Тимур Фатыхов
Data Scientist (CV)
Теперь я умею
Я пришел на этот курс, чтобы
...
Создавать полноценные сервисы
FastAPI
Создавать REST API сервисы с инференсом нейросетей на асинхронном фреймворке
DI-контейнеры
Внедрять и подменять зависимости
Работать в ML/DL команде
CI/CD
Тестировать и собирать свое приложение при каждом коммите, а также деплоить по одной кнопке в UI, когда сочту нужным
DALI
Максимально утилизировать ресурсы GPU, проводя часть препроцессинга на карте
Catalyst/Lightning
Использовать фреймворк, который позволяет унифицировать моделинг в команде, снизить бас-фактор и ускорить проведение экспериментов
ClearML
Логировать конфиги экспериментов, визуализировать метрики, лоссы, таблицы с возможностью делиться результатами и сравнивать эксперименты
DVC
Версионировать датасеты, модели, тяжелые артефакты и избегать дублирования файлов на серверах при работе в команде
Решать различные CV задачи
Face Recognition
Решать задачу классификации с большим количеством классов: будь то люди, животные или товары на полках в магазине
Segmentation
Сегментировать классы на изображениях
Achievements:
My goals:
My skills now:
Docker
Упаковывать свои приложения в Docker и быть уверенным, что заработает не только на моем компьютере
Ansible
Разворачивать свои приложения на удаленном сервере одной командой
Linting, PyTest
Проверять код на стилевые ошибки при помощи линтера и не тратить на них время (свое и коллеги) на ревью. А также покрывать свое приложение юнит и интеграционными тестами и быть уверенным, что хотябы на базовых сценариях оно не сломается:)
Prometheus, Grafana
Собирать метрики приложения с помощью Prometheus, визуализировать их в Grafana и настраивать алерты на пороговые значения
Sentry
Быстро узнавать об ошибках на проде
Quantization
Избавляться от избыточности float в нейросетях, ужимая нейроны нейросети в более легкий и быстрый int8
Distillation, Pruning
Удалять наименее важные слои из нейросети и использовать тяжелые сети для обучения более легких и быстрых моделей
Toloka
Собирать чистые и дешевые данные с нуля
Detection
Решать задачу детекции объектов
OCR
Распознавать текст на картинких с помощью CRNN
Classic CV
Использовать классические методы компьютерного зрения для улучшения работы нейросетей или для обработки изображений без нейросетей вовсе
Чтобы получить «Гроза Релизов», нужно открыть:
- Docker
- CI/CD
- Ansible
- Linting, PyTest
Программа курса
Detailed schedule
08.11 (вт)
18:00 МСК
08.11 (вт)
18:00 МСК
Установочная встреча
12.11 (сб)
18:00 МСК
12.11 (сб)
18:00 МСК
Моделинг
Тимур Фатыхов
How to be a graphic designer and not to lose your soul. Alex will share his experience about the process of becoming a professional, career ups and downs, and searching for personal style and approach.
15.11 (вт)
18:00 МСК
15.11 (вт)
18:00 МСК
FastAPI
Денис Солдатов
How to be a graphic designer and not to lose your soul. Alex will share his experience about the process of becoming a professional, career ups and downs, and searching for personal style and approach.
19.11 (сб)
18:00 МСК
19.11 (сб)
18:00 МСК
Моделинг. Часть 2
Тимур Фатыхов
Вспомним основные архитектуры нейросетей для компьютерного зрения. А также обсудим формат их хранения для инференса в Torch Script
09:00 – 10:00
09:00 – 10:00
DALI
Гаврин Сергей
Обсудим как ускорять обучение и утилизировать гпу по максимуму с помощью Dynamic Loading Library