Раз в 4−5 недель спикеры и кураторы собираются в zoom, чтобы ответить на ваши вопросы, помочь с практикой, обсудить задачи
Или приходите на онлайн-встречи с кураторами, чтобы обсудить вопрос голосом
5.
Программа
После каждой лекции — практика
16
недель
9
лекций
8-12
часов в неделю
1. Семантическая сегментация
Сделаем обзор моделей для задачи семантической сегментации, обсудим метрики и лоссы. Покажем, как применять Multi-task learning для этой задачи. Расскажем, как можно отделять объекты одного класса друг от друга при помощи Watershed
2. Детекция и трекинг
Пройдём путь от первых детекторов до современных. Обсудим двух- и одноэтапные anchor-based детекторы, а также anchor-free детекторы. Разберёмся, как работать с MMDetection. В задаче трекинга обсудим классический SORT и его современную модификацию FairMOT
3. Распознавание лиц
Расскажем, как обычная кросс-энтропия помогает искать похожие картинки (лица), узнаем, как из этого выводится angular margin loss и при чём здесь contrastive loss. Затронем использование этого для быстрого поиска картинок (лиц), упомянув матричные разложения и кластеризацию
4. Распознавание текста (OCR)
Расскажем про детекцию и распознавание текста, сделаем обзор основных архитектур и датасетов. Расскажем про готовые фреймворки и библиотеки: Paddle OCR, MMOCR, EasyOCR и расскажем, в каких случаях какой лучше применять
5. Детекция без нейросетей
Расскажем, как решают задачу локализации объектов без нейросетей. Рассмотрим алгоритмы поиска контуров и минимально-описывающих фигур, математические морфологии, проекции и бинаризацию
6. Трансформеры
Разберёмся, как работают трансформеры и пройдём путь от трансформеров в NLP до первых трансформеров в CV и их модификаций
7. Продвинутые трансформеры
Расскажем подробнее о визуальных трансформерах, разберем их свойства. Расскажем про архитектуры на базе трансформеров для основных задач в CV и дадим пример архитектур для работы
8. SSL
Рассмотрим различные методы SSL и библиотеки с их реализацией. Спикер поделится личным опытом применения SSL и даст советы из практики
9. GAN
Расскажем теорию автоэнкодеров и GAN, обсудим, как решать проблемы при их обучении и разберем популярные архитектуры
10. Diffusion Models
Объясним, как работает диффузия. Расскажем, как обучают модели под определенные задачи: Conditional Generation, Super-Resolution, Text2Image. И разберем важные архитектуры DALL-E, Imagen, Stabe Diffusion
Ваша команда на 4 месяца
Опытные инженеры будут вести Zoom-лекции и семинары, отвечать на ваши вопросы и ревьюить код
Kudan SLAM
Игорь Ильин
Разрабатывает SLAM Алгоритмы. Расскажет о классическом компьютерном зрении
Haut.AI OÜ
Марк Страхов
Занимается анализом снимков кожи. Расскажет о Self Supervised Learning
verigram.ai
Андрей Шадриков
Тимлид команды распознавания лиц. Расскажет как решать metric learning задачи
Expasoft
Дмитрий Чудаков
Оптимизирует сети для быстрой работы на Edge устройствах. Научит ускорять сети
НИИАС
Дмитрий Раков
Работает над беспилотными поездами. Расскажет о трансформерах
Авито
Василий Баранов
Работал над сервисом распознавания документов. Расскажет о распознавании текста
Kudan SLAM
Игорь Ильин
Разрабатывает SLAM Алгоритмы. Расскажет о классическом компьютерном зрении
Haut.AI OÜ
Марк Страхов
Занимается анализом снимков кожи. Расскажет о Self Supervised Learning
verigram.ai
Андрей Шадриков
Тимлид команды распознавания лиц. Расскажет как решать metric learning задачи
Expasoft
Дмитрий Чудаков
Оптимизирует сети для быстрой работы на Edge устройствах. Научит ускорять сети
НИИАС
Дмитрий Раков
Работает над беспилотными поездами. Расскажет о трансформерах
Авито
Василий Баранов
Работал над сервисом распознавания документов. Расскажет о распознавании текста
Лист ожидания
Мы свяжемся, когда начнем собирать группу 4-го потока и подарим скидку на обучение
Лекции проходят по будням в 18:00 МСК и длятся от 90 до 120 минут. Онлайн-семинары проходят после каждой 5-й лекции
Смогу ли я оформить налоговый вычет?
