Нейронные сети и компьютерное зрение samsung

Нейронные сети и компьютерное зрение

Почему стоит начать изучение машинного обучения и нейронных сетей с нашего курса? Наш девиз «Больше практики!»: излагая математические основы очень доступным языком, авторы курса, эксперты Samsung AI Center дадут базовые знания на примере решения задач компьютерного зрения. Это зрелищно и интересно!

О курсе

Мы рекомендуем наш курс всем, кому интересен Data Science и кто делает свои первые шаги в этой области!

Наш курс – победитель премии «Stepik Awards 2019». Авторы курса – эксперты Samsung AI Center, занимающиеся задачами машинного зрения – передают свой практический опыт и интуитивное понимание принципов работы нейронных сетей для компьютерного зрения.

А еще этот онлайн-курс является частью трека по искусственному интеллекту социально-образовательной программы для вузов «IT Академия Samsung», которая стартовала в 2019 году в МГУ и ЮФУ. Если ваш вуз хочет вступить в программу «IT Академия Samsung», пишите нам по адресу info@myitacademy.ru.

В этом курсе вы сделаете первые шаги в области компьютерного зрения с методами машинного обучения. Как мы этого добьёмся?

Для начала, мы пройдём основы нейронных сетей: как же какая-то абстрактная модель мышления, помещённая в компьютер, позволила обычным программистам просто так взять, и решить нерешённую ранее задачу зрения роботов. Мы изучим архитектуру и алгоритмы настройки нейросетей, приобретём глубокое понимание всего, что происходит после нажатия «Запустить обучение». Мы разберём, как лучше представить задачу для нейронной сети, поскольку не все постановки в принципе разрешимы, и в этом нам поможет метод максимального правдоподобия.

Но это всё ещё не компьютерное зрение. В этой части курса вы погрузитесь в свёрточные нейронные сети, методы регуляризации и нормализации, которые делают реальные задачи – разрешимыми.

Кроме лекций вас ждёт 8 практических семинаров. Вы наберётесь опыта в инструментарии машинного обучения и компьютерного зрения, решите базовые задачи, и будете готовы к практическому тестированию, где вы решите серьёзную задачу в области CV/ML. И, справившись с ней, сможете получить сертификат с отличием!

Для кого этот курс

Приглашаем продвинутых в математике старшеклассников, студентов и профессионалов! Всех желающих на практике освоить базовые алгоритмы машинного обучения в области компьютерного зрения.

Читайте также:  Адресация ресурсов в компьютерных сетях

Начальные требования

Курс рассчитан на слушателей, которые делают первые шаги в области машинного обучения.

Что нужно, чтобы приступить к курсу?

1. Иметь базовые знания в области математической статистики.

2. Быть готовым программировать на Python.

Источник

Samsung открывает бесплатный онлайн-курс по нейросетям в задачах компьютерного зрения

Вы пока не разбираетесь, почему ReLU лучше сигмоиды, чем отличается Rprop от RMSprop, зачем нормализировать сигналы и что такое skip connection? Зачем нейронной сети нужен граф, и какую он совершил ошибку, что она распространяется обратно? У вас есть проект с компьютерным зрением или, может быть, делаете межгалактического робота для борьбы с грязными тарелками, и хотите, чтобы он мог сам решать, отмывать или и так сойдет?

Мы запускаем открытый курс «Нейронные сети и компьютерное зрение», который адресован тем, кто в этой области делает первые шаги. Курс разработан экспертами Samsung Research Russia: Исследовательского центра Samsung и Центра искусственного интеллекта Samsung в Москве. Сильные стороны курса:

  • авторы курса знают, о чем говорят: это инженеры московского Центра искусственного интеллекта Samsung, Михаил Романов и Игорь Слинько;
  • есть как теория с задачками, так и практика на PyTorch
  • приступаем к практике сразу после освоения минимальных теоретических знаний.
  • лучшие студенты будут приглашены на собеседование в Samsung Research Russia!

Этот курс открылся 1 июня – первый в серии бесплатных онлайн-курсов от Samsung на платформе Stepik. Предпочтение было отдано именно российской платформе – это позволит предоставить больше возможностей для русскоязычной аудитории. Курсы преимущественно будут посвящены области Machine Learning (ML). Выбор неслучаен: в мае 2018 года в Москве открылся Центр искусственного интеллекта Samsung, где работают такие научные звезды ML, как Виктор Лемпицкий (самый цитируемый ученый России в категории Computer Science), Дмитрий Ветров, Антон Конушин, Сергей Николенко и многие другие.

Итак, за 6 недель видеолекций и практических заданий, занимаясь по 3-5 часов в неделю, вы сумеете разобраться, как решать базовые задачи машинного зрения, а также приобретете необходимую теоретическую подготовку для дальнейшего самостоятельного изучения области.

Предполагается два режима прохождения курса: базовый и продвинутый. В первом случае достаточно смотреть лекции, отвечать на вопросы по лекциям и решать семинары. Во втором случае потребуется решить теоретические задачи, в которых нужно будет применить достаточно обширные знания из математики 1-2 курсов технического университета.

Читайте также:  Локальные компьютерные сети сетевое программное обеспечение

В курсе последовательно излагается терминология и принципы построения нейросетей, рассказывается о современных задачах, методах оптимизации, функциях потерь и об основных архитектурах нейронных сетей. И в завершение обучения — решение наглядной прикладной задачи по компьютерному зрению.

Преподаватели курса

Михаил Романов

Выпускник МФТИ. Закончил Школу анализа данных Яндекса. Получил степень PhD в Technical University of Denmark.

