Компьютерное зрение с ИИ

О курсе

Курс о компьютерном зрении как инженерной дисциплине: от пикселей и съёмки до обученной модели, которая работает не только на чистых демо-фото. Разбираем предобработку, разметку, аугментации, классификацию и детекцию, метрики по условиям съёмки и вывод модели на устройство или сервер.

Пять модулей идут от изображения как данных через сбор и разметку, классификацию и детекцию, обучение и оценку к видео и продакшну. В «Данных и разметке» собираете набор минимум на 300 изображений в четырёх условиях съёмки. В «Классификации и детекции» реализуете одну задачу в двух формулировках и сравниваете. В «Обучении и оценке» проводите полный аудит модели с метриками в разрезе минимум трёх условий.

Курс для тех, кто готов снимать и размечать собственные изображения — без своего набора данных проекты не собрать. Нужны Python и базовое понимание машинного обучения. Курс не покрывает генеративные модели изображений — фокус на классификации, детекции, сегментации и видео.

Чему вы научитесь

• Выбирать предобработку изображения: масштаб, обрезку, нормализацию под задачу
• Собирать набор данных с упором на разнообразие условий съёмки, а не на количество
• Формулировать правила разметки и разбирать спорные случаи
• Отличать аугментации, которые помогают, от тех, что искажают данные
• Решать задачу через классификацию и через детекцию и сравнивать результаты
• Читать метрики детекции — IoU, порог уверенности — и разбирать ошибки по условиям
• Использовать перенос обучения вместо обучения модели с нуля
• Проектировать продакшн-контур для видео: частоту кадров, устройство или сервер, дрейф данных

Что останется после курса

• Собственный размеченный набор минимум на 300 изображений в разных условиях
• Одна задача, реализованная в двух формулировках — классификация и детекция
• Аудит CV-модели с метриками в разрезе условий съёмки
• Продакшн-документ по видеозадаче: поток, частота кадров, устройство или сервер (на платных тарифах — с проверкой куратором и сертификатом)

Не подходит, если нужна генерация изображений или работа с готовыми API без своих фото — здесь снимают, размечают и обучают модель сами.