Cтарт — {{start_date}} Продолжительность — 4 месяца
Погрузитесь в продвинутый Computer Vision: от сложностей и корнер-кейсов в «обычных» задачах до мультимодальных моделей и дизайна CV-систем
Курс подойдёт CV-инженерам всех грейдов
Junior
Middle
Senior
узнаете теорию и закрепите на практике
систематизируете знания и закроете пробелы
подсмотрите на практики других команд
Важно знать основы DL и работать с Python и PyTorch
1. Математика для ML и основы DL
Необходимо знать, что такое производная, матричное умножение, скалярное произведение, градиентный спуск, дифференцируемость, как работают оптимизаторы SGD/Adam, что такое кроссэнтропийная функция потерь
Будем писать функции и классы. Домашние задания будут на PyTorch, OpenCV, NumPy. Часть из них будет в py-скриптах
2. Базовое знание Python и PyTorch
Будем разбирать последние подходы в CV и сложные задачи, поэтому необходимо знать про работу свёртки и о других базовых понятиях
3. Опыт в Computer Vision
4. Навыки работы с данными
Нужно иметь опыт с данными: предобработка, визуализация, анализ
Программа
Лекция каждую неделю. После каждой темы — домашнее задание с фидбеком от лектора. Раз в 4−5 недель — Q&A-сессия для разбора вопросов и перерыв на каникулы.
4 месяца
13 лекций
13 заданий с фидбеком от преподавателей
01. Подготовка данных
Разберём основные источники открытых данных: научимся находить и курировать датасеты. Обсудим инструменты для inhouse-разметки и формирование ТЗ, а также внедрение авторазметки
Data-Centric AI — новый фокус в машинном обучении
Где все берут данные? Как собирать данные из интернета: веб-скрапинг
Разметка данных и инструменты для аннотации (Label Studio, CVAT)
Основные темы:
Когда данных нет — создаём сами: синтетические данные и диффузионные модели
02. Получение качественных данных
Научимся не просто собирать данные, а проектировать процесс их получения и поддерживать качество на всех этапах — от сбора до инференса
Активное обучение для эффективного использования разметки
Оценка и улучшение качества разметки: перекрёстная проверка, foundation-модели
Мониторинг данных в продакшене и обнаружение сдвигов распределения
Как проектировать сбор данных под задачу: сенсоры, триггеры, хранение
Основные темы:
03. Секреты успешных архитектур
Разберём устройство современных нейросетей: от свёрточных блоков до трансформеров и адаптивных голов
Адаптация больших моделей: LoRA, ControlNet, IP-Adapter
Эволюция архитектур: от ResNet к EfficientNet и Vision Transformers
Почему BatchNorm не всегда работает и какие есть альтернативы
Структура нейросети: feature extractor, neck, head
Основные темы:
04. Обучение метрики и быстрый векторный поиск
Научимся обучать модели, которые создают осмысленные векторные представления, и эффективно искать по ним в больших базах
Оценка качества: Precision@K, Recall@K, Closed vs Open set
Быстрый поиск: FAISS, Navigable Small Worlds, хэширование
Angular Loss и ArcFace для улучшения качества эмбеддингов
Metric Learning: обучение расстояний через contrastive и triplet loss
Основные темы:
05. Мультимодальные модели
Познакомимся с моделями, объединяющими зрение и язык: от CLIP до современных VLM и retrieval-систем
Выбор размерности эмбеддингов: Matryoshka Representation Learning
Как обучать мультимодальные модели на парах «изображение–текст»
Принцип работы CLIP и его модификаций (SigLIP, BLIP)
Основные темы:
06. Детекция объектов
Разберём эволюцию детекторов: от якорных моделей до трансформеров и openset-подходов
Openset-детекция с помощью foundation-моделей (Florence, GLEE)
DETR и гибридные архитектуры на основе трансформеров
Anchor-free подходы: CenterNet, YOLO11
One-stage vs two-stage детекторы: SSD, RetinaNet, Faster R-CNN
Основные темы:
07. Сегментация
Изучим методы сегментации: от классических U-Net до современных foundation-моделей и работы с высоким разрешением
Foundation-модели: Segment Anything (SAM) и промптинг
Работа с high-res изображениями и проблемными масками