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
Может ли моя компания оплатить курс?
Моя компания может оплатить курс?
Да, мы подготовим счёт на полную или частичную оплату для юридического лица. Напишите на hello@deepschool.ru
На сколько часов рассчитана программа?
На сколько часов рассчитана программа?
20 астрономических часов на лекции и ~30 часов практики или примерно 8 часов в неделю, что позволяет комфортно встроить обучение в рабочий график
Что я должен знать, чтобы начать обучение?
Основы Deep Learning и Computer Vision. Мы предполагаем, что вы уже знаете теорию нейросетей и решали задачи из области компьютерного зрения. Если вы сомневаетесь, подходит ли курс именно вам, напишите нам в телеграм Спросить в ТГ
Телеграм-канал DeepSchool
Короткие посты по теории ML/DL, полезные библиотеки и фреймворки, вопросы с собеседований и советы, которые помогут в работе
1. Моделинг в команде. Теория Расскажем про организацию репозитория для моделинга. Про конфигурирование, логгирование метрик и экспериментов через clearml и про то, как управлять данными при помощи dvc
2. Моделинг в команде. Семинар Сделаем репозиторий обучения модели «по фен шую»: создадим Makefile и подключим линтеры и пре-коммит. Тренировать модель будем при помощи Pytorch Lightning, а логировать эксперименты — в ClearML
3. Конвертация Научимся ускорять нейросетей при помощи использования фреймворков для инференса. Научимся предсказывать через ONNX Runtime, OpenVINO и TensorRT
4. Nvidia DALI Ускорять можно не только модели, но и работу с данными. Покажем, как можно ускорить ваш тренировочный пайплайн при помощи Data Loading Library (DALI) за счёт переведения операций с данными на GPU
Модуль 2 - Dev & Ops (4 лекции)
1. Введение в веб-сервисы, FastAPI Расскажем, что такое веб-сервисы, обсудим REST. Научимся писать свои веб-сервисы на FastAPI и конфигурировать их при помощи OmegaConf. Расскажем про внедрение зависимостей и научим применять DI-контейнеры
2. Docker, Tests, Linters Познакомимся с Dockerfile, docker-image, docker-container. Узнаем про docker volumes, stats и events. Расскажем про docker-compose. Научимся проверять наш код: писать юнит и интеграционные тесты при помощи pytest, а также пропускать его через линтеры
3. CI/CD Научимся использовать Gitlab CI в своих проектах. Будем тестировать и прогонять через линтеры каждый коммит. Научимся деплоить наше приложение из Gitlab при помощи Ansible
4. Мониторинг Покажем, как мониторить задеплоенное приложение. Научимся узнавать об ошибках при помощи Sentry, а собирать и отслеживать метрики нам помогут Prometheus и Grafana
Модуль 3 - Data & Tasks (6 лекций)
1. Краудсорсинг, Толока Расскажем, что такое crowdsource и как с ним работать. Научимся декомпозировать исходную задачу и писать инструкции для разметчиков. Покажем, как работать в Толоке: научим готовить данные, создавать пулы, контролировать качество и агрегировать результаты
2. Семантическая сегментация Сделаем обзор моделей для задачи семантической сегментации, обсудим метрики и лоссы. Покажем, как применять Multi-task learning для этой задачи. Расскажем, как можно отделять объекты одного класса друг от друга при помощи Watershed
3. Детекция и трекинг Пройдём путь от первых детекторов до современных. Обсудим двух- и одноэтапные anchor-based детекторы, а также anchor-free детекторы. Разберёмся, как работать с MMDetection. В задаче трекинга обсудим классический SORT и его современную модификацию FairMOT
4. Распознавание лиц Расскажем, как обычная кросс-энтропия помогает искать похожие картинки (лица), узнаем, как из этого выводится angular margin loss и при чём здесь contrastive loss. Затронем использование этого для быстрого поиска картинок (лиц), упомянув матричные разложения и кластеризацию
