Научитесь настраивать, обучать и тестировать нейросеть компьютерного зрения YOLO и выведите свой профессиональный потенциал на качественно новый уровень! Образовательный курс YOLO на практических примерах решает проблему участников, стремящихся применить алгоритм YOLO для детекции объектов, но не имеющих представления о начальных шагах - с чего начать? Эксклюзивные мастер-классы, только для участников курса YOLO, нацелены на методическую поддержку при прохождении образовательного курса. Данный курс станет стартовой платформой для погружения в область компьютерного зрения через нейронную сеть YOLO, либо дополнит существующие у вас знания в данной сфере. Присоединяйтесь: https://stepik.org/a/202357
О курсе
В данном практическом курсе вы научитесь использовать нейронную сеть компьютерного зрения YOLO для распознавания необходимых объектов:
- В первые 60 минут, вы запустите уже обученную нейронную сеть YOLO для обнаружения объектов на изображениях, видео и в режиме реального времени с помощью камеры.
- Далее, вы подготовите набор данных в формате YOLO и для обучения YOLO, который будет содержать необходимые объекты для распознавания.
- Затем, вы обучите YOLO на локальном компьютере – на своём ноутбуке.
- Далее, как альтернатива, вы обучите YOLO на облачном сервисе.
- После, вы протестируете нейронную сеть YOLO, которая была обучена на подготовленном наборе данных.
Вы научитесь решать базовую задачу распознавания: На входе есть изображение, видео или включённая камера пользователя. YOLO распознаёт объекты и визуализирует результат с помощью ограничивающих рамок вокруг объектов. Распознанные и вырезанные объекты можно использовать в дальнейшем для решения других практических задач. Блок-схема решения базовой задачи распознавания отображена на рисунке ниже.
Вы научитесь решать практическую задачу поиска по изображению: На входе есть изображение пользователя, например дизайн интерьера - пользователь сохранил или сфотографировал то, что ему понравилось. Задача заключается в поиске наиболее похожих изображений в базе данных, тех, которые максимально соответствуют объектам/товарам на изображении пользователя, и выводе информации о каждом из них. База данных предварительно подготовлена и содержит изображения товаров, их описание, цены, ссылки для покупки. Блок-схема решения практической задачи поиска по изображению отображена на рисунке ниже.
Вы научитесь решать практическую задачу распознавания автомобильных номерных знаков: На входе есть изображение автомобиля, который подъехал к шлагбауму автостоянки рядом с домом. Задача заключается в распознавании номерного знака автомобиля и поиске этого номера в базе данных. В случае, если номер найден в базе данных, тогда шлагбаум открывается и автомобиль проезжает. База данных предварительно подготовлена и содержит автомобильные номера, которым разрешён проезд на автостоянку. Блок-схема решения практической задачи распознавания автомобильных номерных знаков отображена на рисунке ниже.
Шаблоны кода из курса вы можете использовать для своей учёбы, работы или для проводимого вами научного исследования. Курс может дополнить ваш собственный рабочий или учебный проект, результаты которого вы сможете представить своему руководителю, сделать презентацию перед коллегами, упомянуть о прохождении курса в своем резюме и прикрепить сертификат о прохождении YOLO курса.
Закрытые мастер-классы для поддержки прохождения курса поступившим слушателям. Вы сможете получить поддержку по вопросу или проблеме, с которой столкнулись и хотите преодолеть. Мастер-классы проходят в режиме онлайн, и посвящены разбору возникающих вопросов в процессе прохождения курса.
Сколько времени необходимо для прохождения курса? Для успешного приобретения новых знаний и закрепления материала, необходимо изучить все модули и все уроки курса, решать все задачи, последовательно двигаясь от начала курса. Дополнительно, для ещё более глубокого закрепления нового материала, обучать и тестировать нейронную сеть YOLO не только на тех наборах данных, которые рассмотрены на курсе, но и по аналогии выбирать свои наборы данных и запускать обучение. При таком подходе, занимаясь 2-3 дня в неделю по 2-3 часа, на прохождение курса необходимо 2-3 месяца.
В процессе прохождения курса, вы затронете и будете использовать следующие библиотеки, фреймворки и программы, о чём вы сможете упомянуть в своём резюме: YOLO, Pandas, Numpy, OpenCV, Scikit-learn, Miniconda, Jupyter Notebook.
Цель курса заключается в формировании ваших профессиональных компетенций в компьютерном зрении, а именно:
- Обрести Знания как настраивать и запускать уже обученную нейронную сеть YOLO.
- Овладеть Умением подготавливать набор данных для обучения YOLO.
- Применять Навыки для обучения и тестирования YOLO на подготовленном наборе данных.
- Использовать практические Навыки для настройки нейронной сети YOLO как для центрального процессора CPU, так и для графического процессора GPU.
- Применять полученные Знания для прохождения собеседования при трудоустройстве.
- Практиковаться отвечать на вопросы на тестах для собеседования при трудоустройстве.
Для кого этот курс
Курс для бакалавров, магистров, аспирантов, молодых исследователей в области информационных технологий и компьютерных наук. А также для тех, кто меняет профессию на ИТ или повышает квалификацию в ИТ. И для тех, кто готовится к собеседованию по компьютерному зрению и планирует приобрести больше практического опыта для трудоустройства.
Какую проблему решает курс?
Курс решает проблему слушателей, которые хотят использовать нейронную сеть компьютерного зрения YOLO для распознавания объектов, но не знают с чего начать.
Начальные требования
Достаточно владеть базовыми навыками программирования на Python. Желательно, но необязательно (навыки осваиваются на курсе): владеть базовыми навыками работы в Jupyter Notebook и пользоваться окном терминала Anaconda Prompt.
Кто преподает курс?
Валентин Сичкар - автор и преподаватель курса YOLO. Исследователь, ведущий специалист, автор научных публикаций в области компьютерного зрения. Пишу диссертацию по компьютерному зрению. Языки, фреймворки и библиотеки: Python, Numpy, Pandas, Keras, PyTorch, OpenCV, Flask, PyQt, Qt Designer, YOLO, CNNs, Git
Аспирантура в университете ИТМО: информационные технологии, высшее педагогическое образование, изучение методики перевёрнутого класса, ассистент преподавателя, программист, ментор, руководитель студенческого клуба.
Магистратура в Политехе Петра Великого: интеллектуальные системы, международная программа полностью на английском языке, руководитель группы иностранных студентов. Курсы повышения квалификации на постоянной основе.
Три красных диплома: бакалавр, специалист, магистр. Дополнительное образование психолога в институте ИИГТ.
Веду тематический Телеграм канал YOLO, ВК сообщество YOLO, автор обучающих курсов на английском и русском языках. Хобби: шахматы, психология, бег.
Как проходит обучение
Курс содержит:
- Видео-инструкции
- Текстовые инструкции
- Готовые шаблоны кода
- Практические занятия на запуск кода
- Тесты на усвоение пройденного материала
- Задачи на код
- Решение практических, жизненных задач
- Вопросы на собеседовании при трудоустройстве
- Тесты для прохождения собеседования при трудоустройстве
Закрытые мастер-классы:
- Поддержка слушателей в прохождении курса
- Разбор вопросов возникших в процессе прохождения курса
Где посмотреть примеры уроков?
Примеры уроков курса доступны на платформе Stepik: https://stepik.org/a/202357
Как записаться на курс?
Присоединяйтесь к курсу на платформе Stepik: https://stepik.org/a/202357
До встречи на курсе!