Курс Deep Learning for CV (подія в архіві)

Состоялось
22 февраля (вторник)
Место
Online
Стоимость
11 000 грн/мес.

Вводный курс по применению глубокого обучения для решения базовых задач компьютерного зрения: классификации изображения, обнаружения объектов, семантической сегментации.

На курсе рассмотрим:

— основы машинного обучения и компьютерного зрения (функции потерь, оптимизация, обработка изображений);
— основы глубокого обучения: нейронные сети, алгоритм обратного распространения ошибки;
— свёрточные нейронные сети;
— attention механизм, трансформеры (в контексте задач компьютерного зрения);
— классические архитектуры нейронных сетей для задачи обнаружения объектов;
— архитектуру U-net для семантической сегментации, GAN, основы процесса формирования изображения, transfer learning и прочие.

22 февраля 2022. Курс длится 3 месяца, вебинары и видеолекции.
11 000 грн/мес. 33 000 грн при полной оплате курса, 11 550 грн/мес при оплате частями.
25 студентов. Каждый студент получает регулярный фидбек от куратора группы.

Детали и регистрация

Куратор курса

Владислав Горбатюк

Machine Learning Engineer в Snap.

Инженер в области компьютерного зрения и машинного обучения. Работал над решениями для задач 2D обнаружения и трекинга объектов, оценки 3D параметров объектов в моно и стерео режимах.

Программа курса

1. General course introduction
• Overview of computer vision problems.
• Image processing, data augmentation.
• Learning from data, loss functions, formal definition of the image classification problem.
• Optimization, SGD, SGD with momentum, ADAM, RADAM, RANGER, hyperparameters tuning.
• Neural networks basics, backpropagation algorithm.

2. Backbones: convolutional NN, attention, transformers
• Convolutions, batch normalization.
• Popular convolutional NN backbones — ResNet, MobileNets v1-v3, EfficientNet, FPN.
• Attention, self-attention, visual attention, transformers, visual transformers.

3. Object detection
• Object detection via sliding window, RCNN, Faster RCNN, YOLO, SSD.
• Centered, detection transformer (DETR).

4. Extra
• Semantic segmentation with U-nets, GANs and their applications — generating images, image-to-image translation.
• Basics of image formation: intrinsic camera parameters, distortion, depth from stereo, demosaicing.
• Transfer learning, consistency losses, multitask learning.
• Distillation, quantization.

Курсовой проект — на курсе ми будем делать курсовой проект для Snapchat.

Кому подходит курс

1. Data Scientists
Будущим и практикующим Data Scientists, желающим освоить Deep Learning и систематизировать свои знания, чтобы двигаться дальше в изучении прогрессивных разделов компьютерного зрения и обработки естественного языка.

2. Middle и Senior разработчикам
Если вы хотите выучить Deep Learning, чтобы внедрять методы машинного обучения.

3. Студентам технических специальностей
Студентам-энтузиастам технических специальностей, желающим овладеть крутой профессией.

4. Всем, кому нужна база
Если вам необходим фундамент для дальнейшего изучения Deep Learning и Computer Vision.

5. Выпускникам курсов
— Data Science. Математические основы.
— Алгоритмика. Pro.
— Алгоритмика. Основы.

Зарегистрироваться

👍ПодобаєтьсяСподобалось0
До обраногоВ обраному0
LinkedIn

Немає коментарів

Підписатись на коментаріВідписатись від коментарів Коментарі можуть залишати тільки користувачі з підтвердженими акаунтами.

Підписатись на коментарі