5. Распознавание текста (OCR) Расскажем про детекцию и распознавание текста, сделаем обзор основных архитектур и датасетов. Расскажем про готовые фреймворки и библиотеки: Paddle OCR, MMOCR, EasyOCR и расскажем, в каких случаях какой лучше применять
6. Детекция без нейросетей Расскажем, как решают задачу локализации объектов без нейросетей. Рассмотрим алгоритмы поиска контуров и минимально-описывающих фигур, математические морфологии, проекции и бинаризацию
Модуль 4 - Generative & SelfSup (4 лекции)
1. Трансформеры Разберёмся, как работают трансформеры и пройдём путь от трансформеров в NLP до первых трансформеров в CV и их модификаций
2. SSL Рассмотрим различные методы SSL и библиотеки с их реализацией. Спикер поделится личным опытом применения SSL и даст советы из практики
3. GAN Расскажем теорию автоэнкодеров и GAN, обсудим, как решать проблемы при их обучении и разберем популярные архитектуры
4. Diffusion Models Объясним, как работает диффузия. Расскажем, как обучают модели под определенные задачи: Conditional Generation, Super-Resolution, Text2Image. И разберем важные архитектуры DALL-E, Imagen, Stabe Diffusion
Курс авторский и уникальный. Хоть темы и стандартные для CV, в лекциях было очень много практических вещей из опыта лекторов, которые в интернете вряд ли найдешь. После обучения стала ощущать себя намного увереннее, многие вещи стали понятнее, осталось только углублять знания. Но базу курс дает хорошую, могу рекомендовать всем начинающим специалистам.
Я проходила курс и сразу применяла на практике в работе новые знания. Например, перешла на pytorch lightning, стала лучше организовывать и писать код. Docker и Gitlab CI/CD больше не пугают. Вообще для меня курс многое разложил, как правильно и лучше делать с точки зрения software engineering.
Отдельно хочу отметить очень вовлеченную и позитивную команду преподавателей, которые все отвечали на вопросы подробно и понятно, добирались до самой сути. Отдельное почтение Артему за обширные познания и полезные замечания на код-ревью и Сергею, за то что несколько дней помогал разобраться со вторым дз, и все-таки мы ее побороли :) такая вовлеченность и поддержка дорого стоят, ребятам большое спасибо за атмосферу!
Ольга Чаганова
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 Соломко
Хочу поблагодарить всю вашу команду за прекрасный курс! Преподаватели отличные, хорошо подготовлен материал.
Воспользовалась на работе некоторыми идеями и мне очень пригодился код для построения рабочих пайплайнов, как пример best practices, что мне так не хватает в нашем стартапе)
Большое спасибо вам всем, и желаю удачи вашему проекту, в свою очередь буду рекомендовать вас знакомым)
Мария Старцева
Курс оказался крайне полезным. Благодаря лекторам, тьюторам и создателям программы, я смог углубить свои знания в задачах классификации, сегментации, распознавании лиц, и Ганах, - то с чем уже имею дело или очень хочу начать.
Не ожидал и был приятно удивлен индивидуальным подходом к студентам и готовностью преподавателей тратить время на консультации, отвечать на все вопросы (часто не связанные непосредственно с лекциями и курсом), помогать с организацией облачного пространства для вычислений. Чувствуется как много вложили и продолжают вкладывать создатели в курс и развитие сообщества (я подписан на телеграм канал и с интересом слежу за публикациями).
Также понимаю, как важно было сделать полноценную встречу-знакомство, сеанс с психологом и встречу по итогам курса. Благодаря этим мероприятиям появились горизонтальные связи и я услышал про увлекательный опыт других участников. Все организаторы и однокурсники - отзывчивые и доброжелательные и нацелены на результат студентов. Особо запомнились Тимур, Артем, Сергей, Дмитрий.
