Прокачайтесь
в Computer Vision
Научитесь |
Старт: 2 декабря
Для junior и middle
Формат: онлайн
Может оплатить компания
Раннее бронирование: получите скидку 5%
Оставьте заявку уже сейчас и получите скидку 5%
Вы погрузитесь в индустрию
По окончании курса вы научитесь решать Computer Vision задачи end-to-end: от сбора данных до деплоя web-сервиса. Вы переймете лучшие практики опытных инженеров, которые станут вашими кураторами во время обучения
Повысите свою ценность на рынке
Закроете пробелы в знаниях
После курса CV Rocket вы:
Улучшите процессы в своей команде
Освоите полный цикл решения CV-задач
{ex koronapay.com, основатель проекта}
Тимур Фатыхов
Этот курс
для вас, если
для вас, если
На старте любой карьеры важны советы и поддержка от опытных коллег. С ними вы будете развиваться гораздо быстрее. На нашем курсе вы создадите 2 полноценных сервиса при постоянной поддержке опытных кураторов.
Возможно, вы уже выпустили несколько версий сервиса. Но хотите узнать как можно его ускорить, как быстрее учить модели, как автоматизировать выкат версий, чтобы команда стала еще эффективнее.
Мы проанализировали, какие навыки и задачи чаще указывают в вакансиях. А также провели интервью с CV-инженерами, чтобы описать "портрет hard-скиллов" идеального коллеги. Всю эту информацию мы учли при составлении программы курса.
На нашем курсы вы узнаете как эффективно обучать нейросети и оборачивать предсказания моделей в быстрый и стабильный сервис.
На старте любой карьеры важны советы и поддержка от опытных коллег. С ними вы будете развиваться гораздо быстрее. На нашем курсе вы создадите 2 полноценных сервиса при постоянной поддержке опытных кураторов.
Возможно, вы уже выпустили несколько версий сервиса. Но хотите узнать как можно его ускорить, как быстрее учить модели, как автоматизировать выкат версий, чтобы команда стала еще эффективнее.
Мы проанализировали, какие навыки и задачи чаще указывают в вакансиях. А также провели интервью с CV-инженерами, чтобы описать "портрет hard-скиллов" идеального коллеги. Всю эту информацию мы учли при составлении программы курса.
На нашем курсы вы узнаете как эффективно обучать нейросети и оборачивать предсказания моделей в быстрый и стабильный сервис.
По окончании курса вы научитесь
+ навык
+ навык
+ навык
+ навык
+ навык
+ навык
Квантовать, дистиллировать и прунить модели. Конвертировать в JIT, ONNX и TensorRT. Готовить модели для инференса на устройстве клиента
Ускорять и облегчать инференс
Квантовать, дистиллировать и прунить модели. Конвертировать в JIT, ONNX и TensorRT. Готовить модели для инференса на устройстве клиента
Ускорять и облегчать инференс
Оборачивать инференс моделей в web-сервис. Настраивать CI/CD и мониторинг своих приложений
Создавать полноценный сервис
Оборачивать инференс моделей в web-сервис. Настраивать CI/CD и мониторинг своих приложений
Создавать полноценный сервис
Создавать проекты на платформе краудсорсинга "Толока". Собирать данные и разметку, создавать правила для минимизации ошибок в аннотациях
Добывать чистые данные
Создавать проекты на платформе краудсорсинга "Толока". Собирать данные и разметку, создавать правила для минимизации ошибок в аннотациях
Добывать чистые данные
Писать и автоматизировать тесты. Наглядно логировать и версионировать эксперименты. Передавать коллегам наработки в контейнерах
Работать в ML/DL команде
Писать и автоматизировать тесты. Наглядно логировать и версионировать эксперименты. Передавать коллегам наработки в контейнерах
Работать в ML/DL команде
Препроцессить картинки на GPU с помощью DALI. Использовать lightning и catalyst для моделинга сетей
