Специалист по работе с искусственным интеллектом: Компьютерное зрение

Программа профессиональной переподготовки "Специалист по работе с искусственным интеллектом: Компьютерное зрение" представляет собой курс, созданный для специалистов, стремящихся овладеть современными методами и инструментами разработки систем компьютерного зрения и нейросетей.

Целью программы профессиональной переподготовки "Специалист по работе с искусственным интеллектом: Компьютерное зрение" является подготовка специалистов, обладающих необходимыми знаниями и практическими навыками для работы с технологиями компьютерного зрения. Программа ориентирована на освоение современных методов программирования, обработки визуальных данных, разработки и обучения нейронных сетей, а также применения этих инструментов для решения прикладных задач в различных сферах, таких как автоматизация, диагностика, аналитика и инновационные технологии.

Программа позволит слушателям

• Изучить основы программирования на Python, включая установку и настройку рабочего окружения, работу с переменными и базовыми структурами управления (ветвление и циклы).
• Научиться работать с файлами, разрабатывать функции и классы, использовать модули и библиотеки для расширения функциональности программ.
• Овладеть базовыми алгоритмами обработки изображений, включая работу с различными форматами и свойствами изображений с использованием OpenCV.
• Применять фильтры для коррекции яркости и контраста, работать с различными цветовыми пространствами и конвертировать изображения между ними.
• Изучить алгоритмы детекции контуров, выделение ключевых точек и классификацию изображений для решения задач анализа изображений.
• Развить навыки работы с видео: чтение и запись видеофайлов, извлечение и обработка кадров, работа с потоками видео в реальном времени.
• Применять алгоритмы детекции движения и трекинга объектов, включая реализацию трекеров для точной обработки движущихся объектов.
• Освоить обучение нейросетей для задач компьютерного зрения, изучив различные архитектуры (CNN, RNN и др.) и фреймворки (TensorFlow, PyTorch).
• Научиться подготавливать данные для обучения, включая сбор, разметку и аугментацию данных для повышения качества обучения моделей.
• Настраивать гиперпараметры моделей, применять методы оптимизации и регуляризации для достижения лучших результатов в задачах детекции и сегментации.
• Мониторить процесс обучения, использовать метрики для оценки качества и визуализировать результаты для улучшения анализа и интерпретации моделей.

Программа подойдёт:

• Специалистам по машинному обучению, которые хотят расширить свои познания в области компьютерного зрения и глубинного обучения для различных применений.
• Разработчикам программного обеспечения, стремящимся освоить методы интеграции нейронных сетей в системы компьютерного зрения для улучшения качества анализа изображений.
• Инженерам-исследователям, работающим над проектированием и прототипированием интеллектуальных систем.
• Специалистам по контролю качества, которые хотят углубить свои знания о методах обеспечения надёжности и безопасности систем, основанных на компьютерном зрении и искусственном интеллекте.
• Аналитикам данных и визуализации, желающим развить навыки в интерпретации и представлении результатов анализа данных, полученных с использованием технологий компьютерного зрения.

Программа обучения

1 модуль

"Основы программирования на Python" охватывает основы работы с языком Python, начиная с установки и настройки окружения, и заканчивая разработкой программ с использованием функций, классов и библиотек. В модуле изучаются темы, связанные с вводом и выводом данных, работой с файлами, написанием программ с использованием циклов и ветвлений, а также применением сторонних модулей для расширения функциональности.

2 модуль

"Базовые алгоритмы обработки изображений" включает изучение алгоритмов работы с изображениями, таких как чтение файлов, преобразование изображений, коррекция контраста и яркости. Рассматриваются цветовые пространства RGB и HSV, а также алгоритмы детекции контуров, выделения ключевых точек и классификации изображений.

3 модуль

"Обработка видео и работа с потоками" включает изучение методов считывания и записи видео, извлечения кадров из файлов, а также обработки видео в реальном времени. В модуле рассматриваются алгоритмы детекции движения, трекинга объектов и обработки нескольких объектов одновременно с использованием современных подходов, таких как KLT и MedianFlow.

4 модуль

"Обучение нейросетей для задач компьютерного зрения" предусматривает изучение практического применения нейросетей в решении задач компьютерного зрения. В модуле рассматриваются популярные архитектуры нейронных сетей (CNN, RNN и другие), изучается работа с фреймворками PyTorch и TensorFlow, а также методы разметки и аугментации данных.

Преимущества обучения по программе

• Обучение по данной программе предоставляет глубокие знания в области искусственного интеллекта и машинного обучения, что способствует карьерному росту в одной из самых востребованных и динамично развивающихся областей. Слушатели получают практические навыки работы с современными технологиями и инструментами, что делает их конкурентоспособными на рынке труда.

• Слушателям, успешно освоившим программу профессиональной переподготовки, выдаётся диплом о профессиональной переподготовке РЭУ имени Г.В. Плеханова.

Слушателям, успешно освоившим учебную программу, выдаётся диплом о профессиональной переподготовке РЭУ имени Г.В. Плеханова

Преподаватели

Образцова Ксения Сергеевна

Преподаватель, Московский приборостроительный техникум (МПТ) РЭУ им. Г.В. Плеханова, мастер производственного обучения Учебно-производственного тренингового центра. Преподаватель с 2010 г. Опыт преподавания программ ДПО в сфере БАС с 2024 г.i

Шимбирёв Андрей Андреевич

Преподаватель, Московский приборостроительный техникум (МПТ) РЭУ им. Г.В. Плеханова, начальник Учебно-производственного тренингового центра. Преподаватель высшей квалификационной категории.

Чекан Дарья Валерьевна

Преподаватель, Московский приборостроительный техникум (МПТ) РЭУ им. Г.В. Плеханова

Белова Дарья Романовна

Преподаватель, Московский приборостроительный техникум (МПТ) РЭУ им. Г.В. Плеханова