Арсений Рылов
Хочу сказать, что это, пожалуй, лучший курс по ML, который я проходила (а у меня достаточно лет опыта в ML, поэтому знаю о чем говорю :))
Каждая лекция проводится профессионалом в своей теме, который старается выложиться по максимуму, выходит за рамки стандартной лекции, отвечает с энтузиазмом на все вопросы. Все материалы хорошо подготовлены, к каждой лекции есть непростое интересное домашнее задание, которое дает возможность погрузиться в тему и набить руку. Я совмещала курс с фулл-тайм работой, прослушала все лекции, но мне не хватило времени сделать все домашки, часть из них уже доделала после курса.
Еще важный аспект - это классная мотивирующая атмосфера курса. Очень уютно и камерно. Индивидуальный подход, подробное код ревью, шутейки в слайдах.
Спасибо ребятам за отличный курс и прокачку в современном CV! Желаю успехов в создании лучшей DL/ML онлайн школы!
Галина Альперович
Сергей, Ольга, Дмитрий и Тимур - отличные лекторы! Еще спасибо Михаилу, за то, что посмотрел мое задание с толокой, которое я сдавала позже дедлайна. Также спасибо за ответы на вопросы. И отдельное спасибо Артему за то, что он давал пояснения во время лекций, очень часто эти пояснения были полезными.
Сомневалась, что будет что-то новое, но после первых двух лекций все оказалось вполне полезно. Как оказалось, построение пайплайна обучения, CI-CD, толока и оптимизация оказались для меня самыми полезными темами. Сейчас многое использую в своей работе.
Ксения Рябинова
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 Юдин
Все, что было сказано на сайте и даже больше было на курсе) Моей целью было повышение квалификации до Jun+/Middle, смог ее достичь и найти подходящую работу. И благодаря курсу чувствовал себя увереннее во время поиска. Очень понравились групповые работы и ревью. У меня такой проверки кода никогда не было, дают все советы, ссылки. Все ребята открыты к вопросам, часто их задавал, все подробно объясняют и приводят примеры.
Две домашних работы - стали двумя моими полноценными проектами, которые я могу уже показать людям. Проекты сильно прокачали, особенно после работы с ревью. На курсе много разных специалистов, не только ML, но и разработчики.
Однозначно осталось только положительное впечатление о курсе. Крутой курс, очень понравились и домашки, и ревью, поддержка и кураторов и студентов. Думаю, такой курс один в России не для новичков, а именно для ребят с опытом, таких больше даже не знаю. Очень рад, что попал к ребятам, желаю продвижения!
Руслан
Курс дал возможность посмотреть на best practice в ML/DL, узнать, что люди используют, что сейчас модно. Настоящий обмен опытом. В домашних работах очень качественное код ревью, в то время как на работе код ревью обычно ограничивается аппрув/не аппрув. На курсе дают знания, которые можно сразу использовать на практике: CI/CD и Ansible было очень полезно, нормально настроил линтер и автотесты.
Понравилось, что в достаточно короткий промежуток времени, по сравнению с другими курсами, что я проходил, умещается большая концентрация знаний. Самый useful курс из всех, что я проходил! Ребята с опытом, рассказывают кейсы из жизни: это очень классно, любой рассказ подкреплен настоящим делом.
Григорий Солдатов
Для меня с началом обучения перевернулось все представление о том, как работать в cv. Курс помог вылезти из ноутбуков, понять, как работать по-серьёзному, не бояться больших репозиториев с кодом. А ещё найти работу) это вообще уникальная информация для специалистов по cv, собранная в одном месте. Каждый точно найдёт для себя что-то интересное!
Но надо быть готовыми к тому, что к*урс будет* достаточно *сложным. Мне потребовалось много времени на выполнение домашек, часть из них не сделала, тк застряла или не успела. Иногда приходилось колдовать с версиями пакетов на моем компе.