Быстро учить модели
Препроцессить картинки на GPU с помощью DALI. Использовать lightning и catalyst для моделинга сетей
Быстро учить модели
Optical Character Recognition, Tracking, Face Recognition and Verification, Segmentation, Object Detection
Решать востребованные задачи
Optical Character Recognition, Tracking, Face Recognition and Verification, Segmentation, Object Detection
Решать востребованные задачи
Как именно вы освоите каждый навык
Раз в 1-2 недели мы проводим сессии вопрос-ответ (или семинары для ответов на вопросы). Туда приходят спикеры и кураторы. Мы отвечаем на ваши вопросы, помогаем с практикой, обсуждаем задачи из вашей практики
5. Или приходите на онлайн-встречи с кураторами, чтобы обсудить вопрос голосом
Мы проводим лекции в зум в режиме онлайн 1-2 раза в неделю. На них вы будете слушать лекции опытных разработчиков, задавать им вопросы, участвовать в дискуссиях и работать в группах над решением ML-кейсов. В конце каждой лекции вы закрепите материал анонимным тестом, а спикер прокомментирует ошибки
1. Изучите теорию на лекции
Каждое задание делится на две части: моделинг нейросетей и деплой сервиса. Постепенно вы будете улучшать моделинг и сервис, применяя фреймворки и техники из лекций. К концу курса вы создадите 2 полноценных сервиса с тестами, автоматизацией, мониторингами и быстрыми моделями под капотом
2. Сделаете практическое задание
Для каждой домашней работы вы создадите отдельный gitlab репозиторий. А наши кураторы проведут code review на каждый merge request, чтобы вы получили исчерпывающий фидбек
3. Получите Code Review от куратора
Обсуждайте домашние задания, рабочие задачи или просто общайтесь. Кураторы курса всегда помогут решить проблемы и поделятся советом
4. Если возникнут трудности, мы оперативно поможем в чате
Идет набор на 6-й поток /
Старт 2 декабря
Старт 2 декабря
Идеальное резюме
Diffusion Models
Распознавание текста
GAN
Классический CV
CI/CD
Face Recognition
Object Detection, Tracking
Линтеры и автотесты
Semantic Segmentation
Self-Supervised Learning
Ускорение моделей
Lightning
Мониторинг сервисов
Docker
Толока
Моделинг
Nvidia DALI
Web-сервисы, FastAPI
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
Конвертация
Программа курса
Длительность: 20 недель
Примерная нагрузка: 8-12 часов в неделю
/
20 лекций
15 домашних работ
2 основных проекта
Лекции
Практика
Проект №1
В первом проекте вы создадите сервис классификации спутниковых снимков. Вам предстоит обучить нейросеть и обернуть ее инференс в web-сервис. Ваше решение будет состоять из двух частей: моделинг классификации и разработка сервиса
В первой части вы обучите нейросеть на выбранном фреймворке, настроите логирование экспериментов и версионирование моделей. Все так, будто вы работаете в крупной команде
Во второй части вы напишите сервис, добавите к нему тесты, обернете в докер, настроите CI и автоматизируете деплой на сервер
Проект №2
В этом проекте вы также будете учить нейросети и деплоить сервис. Но данных теперь не будет. Вам предстоит собрать их на платформе Толока, создав реальные проекты для реальных людей
Помимо этого в сервисе теперь будет несколько нейросетей, связанных в единый пайплайн распознавания текста. Вам надо учесть это при планировании архитектуры. Также в отличие от первого проекта, вам следует добавить мониторинг в свое приложение
Вы можете выбрать как решать задачу: через сегментацию и постобработку результата, через детекцию или без сетей вовсе (только классический CV, только хардкор!) –– или сделайте все 3 решения, мы дадим ревью на каждое из них!
