Нейронные сети. Уровень 1: компьютерное зрение

Компьютерное зрение давно вышло за пределы лабораторий: контроль качества на конвейере, учёт товара на полке, проверка средств защиты на стройплощадке, распознавание документов, анализ дорожного покрытия по видео. К классическим свёрточным сетям добавились трансформеры, универсальные модели сегментации и мультимодальные модели, которые отвечают на вопросы по картинке. Порог входа в прикладные проекты снизился, а требования к качеству данных и инженерной культуре выросли.

Курс построен вокруг PyTorch и библиотеки Hugging Face transformers. Сначала вы разбираете устройство нейросети на уровне вычислительного графа и пишете модели с нуля, затем дообучаете готовые: размечаете данные в CVAT или Label Studio, обучаете классификатор, детектор YOLO и модель сегментации, строите конвейер для видео и распознаёте текст в сканах на русском языке. Отдельный блок посвящён CLIP, мультимодальным моделям и генерации изображений, включая Kandinsky и открытые диффузионные модели.

Вы пройдёте полный цикл — от разметки и обучения до оценки качества и упаковки модели в сервис с API, — а в финале соберёте и защитите собственный прототип. Практика идёт в GPU-среде ИИ Долины, поэтому личная видеокарта не нужна. Мы отдельно разбираем правовую сторону: изображения людей и биометрия по 152-ФЗ, локальное хранение и работа в закрытом контуре без отправки данных во внешние облачные нейросети.