Прикольные презентации, интересные групповые работы и их разборы, крутые лекции.
100% порекомендую курс коллегам и друзьям.
Анна Фонарь
Перед прохождением курса сомневался, думал, что большая часть материала мне знакома. Но оказалось, что в курсе было много практических моментов и полезного кода, что позволило улучшить свой код и оптимизировать решение рабочих задач.
Наиболее интересными для меня были темы по Pytorch Lightning, CiCD, Трансформеры и Self-Supervised learning, Инференс, потому что тесно связаны с текущей работой. Но и остальные темы прослушал с интересом и выполнил ДЗ.
Использовал в работе организацию кода как в примере из лекции Lightning, ClearML, некоторые вещи из CICD, обучение дополнительных голов. Планирую активнее использовать различные библиотеки для инференса и ускорения моделей, SSL-подходы.
Части с моделингом не были слишком сложными для меня, поскольку был базовый код, есть опыт с обучением моделей и не нужно было выбивать высоких метрик. Вторая часть с сервисом была посложнее, поскольку было меньше опыта в CICD. Но мне было интересно разобраться в этой теме, наверное, это и помогло пройти курс до конца.
На курсе получил те знания, которые хотел, стал внимательнее относиться к написанию кода, к его чистоте. Получил практические знания, которые позволили улучшить метрики в моих текущих задачах. Также получил много кода и материала, который планирую в дальнейшем использовать в своей работе.
Понравилась быстрая, позитивная и качественная обратная связь от менторов. Очень полезными для меня оказались 2 индивидуальные встречи с ментором, где я подчерпнул много идей и полезных статей для решения своих задач.
Ребята, спасибо огромное за отличный практический курс. Я получил важный опыт, знания и материал, которые уже начал применять в своей работе и планирую это делать в дальнейшем. Спасибо вам за живое общение и позитивную обратную связь. Хочется и дальше продолжать с вами общение, участвовать в лит. клубе, набираться опыта у всех вас. Вы крутые и занимаетесь важным и полезным делом!
Булат Бадамшин
Перед курсом боялся, что будет как на скилбоксах и подобных заманиловках. По отзывам друзей там знания не глубокие. Но курс был отличный!
Понравились разборы архитектур, так как подчеркнул неочевидные вещи, которые не мог уловить из статей. Также, интересным были части по ci cd и докеризацию с ускорением для инференса. Ни где такого подробного разбора с пруфами не находил.
Ставлю курсу 5/5 за подачу материала, взаимодействие с учениками и желание донести все, что знаешь, а не просто отчитать материал, как в университете. (хоть я, обычно, на онлайн и не попадал, но в сообщениях всегда находил ответы на возникающие вопросы)
Самый полный курс по нейросетям покрывающий самые неочевидные аспекты архитектур и подробный разбор SOTA подходов. Этого как раз не хватает в других курсах: за время обучения в МГУ и прошел 4 курса по нейросетям (в том числе от Воронцова) и годовую программу MSU.AI - есть с чем сравнивать. Также, крайне понравился системный подход в подаче архитектурной составляющей для сервисов и управления ими. Это крайне важно для ds в нынешнее время.
Илья Начевский
Временами было сложно, но очень полезно. Однозначно порекомендую курс коллегам, понравился очень серьезный подход, проработанные материалы и неравнодушные преподаватели. Получила много практических советов, много кода с примерами и качественный разбор материала на лекциях.
Не очень понравился формат видео и семинаров к ним, больше нравились живые лекций, также понравилась практика на занятиях)
Очень понравилось как объясняет Денис Солдатов. Самая классная лекция была у Марка Страхова. Артем вообще красавчик - весь курс был с нами, давал наиценнейшие комментарии! А приз за лучший code review я с удовольствием вручаю - Егору Осинкину, очень подробно, с кучей супер полезных советов! Ребята - вы молодцы, делаете очень качественный и душевный продукт! Дальнейшего вам развития и процветания!