Также
на нашем курсе вы:
на нашем курсе вы:
По окончании получите сертификат об успешном завершении программы
Будете проводить индивидуальные встречи с куратором, который поможет вам дойти до конца программы
Будете решать ML-кейсы вместе с коллегами по учебе во время вебинаров
Сможете обсудить любые вопросы во время отдельных встреч со спикерами (office-hour)
Отзывы выпускников
Артём
Виктор
ODS: Victor Yudin
Ксения
ODS: Ksenia Ryabinova
Яна
ODS: ysakulich
Классно, что помимо знаний давали еще занятия с психологами, это было очень полезно и помогло задуматься над многими вещами в своей голове. Круто, что давали знания, которые не так то просто найти самому и разобраться. 100% ощущаю, что стала более сильным специалистом после курса
Галина
Александр
ODS: Alexandr Goncharenko
Однозначно ощущаю, что прокачался в CV, было очень много крутых советов о том как нужно лучше делать. Больше всего понравилось про версионирование моделей и логгирование экспериментов и про ocr.
Мария
ODS: Maria Startseva
Андрей
А
Ильдар
Понравилось понятное и доходчивое объяснение преподавателей. Стал использовать на работе знания из лекций по Object Detection, Face Recognition, Docker, DVC, CI/CD, JIT, etc. А также улучшил рабочие пайплайны
И
Alexandr
ODS: Alexandr Sudakov
Хочу поделиться хорошей новостью - устроился в австралийскую компанию, буду заниматься облаком OCR) На собеседовании за счет того, что подчерпнул на курсе об устройстве OCR, вытянул - сказали, что как будто у них уже года полтора работаю, такое понимание процессов). Собственно, все, что хотел сказать, просто спасибо за курс)
Ольга
ODS: Olga Chaganova
Арсений
ODS: @Arseny
Григорий
Руслан
Кураторы
Практикующие CV-инженеры с опытом от 4 лет
Михаил Лиз
{2GIS}
Денис Солдатов
{TheWatch}
Дмитрий Чудаков
{Expasoft}
Влад Тюшников
{Сбер}
Тимур Фатыхов
{ex koronapay.com}
Сергей Гаврин
{Евразтехника}
Игорь Ильин
Актуализирует карты 2gis с помощью CV. На-учит краудсорсингу на Толоке и сегментации
Backend-разработчик. Расскажет как создавать, деплоить и поддерживать сервисы
Альбина Хабибулина
Оптимизирует сети для быстрой работы на Edge устройствах. Научит ускорять сети
{Яндекс}
Пишет приложения для распознавания лиц на C++. Преподает блок по классическому CV
Ex TeamLead команды CV. Работал над сервисом распознавания документов. Научит решать OCR
Работал в крупных ML-командах, передаст опыт командного моделинга сетей
Разрабатывает SLAM Алгоритмы. Расскажет о классическом компьютерном зрении
Рекрутировала в Сбер и Ozon. Провела больше 100 интервью. Научит составлять резюме и представлять себя
Актуализирует карты 2gis с помощью компьютерного зрения. Научит краудсорсингу на Толоке и сегментации
Оптимизирует сети для быстрой работы на Edge устройствах. Научит ускорять нейросети
Решает CV задачи без нейросетей. Программирует микрокомпьютеры. Преподает блок по классическому CV
Работал в крупных ML-командах, передаст опыт командного моделинга сетей
Квалифицированный специалист с 20-ти летним стажем. Расскажет про выгорание и синдром самозванца
Ex TeamLead команды CV. Работал над сервисом распознавания документов. Научит решать OCR
Андрей Шадриков
{verigram.ai}
TeamLead команды распознавания лиц. Расскажет как решать metric learning задачи
Марк Страхов
Занимается анализом снимков кожи. Расскажет о Self Supervised Learning
Кирам Аль-Харба
Генерирует людей для фэшн индустрии, объяснит, как работают GAN и диффузии
{Kudan SLAM}
{Haut.AI OÜ}
Стоимость курса
Количество мест ограничено. Нам важно, чтобы каждый студент получил достаточно внимания
Экономия 20 000 ₽
В рассрочку
17 000 ₽ / мес.