Раз в 4−5 недель спикеры и кураторы собираются в zoom, чтобы ответить на ваши вопросы, помочь с практикой, обсудить задачи
05. Или приходите на онлайн-встречи с кураторами, чтобы обсудить вопрос голосом
Кто будет преподавать
Опытные инженеры будут вести Zoom-лекции и семинары, отвечать на ваши вопросы и ревьюить код
Тимлид команды распознавания лиц. Расскажет как решать metric learning задачи
Андрей Шадриков
Verigram
2GIS
Дмитрий Чудаков
Занимается CV и 3DCV в картах. Расскажет про детекцию и секреты успешных архитектур
НИИАС
Дмитрий Раков
Руководит командой ML, которая занимается разработкой беспилотных поездов в AO НИИАС
Занимается системой анализа видео-контента и генеративными картиночными моделями
Роман Филонов
ВК видео
Лаборатория Искусств и ИИ при Европейском Университете
Анастасия Старобыховская
Руководитель лаборатории. Создает проекты и исследования в области культурного и исторического наследия
Руководит процессами разметки медицинских данных и построения аналитики, улучшает пайплайны данных для подсчёта бизнес-метрик
Дарья Воронкина
Onecell
Тимлид CV в задачах real-time видеоаналитики. Расскажет про задачу трекинга: как подобрать модель под конкретную задачу
Илья Башаров
Sber
Wildberries
Глеб Рязанцев
Senior computer vision engineer. Работает в команде Поиска по фото
Руководит CV-направлением, проектирует системы в металлургии в НЛМК-IT
Виталий Угнивенко
НЛМК-IT
Специалист по машинному обучению, специализируется на компьютерном зрении и OCR задачах. Ранее — выпускник и преподаватель по ML в МФТИ. Сейчас тренирует в Яндексе Vision Language Models читать и понимать текст на картинках.
Борис Зимка
Яндекс
verigram.ai
Андрей Шадриков
Тимлид команды распознавания лиц. Расскажет как решать metric learning задачи
2GIS
Дмитрий Чудаков
Занимается CV и 3DCV в картах. Расскажет про детекцию и секреты успешных архитектур
НИИАС
Дмитрий Раков
Работает над беспилотными поездами. Расскажет о трансформерах
ВК видео
Роман Филонов
Занимается системой анализа видео-контента и генеративными картиночными моделями
Анастасия Старобыховская
Лаборатория Искусств и ИИ при Европейском Университете
Должность: руководитель лаборатории. Деятельность: создание проектов и исследований в области культурного и исторического наследия
Onecell
Дарья Воронкина
Руководит процессами разметки медицинских данных и построения аналитики, улучшает пайплайны данных для подсчёта бизнес-метрик
Sber
Илья Башаров
Тимлид CV в задачах real-time видеоаналитики. Расскажет про задачу трекинга: как подобрать модель под конкретную задачу
Виталий Угнивенко
НЛМК-IT
Руководит CV-направлением, проектирует системы в металлургии в НЛМК-IT
Wildberries
Глеб Рязанцев
Senior computer vision engineer. Работает в команде Поиска по фото
Яндекс
Борис Зимка
Специалист по машинному обучению, специализируется на компьютерном зрении и OCR задачах. Ранее — выпускник и преподаватель по ML в МФТИ. Сейчас тренирует в Яндексе Vision Language Models читать и понимать текст на картинках.
После обучения
Чат выпускников
Сертификат о прохождении обучения
Вы попадаете в чат выпускников — чат с опытными инженерами, где мы проводим литклубы, random coffee и обсуждаем вопросы с работы
Доступ к материалам курса на один год
Комфортные условия для вашей учёбы
Полный возврат стоимости в первые 14 дней, если поймёте, что программа вам не подходит. Если примете решение позже, вернём деньги за вычетом уже пройденных занятий
Налоговый вычет получите 13% от стоимости курса после обучения
Оплата из-за рубежа картой иностранного банка или другими удобными способами
Может оплатить компания. мы принимаем оплату от юрлиц, если хотите, чтобы работодатель оплатил ваше обучение, пусть ваши представители напишут нам на b2b@deepschool.ru для оформления документов и оплаты
Лекции проходят по будням в 19:00 по московскому времени и длятся 1,5−2 часа. Q&A-сессии проходят после каждой 5-й лекции, время определяется индивидуально для каждого потока.
