Курс «Компьютерное зрение»

Актуальная программа курса (36 модулей, по данным школы)

1. Модуль 1. Нейронные сети и инструменты CV — Базовый модуль посвящен основам нейронных сетей и компьютерного зрения. Вводная лекция посвящена настройке рабочего окружения и установке необходимых библиотек, которые понадобятся вам для обучения на курсе. Далее, повторим программирование на Python и рассмотрим ключевые ML-библиотеки — numpy и scipy, а также рассмотрим платформу Kaggle. Рассмотрим простейшую модель искусственного нейрона и простейшую нейронную сеть. Изучим то, как обучаются нейронные сети при помощи градиентного спуска и алгоритма обратного распространения ошибки. Посмотрим, какие проблемы нас ожидают во время обучения моделей и как справиться с этими проблемами. Рассмотрим основной пайплайн подготовки и аугментации данных для CV. И, конечно, попрактикуемся использовать PyTorch для создания, обучения и инференса нейронных сетей.
2. • Вводная лекция: задачи, инструменты и программа курса
3. • Python и Kaggle, Numpy и Scipy
4. • От нейрона к нейронной сети
5. • Градиентный спуск и backpropagation
6. • PyTorch: тензоры, подготовка данных, training loop
7. • Переобучение и регуляризация
8. • OpenCV / Kornia: Классические подходы в CV
9. • Взрыв и затухание градиентов
10. • Аннотация данных в CVAT: поднимаем сервер, подключаем облачное хранилище, базовые таски разметки
11. • Подготовка и аугментация данных
12. • Адаптивные методы градиентного спуска
13. Модуль 2. Архитектуры нейронных сетей — В этом модуле мы пройдемся по основным архитектурам нейронных сетей, применяемых в компьютерном зрении, — от сверточных сетей к современным трансформерам и CLIP-моделям. В финале модуля также состоится выбор темы и ментора для вашего выпускного проекта.
14. • Сверточные нейронные сети: свертка, пулинг, функции активации
15. • PyTorch: стандартные датасеты и модели torchvision, MNIST, transfer learning
16. • Сверточные нейронные сети: от AlexNet до EfficientNet
17. • Трансформеры в задачах зрения
18. • CLIP-модели
19. • Выбор темы и организация проектной работы
20. Модуль 3. Стандартные задачи CV — Модуль посвящен стандартным задачам компьютерного зрения. Начнем с базовой задачи — детектирования объектов на изображениях. Далее рассмотрим три основных задачи сегментации (instance, semantic и panoptic). После перейдем к задачам детектирования ключевых точек лица (landmarks) и тела (pose estimation). И, наконец, затронем такую знаменитую задачу, как детекция и распознавание лиц. Бонусом будет лекция, целиком посвященная геометрическим нейросетевым методам, применяемым в задачах компьютерного зрения.
21. • Object Detection: постановка задачи, метрики, YOLO
22. • Сегментация: базовые задачи instance, semantic, panoptic
23. • Face and Landmarks Detection
24. • Face Recognition
25. • Pose Estimation

Кем вы сможете работать

Сколько зарабатывают в профессии (медиана hh.ru, по 135 вакансиям)

Сравнение с похожими курсами других школ

Стоит ли идти на этот курс

Когда этот курс вам не нужен

Курс точно не нужен, если у вас уже есть практика в ML или Data Science и цель — освоить одну конкретную CV-библиотеку: шесть месяцев с нуля здесь избыточны, хватит документации и пары целевых воркшопов. Также не стоит идти, если ищете быстрый результат: CV — одно из технически сложных направлений в ML, и за два-три месяца здесь не успеть даже при интенсивном темпе. И если бюджет жёстко ограничен, а в регулярной учёбе по вечерам нет уверенности — риск не дойти до конца перевешивает возможную отдачу.

Как выбрать курс по этому направлению

CV-курсов на рынке немного, и разброс по глубине между ними принципиальный. Первое, на что смотрю: соотношение задач на реальных датасетах к объёму лекций. Архитектуру нейросети объяснить несложно — довести студента до работающего пайплайна на своих данных совсем другая история. Второе — стек: Python, OpenCV и хотя бы один из фреймворков (PyTorch или TensorFlow) должны быть названы в программе явно. Нет ни одного — курс не про рынок труда. Третье — цена. Восемьдесят восемь тысяч рублей за шесть месяцев: прикиньте, через сколько месяцев работы разница в зарплате перекроет эту сумму. Если горизонт не просчитывается — это сигнал пересмотреть решение.

Частые вопросы