментации

Локальные и глобальные преобразования цветовой гаммы изображений
Реализация глобальных и преобразований цвета
Пайплайн автоматического подбора оптимальных параметров для цветовых преобразований методами глубокого обучения
Реализация цветовых преобразований

Курс длится 2 месяца

Длительность:

< 01. >

• Видео-лекция (~45-60 минут)
• Видео-семинар (~30-60 минут)

Примерная нагрузка в неделю:

< 02. >

+

• Тест по теории
• Практическая работа ~ 5 часов на выполнение

Знакомство с областью компьютерного зрения, а также с самыми распространенными задачами данной области: классификация изображений, детекирование объектов, сегментация сцены и другими
Представление изображений в памяти (PIL, OpenCV, dlib), в цветовом пространстве (RGB, aRGB, LAB, HSV, etc.)
Основные графические примитивы и характеристики изображений (контуры, локальные и глобальные особенности)
Общие свойства изображения, как объекта изучения и анализа

Постановка задачи детектирования объектов
Базовые принципы построения детекторов
Эволюция глубоких нейросетевых подходов к детектированию объектов (от семейства Faster R-CNN и до YOLO и CenterNET)
Построение пайплайнов для обучения “классических” (например, с использованием методов сканирующего окна), а также современных нейросетевых детекторов
Оценка качества детектирования объектов

< Technologies >

Стек технологий на курсе

< # if знания бесценны == true: print(”go!”) >

Стоимость курса

Скидка 20% при полной оплате курса

Полная оплата

63 920₽

Купить

~~79 900₽~~

< Тип оплаты >

8 видео-лекций (длительность ~45-60 мин)

*

8 видео-семинаров (длительность ~30-60 мин)

*

8 практических заданий на решение актуальных задач CV современными методами

*

Мастер-классы с практическими примерами новейших технологий в Computer Vision от приглашенных экспертов из области

*

Поддержка кураторов в чате Discord

*

Доступ к материалам 1 год

*

Сертификат об окончании

*

Список дополнительных материалов

*

Комьюнити. Доступ к чату с практикующими специалистами

*

Если у вас остались вопросы , напишите нам, мы ответим на все ваши вопросы по курсу

Узнать подробнее

//

Рассрочка на 6 месяцев

13 316₽/мес.

Купить

< Тип оплаты >

8 видео-лекций (длительность ~45-60 мин)

*

8 видео-семинаров (длительность ~30-60 мин)

*

8 практических заданий на решение актуальных задач CV современными методами

*

Мастер-классы с практическими примерами новейших технологий в Computer Vision от приглашенных экспертов из области

*

Поддержка кураторов в чате Discord

*

Доступ к материалам 1 год

*

Сертификат об окончании

*

Список дополнительных материалов

*

Комьюнити. Доступ к чату с практикующими специалистами

*

< Оплата >

Оплата зарубежной картой

Теперь Вы можете оплатить из-за рубежа. Мы принимаем MasterCard, Visa скоро будет доступна.

Оплатить

< Коммерческое предложение >

Корпоративное обучение

Вы можете оставить свою заявку по данному курсу на обучение для своих сотрудников

Если у вас остались вопросы , напишите нам, мы ответим на все ваши вопросы по курсу

Узнать подробнее

//

< Frequently asked questions >

FAQ

Кликните на +, чтобы открыть ответ на вопрос

//

Чему я смогу научиться на курсе?

Есть ли какие-то требования для прохождения курса?

Что делать, если по какой-то причине я не справляюсь с нагрузкой и не успеваю выполнить все задания к окончанию курса?

Могу ли я вернуть деньги за курс, если он мне не подошел/не понравился?

Вы изучите основы компьютерного зрения: классификацию, детекцию и сегментацию. научитесь обучать нейросети для распознавания объектов на изображении и видео на GPU при помощи PyTorch. Помимо теоретического материала, будете оттачивать свои знания на практике, а также сделаете по итогу курса 4 проекта

Сколько времени необходимо уделять учебе?

Будете ли выдавать сертификат после прохождения обучения?

Смогу ли я оформить налоговый вычет в 13% за обучение?

Да, так как мы осуществляем образовательную деятельность на основании лицензии № Л035-01255-50/00638643. Более подробно вы можете прочитать в следующей статье, либо написать нам на почту в разделе "Контакты"

Вам необходимо иметь базовые знания Python (типы и структуры данных, функции, ООП), а также уметь обучать модели машинного обучения ( достаточно классических ML моделей).

Дополнительно вам необходимо иметь компьютер с доступом в интернет. Если у вас есть видеокарта с GPU, то это замечательно, если нет, то мы подскажем, где можно бесплатно обучать модели на GPU

Рекомендуем уделять учебе в среднем 8-10 часов в неделю. Этого достаточно для качественного усвоения материала. Столько времени в целом занимает просмотр лекций и семинаров, а также выполнение домашних заданий

Вы можете проходить курс в своем темпе в течение полугода после его окончания, у нас будет доступна поддержка в чате все это время. Также только один раз можете перейти на следующий поток, предварительно написав нам запрос на почту team@pymagic.ru

Да, вы сможете вернуть полную оплату в первые две недели, за вычетом пройденного материала

Да, сертификат о прохождении курса будет выдаваться, но только в том случае, если вы прошли все лекции и семинары, а также выполнили все тесты и практические задания

Сертификат

Настоящим сертификатом удостоверяется, что Иван Иванов успешно прошел курс «Easy Computer Vision для начинающих»
с __.__ 2023 г. по __.__ 2023 г.

Дата выдачи:

№21

Руководитель:

__.__ 2023 г.

Никулина А.А.

ИП Никулина Анастасия Александровна
ОГРНИП 321508100022634
ИНН 862204477980

Лицензия на образовательную деятельность № Л035-01255-50/00638643

Карта сайта

Faq

Правовые документы

Политика конфиденциальности

Правила оказания услуг (оферта)

Правила использования сайта

Согласие для записи на обучение

Контакты

team@pymagic.ru

Разработка сайта

Правовая информация

Александр Мотыко

Руководитель проектов лаборатории математических проблем мультимедийных технологий СПбГУ — Huawei (СПбГУ, факультет математики и компьютерных наук)

*

Кандидат технических наук

*

Более 10 лет стажа преподавания, автор 4-х лекционных курсов для вузов в области компьютерного зрения, соавтор нескольких учебных пособий

*

Подробнее

//

Кандидат технических наук
Доцент кафедры телевидения и видеотехники СПбГЭТУ «ЛЭТИ» (факультет радиотехники и телекоммуникаций)
Более 10 лет стажа преподавания, автор 4-х лекционных курсов для вузов в области компьютерного зрения, соавтор нескольких учебных пособий
Научный сотрудник лаборатории математических проблем мультимедийных технологий СПбГУ — Huawei (СПбГУ, факультет математики и компьютерных наук)
В 2012-2015 гг. приглашенный научный сотрудник в Korea Electrotechnology ResearchInstitute (Республика Корея, г.Сеул)
Автор более 80 научных публикаций на тему цифровой обработки изображений, видеоаналитики, интеллектуальных телевизионных систем, колориметрии
15 лет опыта работы в отрасли, соисполнитель более 20 НИР/НИОКР, ответственный исполнитель / зам главного конструктора в 10 НИР/НИОКР

Доцент кафедры телевидения и видеотехники СПбГЭТУ «ЛЭТИ»

*