Это пробный урок. Оформите подписку, чтобы получить доступ ко всем материалам курса. Премиум

  1. Урок 1. 01:45:31
    1. Вводная лекция_ задачи, инструменты и программа курса
  2. Урок 2. 01:39:11
    2. PyTorch 2.x стандартные датасеты и модели torchvision
  3. Урок 3. 01:39:50
    3. Библиотеки компьютерного зрения opencv, kornia, hugging face, OCR
  4. Урок 4. 01:33:31
    4. Эволюция сверточных сетей от AlexNet до EfficientNet
  5. Урок 5. 01:22:49
    5. Адаптивные методы градиентного спуска
  6. Урок 6. 01:58:12
    6. Трансформеры в задачах зрения
  7. Урок 7. 01:40:32
    7. Self-Supervised Learning_ SimCLR, BYOL, FixMatch, MAE, DINO
  8. Урок 8. 01:53:23
    8. Object detection_ Постановка задачи, метрики, семейство R-CNN
  9. Урок 9. 01:48:50
    9. Object detection_ Проблемы многомасштабности, семейство YOLO
  10. Урок 10. 01:49:48
    10. Сегментация_ продвинутые методы, 3D сегментация
  11. Урок 11. 01:25:48
    11. Pose Estimation_ 2D и 3D
  12. Урок 12. 01:34:02
    12. Face Recognition_ современные подходы_ SphereFace, ArcFace, CosFace
  13. Урок 13. 01:24:44
    13. Object tracking и ReID
  14. Урок 14. 00:34:28
    14. Выбор темы и организация проектной работы
  15. Урок 15. 01:30:32
    15. Вариационные автоэнкодеры (VAE)
  16. Урок 16. 01:14:02
    16. GAN постановка задачи и обзор архитектур
  17. Урок 17. 01:26:30
    17. Диффузионные модели
  18. Урок 18. 01:54:44
    18. Stable diffusion. Multimodal text-to-image generation IP-Adapter, ControlNet
  19. Урок 19. 00:59:21
    19. Generative Video Models Stable Video Diffusion, Gen2, MAKE-A-VIDEO
  20. Урок 20. 01:37:33
    20. Multimodal image-to-text generation and visual QA
  21. Урок 21. 00:57:21
    21. Zero-Shot Learning подходы в компьютерном зрении
  22. Урок 22. 01:42:07
    22. Стереозрение и калибровка камеры
  23. Урок 23. 01:31:12
    23. Геометрические методы в компьютерном зрении
  24. Урок 24. 01:33:40
    24. 3D Reconsturction. MVSnet, Nerf
  25. Урок 25. 01:42:03
    25. SLAM и архитектуры моделей компьютерного зрения в автономных транспортных средствах
  26. Урок 26. 01:23:03
    26. Распознавание и детекция действия на видео
  27. Урок 27. 01:35:38
    27. Инференс на сервере. TensorRT, ONNX, Triton
  28. Урок 28. 00:59:33
    28. Аннотация данных в CVAT. Поднимаем сервер, подключаем облачное хранилище, базовые таски разметки
  29. Урок 29. 02:01:44
    29. Ускоряем работу с видео для инференса нейросетей (Бонус)
  30. Урок 30. 01:04:46
    30. Архитектура проектов по видеоаналитике (Бонус)
  31. Урок 31. 01:54:14
    31. Сверточные нейронные сети. Операции свертки, транспонированной свертки, пуллинг (Бонус)
  32. Урок 32. 01:18:47
    32. Подготовка и аугментация данных (Бонус)
  33. Урок 33. 01:20:33
    33. Градиентный спуск и backpropagation (Бонус)
  34. Урок 34. 01:22:53
    34. Переобучение и регуляризация (Бонус)
  35. Урок 35. 01:55:37
    35. Взрыв и затухание градиентов (Бонус)