Единоразовая оплата
170 000 ₽ / 150 000 ₽
Старт: 2 декабря
6-й поток
Для junior и middle
Может оплатить компания
при рассрочке на 10 месяцев
Принимаем оплату из-за рубежа
Вы можете оплатить курс с зарубежной карты
Гарантируем возврат
Если передумаете учиться - вернем деньги
Есть налоговый вычет
Можно вернуть до 13% обучения. Подробнее по ссылке
Записаться на консультацию
На ней куратор ответит на ваши вопросы и узнает о целях, желаниях и навыках в CV. Это поможет определить, будет ли курс полезен именно для вас
Нажимая на кнопку, вы даете согласие на обработку своих персональных данных
Раннее бронирование: получите скидку 5%
Оставьте заявку уже сейчас и получите скидку 10%
Ответы на вопросы
Ответы
на вопросы
на вопросы
На 30-минутной встрече куратор ответит на ваши вопросы и спросит о целях, желаниях и навыках в CV. Это поможет определить, будет ли курс полезен именно для вас
Для нас важно, чтобы каждый получил достаточно внимания со стороны кураторов, поэтому количество студентов ограничено
Да, мы подготовим счет на полную или частичную оплату для юридического лица.
Для уточнения подробностей напишите на b2b@deepschool.ru
Для уточнения подробностей напишите на b2b@deepschool.ru
40 лекционных часов и ~100 часов практики или 8-12 часов в неделю. Время на практику сильно варьируется. Студенты с опытом в Dev и Ops выполняют домашние задания быстрее, так как уже знакомы с веб-сервисами, CI/CD, Docker и тд — на эту часть обычно уходит больше всего времени.
Если вы только знакомитесь с Deep Learning. Данный курс можно воспринимать как курсы повышения квалификации для специалистов, освоивших теорию глубоких нейросетей. Поэтому, если вы только начинаете свой путь, мы советуем начать его с курсов для новичков
2 лекции предполагают только тест, 3 другие закрепляются только в рамках работы над проектами
В течение всего курса: сначала над первым, потом над вторым. Проекты — это просто большие домашние задания. После лекции мы подскажем какую часть проекта вы теперь можете сделать, основываясь на знаниях из лекции.
Первые 4 недели частота лекций 2 в неделю: пн и чт в 18:00 мск. Затем 2 недели перерыв, чтобы сдать долги по проекту и домашним заданиям, задавая вопросы на семинаре. После частота лекций: 1 в неделю по чт в 18:00 мск. Затем снова 2 недели на сдачу долгов, в это время также будет семинар и встречи 1-1 с кураторами.
Да, вы сможете оформить налоговый вычет за обучение, если вы являетесь налоговым резидентом России и оплачиваете подоходный налог. Подать документы на вычет можно в году, следующем за годом оплаты обучения.
Подробнее о налоговом вычете за обучение можно прочитать на сайте ФНС
Подробнее о налоговом вычете за обучение можно прочитать на сайте ФНС
На 30-минутной встрече куратор ответит на ваши вопросы и спросит о целях, желаниях и навыках в CV. Это поможет определить, будет ли курс полезен именно для вас
Для нас важно, чтобы каждый получил достаточно внимания со стороны кураторов, поэтому количество студентов ограничено
Да, мы подготовим счет на полную или частичную оплату для юридического лица.
Для уточнения подробностей напиши на b2b@deepschool.ru
Для уточнения подробностей напиши на b2b@deepschool.ru
40 лекционных часов и ~100 часов практики или 8-12 часов в неделю. Время на практику сильно варьируется. Студенты с опытом в Dev и Ops выполняют домашние задания быстрее, так как уже знакомы с веб-сервисами, CI/CD, Docker и тд — на эту часть обычно уходит больше всего времени.
Если вы только знакомитесь с Deep Learning. Данный курс можно воспринимать как курсы повышения квалификации для специалистов, освоивших теорию глубоких нейросетей. Поэтому, если вы только начинаете свой путь, мы советуем начать его с курсов для новичков
2 лекции предполагают только тест, 3 другие закрепляются только в рамках работы над проектами
В течение всего курса: сначала над первым, потом над вторым. Проекты — это просто большие домашние задания. После лекции мы подскажем какую часть проекта вы теперь можете сделать, основываясь на знаниях из лекции.
