Практический курс о том, как применять классические методы machine learning и deep learning для решения задач компьютерного зрения: от баланса цвета на изображении — до тренировки сверточных нейронных сетей для распознавания объектов в видео.
● Data Scientist
После курса вы систематизируете знания в области machine learning и deep learning. Разберетесь в современных подходах к детекции объектов, получите опыт в решении задач классификации и сегментации, научитесь строить и тренировать нейросети.
● Developer
Курс даст overview задач computer vision и основных инструментов, которые необходимы для их решения. Вы научитесь обрабатывать изображения и видео, разрабатывать и запускать модели с помощью TensorFlow.
Задача специалиста по компьютерному зрению ― научить алгоритмы уверенно ориентироваться в окружающем мире и свести к минимуму системные баги. Задача robot_dreams ― помочь разобраться в инструментах и подходах, которые применяют для реализации
Мы начнем с пиксельных операций и создания программ для обработки цифровых фото. Затем научимся проводить базовые манипуляции с изображением и видео: фильтрация и выделение границ, кодировка и компрессия, классификация, детекция, трекинг и сегментация. А после ― будем строить и тренировать нейронные сети.
● Senior Computer Vision & Machine Learning Engineer в Gini GmbH
● эксперт по компьютерному зрению с
● разрабатывает модели, которые осуществляют автоматическое извлечение информации из документов с помощью искусственного интеллекта, в немецком финтех-стартапе Gini
● проектировал deep learning pipelines для автономного вождения и разрабатывал алгоритмы обработки изображения и видео для беспилотных автомобилей в немецкой компании AVL Software and Functions
● работал в Veridas, где разрабатывал системы антиспуфинга изображений для первой биометрической системы в Испании
● преподавал цифровую обработку изображений/видео и Computer Vision в Университете Гранады [Испания] и Университете Эрлангена-Нюрнберга [Германия]
Немає коментарів
Додати коментар Підписатись на коментаріВідписатись від коментарів