Компьютерное зрение
Полный курс по компьютерному зрению и обработке изображений. Научитесь создавать системы распознавания лиц, детекции объектов, сегментации изображений. Работайте с OpenCV, TensorFlow и современными архитектурами CNN.
Что входит в курс:
- 140 часов практического контента
- 65+ заданий по обработке изображений
- 7 проектов с реальными приложениями
- Работа с видеопотоками в реальном времени
- Доступ к датасетам изображений
- Специализированный сертификат
- GPU ресурсы для обучения моделей
Подробности курса
Программа обучения
14 модулей от основ обработки изображений до создания продвинутых систем компьютерного зрения. Классификация, детекция, сегментация, распознавание лиц, трекинг объектов.
Для кого этот курс
Для ML-инженеров и разработчиков с базовыми знаниями нейронных сетей. Идеален для тех, кто хочет работать с изображениями, видео и создавать системы компьютерного зрения.
Технологии
OpenCV, TensorFlow, Keras, PyTorch, YOLO, Mask R-CNN, U-Net. Работа с камерами и видеопотоками. Оптимизация моделей для встраиваемых систем.
Карьерные перспективы
Computer Vision Engineer, Image Processing Specialist, ML Engineer (CV). Средняя зарплата от 190,000 ₽. Высокий спрос в робототехнике, автомобильной промышленности.
Программа курса
Модуль 1-4: Основы обработки изображений
Цифровое представление изображений. Цветовые пространства. Фильтрация и преобразования. Выделение признаков. Работа с OpenCV. Аугментация данных.
Модуль 5-8: Сверточные нейронные сети
Архитектуры CNN. LeNet, AlexNet, VGG, ResNet, Inception. Классификация изображений. Transfer Learning. Fine-tuning pre-trained моделей. Визуализация и интерпретация CNN.
Модуль 9-11: Детекция и сегментация
Object Detection: R-CNN, Fast R-CNN, Faster R-CNN, YOLO, SSD. Instance Segmentation: Mask R-CNN. Semantic Segmentation: U-Net, FCN. Keypoint Detection.
Модуль 12-14: Продвинутые техники
Распознавание лиц и эмоций. Трекинг объектов. 3D Computer Vision. Генеративные модели для изображений. Обработка видео. Развертывание моделей на устройствах.