Сотрудник московского Центра ИИ Samsung. Михаил занимается задачами машинного зрения для роботов и любит преподавать. У него есть много идей и тем для дальнейших курсов. Один из выпускников AI Bootcamp 2018, проходившего на базе Центра искусственного интеллекта Samsung, в выходной анкете на вопрос оценить Михаила в 5-балльной шкале как преподавателя, написал: «жаль, что нет оценки шесть!».

Игорь Слинько

Выпускник МФТИ. Закончил Школу анализа данных Яндекса. Сотрудник московского Центра ИИ Samsung. Игорь также занимается задачами машинного зрения для роботов, преподает Machine Learning в Высшей школе экономики. В прошлом и в этом году он лектор-волонтер мастерской «Deep Learning» социально-образовательного проекта Летняя школа, организованной при партнерстве Samsung Research Russia.

Программа курса

  1. Математическая модель нейрона
  2. Булевы операции в виде нейронов
  3. От нейрона к нейронной сети
  4. Семинар: Базовая работа в PyTorch
  1. Восстановление зависимости нейронной сетью
  2. Компоненты нейронной сети
  3. Теоретические задачи: Восстановление зависимостей
  4. Алгоритм настройки нейронной сети
  5. Теоретические задачи: Графы вычислений и BackProp
  1. Бинарная классификация? Бинарная кросс-энтропия!
  2. Многоклассовая классификация? Софтмакс!
  3. Локализация, детекция, super-resolution
  4. Теоретические задачи: Функции потерь
  5. Семинар: Строим первую нейронную сеть
  6. Семинар: Классификация в PyTorch
  1. Самый обычный градиентный спуск
  2. Модификации градиентного спуска
  3. Теоретические задачи: Понимаем SGD с momentum
  4. Семинар: Реализация градиентного спуска средствами PyTorch
  5. Семинар: Классификация рукописных чисел полносвязной сетью
  1. Свёртка, каскад свёрток
  2. История архитектур: LeNet (1998)
  3. История архитектур: AlexNet (2012) и VGG (2014)
  4. История архитектур: GoogLeNet и ResNet (2015)
  5. Семинар: Распознавание рукописных чисел свёрточной нейросетью
  1. Регуляризация и нейронные сети
  2. Нормализация данных
  3. Семинар: Решаем задачу классификации на датасете CIFAR
  4. Метод максимального правдоподобия
  5. Семинар: Transfer learning на примере соревнования на Kaggle

Требования к студентам

Курс рассчитан на слушателей, которые делают первые шаги в области машинного обучения. Что нужно от вас?

  1. Иметь базовые знания в области математической статистики.
  2. Быть готовым программировать на Python.
  3. Если вы хотите пройти курс на сложном уровне, то понадобится неплохое знание математического анализа, линейной алгебры, теории вероятностей и статистики.

Источник

Онлайн-курсы трека
«Искусственный интеллект»

Нейронные сети и компьютерное зрение

Ваш браузер не поддерживает видео HTML5

Читайте также:  Понятие сетевой модели сетевая модель osi функции уровней модели osi

Почему стоит начать изучение машинного обучения и нейронных сетей с нашего курса? Наш девиз «Больше практики!»: излагая математические основы очень доступным языком, авторы курса, эксперты московского ИИ-Центра Samsung дадут базовые знания на примере решения задач компьютерного зрения. Это зрелищно и интересно!

В этом курсе вы сделаете первые шаги в области компьютерного зрения с методами машинного обучения. Как мы этого добьёмся?

Для начала, мы пройдём основы нейронных сетей: как же какая-то абстрактная модель мышления, помещённая в компьютер, позволила обычным программистам просто так взять, и решить нерешённую ранее задачу зрения роботов. Мы изучим архитектуру и алгоритмы настройки нейросетей, приобретём глубокое понимание всего, что происходит после нажатия «Запустить обучение». Мы разберём, как лучше представить задачу для нейронной сети, поскольку не все постановки в принципе разрешимы, и в этом нам поможет метод максимального правдоподобия.

Но это всё ещё не компьютерное зрение. В этой части курса вы погрузитесь в свёрточные нейронные сети, методы регуляризации и нормализации, которые делают реальные задачи – разрешимыми.

Кроме лекций вас ждёт 8 практических семинаров. Вы наберётесь опыта в инструментарии машинного обучения и компьютерного зрения, решите базовые задачи, и будете готовы к практическому тестированию, где вы решите серьёзную задачу в области CV/ML. И, справившись с ней, сможете получить сертификат с отличием!

Нейронные сети и обработка текста

Ваш браузер не поддерживает видео HTML5

Современные методы автоматической обработки текста — это поиск по смыслу, машинный перевод, чат-боты, построение баз знаний… Как к этому подступиться? Больше практики! Авторы курса, эксперты московского ИИ-Центра Samsung, доступным языком рассказывают, как начать работать с текстами при помощи нейросетей.

Как построен наш курс? Мы начнём с разговора о языке: почему он такой удобный для людей и сложный для машин. Затем мы сформируем высокоуровневую картину предметной области, расскажем об основных понятиях и задачах. После введения мы разберём классические методы, подходящие, например, для определения тематики документа.

А затем начнутся нейросети! Мы расскажем, как подготавливать данные, извлекать «смыслы» слов из текстов, генерировать тексты, разбирать их структуру, выделять наименования объектов, и даже обучать нейросеть искать ответы на вопросы!

Кроме лекций Вас ждут практические семинары. В завершение мы предложим Вам решить сложную прикладную задачу в области NLP.

© 2017-2022 SAMSUNG Все права защищены.

Источник

Оцените статью
Adblock
detector