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 Скидки не распространяются на оплату курса юр. лицами, поэтому при заполнении заявки указывайте полную стоимость.
Ни разу не пожалел, что решил пройти курс «Деплой DL-сервисов» — программа насыщенная и продуманная. Лекции ведут опытные и приятные спикеры, а домашние задания (иногда требующие серьезных усилий) и код-ревью помогают глубже разобраться в теме.
Благодаря курсу я понял, как организовать разработку проектов так, чтобы код был понятным для коллег и удобным для меня самого даже спустя время. Особенно рекомендую курс тем, кто работает в молодых командах, где есть простор для улучшения качества разработки.
Александр Федоров
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 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
Я являюсь тем счастливчиком, которому удалось пройти данный курс, и хочу выразить безмерную благодарность всей команде, которая готовила материалы и задания. Вы — бесспорно лучшие! На каждой лекции я удивлялся тому, насколько разносторонними и крутыми «дядями» являются лекторы, но это только больше мотивировало к тому, чтобы я освоил нужные инструменты. Все темы разобраны максимально подробно с живыми примерами и даже групповыми интерактивами, а домашния задания позволяют хорошенько самому покопаться в деталях и сделать работающие решения.
Могу с уверенностью заявить, что все рассматриваемые инструменты подобраны так, чтобы по итогу программы навыки и резюме слушателя отражали все тенденции рынка. Освоенный материал сделал мои тоже более востребованными — за время курса я успешно прошел 3 собеседования на позиции, где требовались изученные инструменты, и мои знания оказались даже глубже, чем было необходимо.
Поэтому я настоятельно рекомендую данную программу, благодарю авторов и желаю успехов будущим слушателям!
Алексей Андреев
Ранее я уже проходил другой курс по MLOps, но он оставил больше вопросов, чем ответов. Курс DeepSchool как будто разложил все по полочкам. Материал структурированный, преподаватели всегда на связи, интересные домашние задания и лекции. Я узнал очень много нового и теперь активно применяю это в работе. Было не просто разбираться с новыми инструментами и фреймворками, но сейчас понимаю насколько сильно это уже начало упрощать мне ведение проектов.
Иван Малютин
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
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
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
Курс очень понравился и превзошёл ожидания. Отличный набор практических навыков. Домашки хорошо подобраны. И почти все не занимают более 8 часов, что важно, потому что у большинства есть работа.
Сомнений не было. У вас отличные статьи, что лучше любых рекомендаций говорит о толковости преподавателей и состовителей программ курсов. Больше всего понравилось про трекинг. Но это не умоляет прочих тем.
Спасибо! Вы супер!
Александр Дудник
Я в восторге! Сомнений не было, были хорошие рекомендации, и состав курса обещал быть инетерсным для меня.
Много практических примеров, очень общительные ученики. Отличные домашние задания!
Огромное спасибо лекторам! Очень опытные и экспертные люди с интересными историями из практики!
Гузель Фейзханова
Провести лето, погружаясь поглубже в область компьютерного зрения, оказалось отличной идеей.
Было сложно, но интересно. Разные темы рассказывают разные преподаватели, что даёт возможность увидеть разные способы и точки зрения на решению задач.
Самыми интересными были темы SSL и сегментация. Очень хорошо выстроен материал: от постановки задачи и представления данных, показана иерархия подходов от ранних идей до SOTA решений. Всё вместе это дало некоторую интуицию, как решать задачи и возникающие проблемы в этих областях.
Отдельно отмечу office hours, где можно было задавать абсолютно любые вопросы, в том числе и не относящиеся к темам лекций. И вопросы других студентов, и ответы экспертов позволяют расширить кругозор и понимание, как теория с лекций применяется на практике.
