Компьютерное зрение на PYTHON

Освоить одну из технологий искусственного интеллекта: обнаружение и отслеживание объектов на фото и видео с помощью PYTHON, обработка, классификация полученных данных и выделение смыслов из графических объектов
46 новых тем
12 практикумов
9 тестов на проверку знаний
5 бонусных материалов к курсу
Итоговая курсовая работа
Сертификат по окончании курса
Ваша скидка: 50%
Для кого этот курс:
Python программисты, осваивающие большие данные
Аналитики, работающие с большими данными
Инженеры и научные работники, чьи исследования связаны с Big Data
2 490 рублей 4 990
В этом курсе:
Базовый анализ
данных на Python
Базовый SQL
Основы сетевых
протоколов
Проектная работа
Математическая статистика
Машинное обучение на Python
Дополнительный курс
Компьютерное зрение на Python
который занимается анализом огромных массивов данных, извлекает оттуда нужную информацию, умеет ее анализировать и верно интерпретировать для разработки нужных бизнес-решений.
Аналитик больших данных,
Курс входит в профессию:
Этот курс не для начинающих. Он для тех, кто уже имеет:
Внимание!
  • Опыт программирования на Python
  • Опыт использования SQL
  • Знания математической статистики
  • Опыт использования Git
Основные темы курса
Сверточные и рекуррентные нейросети
Пакеты Python для работы с нейросетями: ImageAI, Keras, OpenCV и pyTorch.
Что узнают и чему обучаются студенты на курсе
Осваивают архитектуру MLP
Обучаются работе с фреймворком OpenCV
Обучаются задавать гиперпараметры нейросети
Осваивают отслеживание объектов на видео
Изучают пакет Keras
Изучают методы распознавания объектов
Изучают сверточные функции и переобучение
Обучаются работе с изображениями на Pytorch и работать с ImageAI
Осваивают оптимизацию параметров нейросети
Разрабатывают модели распознавания изображений
отдельных занятия
46
практикумов
12
самостоятельных работ
4
дополнительных
материалов
5
сертификат
1
Основные цифры курса
курсовая работа
1
Программа курса
Вводный модуль
Приобретем полезные привычки и научимся работать в прикладной программе для успешного обучения программированию, оценим свои начальные навыки и поставим задачи на курс

Занятие 1: Добро пожаловать
Занятие 2: Формат курса
Занятие 3: Python3
Занятие 4: Общие рекомендации
Занятие 5: Вопросы и ответы
Занятие 6: Напутствие

Тест: Подготовительный тест
Модуль 1: Основы машинного зрения
Изучим различные архитектуры нейронных сетей для решения отдельных задач
машинного зрения. Проведем распознавание цифр на изображениях.

Занятие 1: Основные понятия обучения нейросетей
Занятие 2: Архитектура MLP
Занятие 3: Гиперпараметры нейросети
Занятие 4: Функции потерь
Занятие 5: Алгоритм оптимизации

Дополнительный материал: задачи распознавания изображений

Практикум: создание нейросети на Keras
Практикум: обучение нейросети
Практикум: работа с изображениями

Тест: MLP
Тест: обучение нейросети


Задание: распознать цифры на номерах автомобилей
Модуль 2: Оптимизация машинного зрения
Изучим методы оптимизации нейронных сетей для улучшения качества распознавания. Оптимизируем ранее полученную модель.

Занятие 1: Сверточные функции
Занятие 2: Слои подвыборки
Занятие 3: Переобучение, регуляризация и dropout
Занятие 4: L2-регуляризация
Занятие 5: Инициализация сети
Занятие 6:Батч-нормализация
Занятие 7:Расширение обучающего множества
Занятие 8:Ансамбли
Занятие 9:Ранняя остановка

Дополнительный материал: оптимизация распознавание цифр

Практикум: CNN на Keras
Практикум: применение оптимизации

Тест: CNN
Тест: оптимизация нейросети


Задание: оптимизировать распознавание цифр
Модуль 3: OpenCV
Рассмотрим пакет OpenCV для работы с изображениями и видео. Выделим контуры
на исходном изображении и проведем их классификацию.