Юлия Полушина
Заряженные преподаватели, качественные материалы, отличное код ревью. Но ключевое - это именно преподаватели и в целом люди на курсе. В сравнении с множеством других курсов, возможность поговорить лично, узнать о процессах, проблемах, подходах, обсудить что-то своё - это киллер фича.
Самыми интересными для меня были сервисы и разработка. Модельки я уже который год учу, а вот как из моделек сделать хорошую рабочую демку, которую можно будет дальше пушить в прод, знаний не было. Теперь есть и за это благодарен.
Сразу после лекций по линтерам, логгированию и конфигурации экспериментов в ClearML - всё это было внедрено в текущий проект на работе, а домашка по сервисам стала основой для того, что мы потом отдали заказчику. Преподаватели активно делились тем, как устроены процессы в их командах, так что получилось закрыть даже то, что формально не входит в программу курса.
Определённо чувствую себя сильнее после курса. У меня было большое белое пятно по тому, как выводить модельки в прод и курс на эти вопросы ответил сполна. А моделинг - повторение, мать учения. Убедился, что мои знания соответствуют тем, что могут ожидать от меня незнакомые мне коллеги
Для меня курс окупился ещё в первые два месяца, когда многое из данного на курсе перетекло в рабочие пайплайны, а общение с преподавателями и ребятами с курса, дало информацию о том, как процессы организованы в другие командах. Полагаю, можно считать, что это лучшая инвестиция в моё образование. И одна из лучших инвестиций в целом за последние годы) Спасибо за проделанную работу)
Леонид Верховцев
Перед покупкой курса я сомневался, что многое уже знал и получу ли максимум пользы. К счастью, сомнения не оправдались, так как я узнал некоторые тонкости в тех темах, которые уже знал. А также из-за знания некоторых тем, я смог сильнее сосредоточиться на незнакомых
Мне понравились темы про оптимизации моделей, их конвертацию, а также SSL. Первые я применил в работе, а в последней я вижу потенциал и теперь захотелось ещё глубже погрузиться в неё.
Я перетащил к себе на работу ClearML, линтеры, шаблоны для сервисов и обучения моделей. Теперь даже ищу новую позицию в другой компании 🙂
Курсу ставлю 5/5 потому что вы смогли соблюсти баланс качества и объёма, а также теории и практики. Также каждый преподаватель очень ответственно подходил к каждому занятию, вечно задерживался из-за обилия вопросов студентов, за что хочется сказать им большое спасибо. Думаю, что негатив это не про этот курс.
Главное - это держать планку. Ну и хотелось бы, чтобы группы не становились очень уж большими, так как в маленьких группах чувствуешь себя особенным и времени преподавателя у тебя больше. Ещё на карьерной сессии было бы интересно послушать про компании, в которые потенциально можно засобеситься и неплохо дать ссылку на хороший чеклист с вопросами по подготовке к собеседованию.
Хочу ещё раз выразить благодарность всем людям, которые участвовали в создании данного курса, всем организаторам, преподавателям и проверяющим. Ваш ответственный подход мотивирует студентов заканчивать данный курс, получать новые знания и не останавливаться на достигнутом. Думаю, что скоро вернусь к вам на 3D CV, как только подрасту и буду уверен, что смогу и его успешно закончить)
Курс был замечательным, я получил огромное удовольствие, выполняя домашки и потом применяя свои знания в рабочих задачах
Матвей Иванов
Курс максимально полезный лично для меня, систематизирует знания, не оставляет пробелов, и прочитан максимально доступно. Однозначно ощущаю, что стал сильнее в Computer Vision. Все темы были интересны, но особенно выделю SLaM и Bundle Adjustment, а также NeRF.
Перед покупкой казалось, что дороговато, но сомнения не оправдались. Хотелось бы и дальше продолжать изучать материал, для меня курс закончился внезапно).
Всем лекторам спасибо — очень хорошо объясняли свои темы с зацепками где что посмотреть дополнительно. Уже посоветовал курс друзьям и коллегам
Дмитрий
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)
Александр
Есть вопросы, на которые вы не нашли ответы? Напишите нам в Telegram, ответим на все интересующие вопросы