Первые 4 недели частота лекций 2 в неделю: пн и чт в 18:00 мск. Затем 2 недели перерыв, чтобы сдать долги по проекту и домашним заданиям, задавая вопросы на семинаре. После частота лекций: 1 в неделю по чт в 18:00 мск. Затем снова 2 недели на сдачу долгов, в это время также будет семинар и встречи 1-1 с кураторами.
Да, вы сможете оформить налоговый вычет за обучение, если вы являетесь налоговым резидентом России и оплачиваете подоходный налог. Подать документы на вычет можно в году, следующем за годом оплаты обучения.
Подробнее о налоговом вычете за обучение можно прочитать на сайте ФНС
Подробнее о налоговом вычете за обучение можно прочитать на сайте ФНС
В канале школы DeepSchool мы :
- напоминаем вам теорию ML/DL в виде коротких постов,
- рассказываем про полезные библиотеки и фреймворки,
- задаем вопросы с собеседований,
- и делимся советами, которые помогут вам в работе
- напоминаем вам теорию ML/DL в виде коротких постов,
- рассказываем про полезные библиотеки и фреймворки,
- задаем вопросы с собеседований,
- и делимся советами, которые помогут вам в работе
Получил обратную связь по коду, это помогло подправить свои привычки и изменить свои подходы: как раз то, чего я хотел от курса. Теперь на работе все по-человечески: на каждую задачу свой репозиторий, документация, пишу тесты.
Мне удалось справиться с синдромом самозванца за счет обратной связи, это как раз то, чего хотелось получить от такого более продвинутого курса. Был удивлен подробным код ревью домашних заданий, с объяснениями почему, при этом быстро. Появлялось желание посидеть, разобрать каждый комментарий.
Артём
Мне удалось справиться с синдромом самозванца за счет обратной связи, это как раз то, чего хотелось получить от такого более продвинутого курса. Был удивлен подробным код ревью домашних заданий, с объяснениями почему, при этом быстро. Появлялось желание посидеть, разобрать каждый комментарий.
Артём
Сомневался перед покупкой, темы в анонсе интересные, но какие-то неизвестные ребята организуют, ссылок нигде нет, боялся, что возможен обман. Потом думал, стоит ли это тех денег) Но сомнения не оправдались, ребята позитивные, темы были раскрыты достаточно полно, хорошая атмосфера на лекциях, спикеры все молодцы) так же помощь по непонятным моментам в заданиях была на высшем уровне (спасибо за терпение:) ) Курс очень хороший, советую своим коллегам пройти.
Самая интересная тема - OPS, полезно применять в боевых проектах, чего до этого не делал практически. Было очень подробно объяснено все. Еще наверное потому что дольше всего с ней бился) так же был интересен пайплайн обучения.
На бою начал использовать dvc для хранения моделей. Еще не начал использовать, но пытаюсь внедрить clearML, CI/CD, пайплайн для детекции объектов. Так же в планах внедрить тестирование, возможно попробовать обучать на DALLI. Толоку для каких-то второстепенных задач возможно буду использовать, так как для разметки данных есть команда в штате.
В целом все круто, спасибо)
Виктор
ODS: Victor Yudin
Самая интересная тема - OPS, полезно применять в боевых проектах, чего до этого не делал практически. Было очень подробно объяснено все. Еще наверное потому что дольше всего с ней бился) так же был интересен пайплайн обучения.
На бою начал использовать dvc для хранения моделей. Еще не начал использовать, но пытаюсь внедрить clearML, CI/CD, пайплайн для детекции объектов. Так же в планах внедрить тестирование, возможно попробовать обучать на DALLI. Толоку для каких-то второстепенных задач возможно буду использовать, так как для разметки данных есть команда в штате.
В целом все круто, спасибо)
Виктор
ODS: Victor Yudin