Занятие 1: Основы OpenCV
Занятие 2: Работа с изображениями
Занятие 3: Выделение объектов
Занятие 4: Трекинг видео

Дополнительный материал: вычислительная фотография
Дополнительный материал: COCO

Практикум: нахождение штрих-кода на изображении
Практикум: выделение фона
Практикум: Обнаружение лиц
Практикум: классификация объектов с YOLO

Тест: OpenCV
Тест: выделение объектов


Задание: выделение и классификация объектов

Модуль 4: Распознавание объектов
Изучим методы глубокого обучения при работе с изображениями. Выделим контуры
на исходном изображении и классифицируем их.


Занятие 1: Выделение объектов на изображении
Занятие 2: DeepMask и SharpMask
Занятие 3: RetinaNet и Focal Loss

Дополнительный материал: HDF5 файлы

Практикум: выделение объектов с помощью Pytorch
Практикум: ImageAI для обработки изображений
Практикум: ImageAI для обработки видео

Тест: выделение объектов
Тест: ImageAI


Задание: распознать цифры на номерах автомобилей (видео)

Модуль 5: Заключительный
Соберем ваши работы в портфолио и разработаем дальнейшие шаги по работе с большими данными.

  • Проект: результаты машинного зрения
  • Сертификаты
  • Поздравляем!
Как организован процесс обучения
Доступ к информации
После регистрации и оплаты вы получите доступ в ваш личный кабинет, где содержатся все материалы курса.
Обучение
Вы изучаете материалы курса и выполняете задания в своем темпе, в удобное для вас время и в приятном для вас месте. Все, что вам необходимо - доступ в интернет!
Практика
Чтобы добиться наилучшего результата строго выполняйте все задания курса, используя полученные теоретические знания. Практикуйтесь самостоятельно, ведь чем больше опыта вы приобретете за время обучения, тем выше будет ваша конкурентоспособность как специалиста по окончанию курса.
Выполнение курсовой работы
Вы самостоятельно создаете свой курсовой проект - создание репозитория Git с результатами применения машинного зрения, применяя все теоретические и практические знания, полученные за время обучения на курсе.
Финал
Получаете обратную связь на свою работу и сертификат о прохождении курса.
Ваш наставник:
Мациевский Николай
опыт в программировании и разработки сложных веб-проектов более 20 лет
    технический директор облачного сервиса Айри.рф
      эксперт в области веб-производительности
        автор двух книг: «Разгони свой сайт» и «Реактивные веб-сайты»
        Почему стоит учиться у Николая?
        Разработал и руководил разработками огромного количества веб-проектов, веб-сайтов и сервисов, общая ежедневная аудитория которых превышает 100 млн. человек.
        Неоднократно приглашался в качестве ведущего и эксперта различных программ на радио и телевидение
        Создал с нуля, руководит и продолжает развивать такие проекты, как:
        webogroup.com
        webopulsar.ru / webopulsar.com
        айри.рф / airee.cloud

        Стоимость обучения
        Стандартная цена курса
        Ваша цена
        50%
        Гарантия возврата денег - 14 дней
        Оставьте заявку на обучение:
        Нажимая на кнопку вы соглашаетесь с условиями обработки персональных данных
        4 990 рублей
        2 490 рублей
        Ваша скидка:
        46 новых тем
        12 практикумов
        9 тестов на проверку знаний
        5 бонусных материалов к курсу
        Итоговая курсовая работа
        Сертификат по окончании курса
        В этом курсе:
        ГАРАНТИЯ
        Мы абсолютно уверены в качестве своего курса и в том, что он будет вам полезен! Поэтому даем невероятную гарантию: если в течение 14 дней вы поймете, что наш курс вам не подходит, если он вам не понравится, - напишите нам, и мы вернем вам деньги.
        Уже уходите?
        Попробуйте бесплатный курс "Знакомство с Python. Данные, переменные, ввод и вывод", чтобы познакомиться с программированием на языке Python
        и принять взвешенное решение о продолжении обучения в нашем центре.
        Регистрируясь на бесплатный курс, вы соглашаетесь с политикой обработки информации
        Click to order
        Cart
        Total: 
        Ваше имя
        Ваш Email
        Your Phone
        Пожалуйста, не указывайте почту icloud, так как на нее мы не сможем отправить вам письмо с доступом к курсу