Наталья Ковальчук
Курс был познавательный и не простой. Долго смотрела на него, но переработанная версия CV Rocket 2.0 стала более привлекательной, в неё вошли практически все современные направления в компьютерном зрении с упором на углубленное рассмотрение многообразия технологий, все темы прямо в точку.
Лекторы чудесны, каждый с опытом продуктовой разработки именно по теме лекции, при этом разобрали их структурированно и достаточно глубоко, показав современное состояние по этим темам, текущие практики, поделились опытом и болями, что работает, а что не всегда в реальности стоит использовать и какие есть ограничения.
Домашние задания не игрушечные, приближены к практике, позволили действительно отработать и понять тему. Очень много обратной связи на Office Hours где присутствуют все лекторы по темам прошедшего блока, отвечая как на теоретические вопросы, так и накидывая подходы к решению продуктовых задач в рабочих проектах, близких по тематике.
Атмосфера при обучении дружественная, лекторы готовы к диалогу, нет боязни показаться некомпетентным.
Были сомнения, что могу не справиться с программой курса, хотя с компьютерным зрением уже работала, т.к. нет достаточного навыка программирования и времени. Курс сильный и каждая тема на неделе как целое направление, по которому можно закопаться.
Материал структурирован и по нему понятно куда дальше смотреть, чтобы проработать тему. Очень много идей взяла в рабочие проекты, прокачиваешься действительно хорошо.
Много нового для меня материала, который ещё после курса надо долго переваривать, углубляться, разбираться и пробовать применять на практике. Наверно, с нуля в компьютерном зрении стартовать этот курс было бы сложно.
Полезно было услышать как подходят к решению своих практических задач с использованием рассказанных тем, т. е. темы не оторваны от жизни, а реально применимы и показано как. Если было бы продолжение курса, с удовольствием бы пошла снова учиться у этой команды.
Ирина Васендина
Очень интересно было послушать про дизайн и валидацию разметки в больших масштабах (одна из первых лекций) и про подходы. Также понравились темы детекции и SSL за технические детали
Основной фидбек — благодарность лекторам за качественный подготовленный материал!
Очень понравились более технические лекции, где мы погружались в детали и что-то имплементировали, лекции Дмитрия Ракова и Дмитрия Чудакова. Полезный опыт и детали, заложенные в лекции очень понравились. Понравились лекция Дарьи Воронкиной, хоть я и не близок к медицинской теме, но было познавательно. Лекции Анастасии были ближе к моим рабочим проектам, поэтому было интересно посмотреть на подходы к решению промышленных задач. Просмотренным материалом остался доволен, не было лекций, после которых чувствовалась трата времени или «что это было».
Спасибо за составление курса и подготовку всей команде, желаю вам дальнейшего развития и успехов!
Дмитрий Сазыкин
На курсе я познакомилась с рядом современных подходов к решению задач компьютерного зрения, с некоторыми из них мне ранее не доводилось работать.
Понравилось, что акцент делался не только на теорию, а скорее на практическое применение — теперь есть четкое представление, как можно использовать существующие подходы в собственных разработках. Стало понятно, какие подходы лучше работают для разных типов задач — классификации, детекции, сегментации.
Также с течением курса приходит понимание, как можно адаптировать предобученные модели под собственные задачи и данные.
Курс определенно повысил уверенность в работе с задачами CV и дал отличную базу для дальнейшего профессионального роста!
Анна Степанова
Курс плотный по занятиям и ДЗ — это хорошо, много заинтересованных преподавателей. Сами Д З интересные и полезные.
Игорь Наумов
Хороший курс, углубил уже имеющиеся и получил новые знания. Потихоньку перетаскиваю в работу
Сомневался, потому что я уже и так занимаюсь cv, не был уверен что мне нужен еще и курс за такие деньги. Но сомнения не оправдались, курс был полезный, хоть и дорогой
Антон Дмитриев
Отличная работа, спасибо, много интересных кейсов
Самыми интересными были анализ разметки, детекция и сегментация (как наиболее релевантные моим текущим задачам)
Из каждой лекции/семинара сделал себе список для возможного применения на работе
Алексей Гаврилов
Есть вопросы, на которые вы не нашли ответы? Напишите нам в Telegram, ответим на все интересующие вопросы