✅Вариант страницы одобрен авторами курса

<aside> 💡 Курс разработан при поддержке фонда и рекомендован к прослушиванию студентами в рамках Академической программы по искусственному интеллекту.

</aside>

Формат курса:

Курс является обязательным для студентов 3го курса кафедры ИИТ и является спецкурсом по выбору для остальных бакалавров. Читается в осеннем семестре.

Преподаватели:

Конушин Антон Сергеевич (лекции)

Кандидат физ.-мат. наук, доцент кафедры ИИТ, ВМК МГУ.

Руководитель департамента искусственного интеллекта, ООО "Исследовательский центр Самсунг".

Основные научные интересы: компьютерное зрение.

Untitled

Шахуро Владислав Игоревич (практикум)

Инженер лаборатории компьютерной графики и мультимедиа, кафедра ИИТ, ВМК МГУ.

Инженер департамента ИИ ООО "Исследовательский центр Самсунг".

Основные научные интересы: компьютерное зрение, генеративные модели.

Untitled

Аннотация:

В курсе дается полноценное введение в область компьютерного зрения и рассматриваются все ключевые задачи. Поскольку современные методы основаны на нейросетевых методах, то курс включает краткое введение в глубокое обучение. По каждой задаче обсуждается постановка задачи, метрики оценки качества, актуальные датасеты и основные идеи современных алгоритмов решения этой задачи.

Практикум:

Курс сопровождается обширным практикумом. Каждая лекция сопровождается семинаром, на котором с помощью Питон-ноутбука рассматривается какой-то практический аспект этой задачи. По каждой теме также дается домашнее практическое задание, предполагающее написание программы с автоматической проверкой набором тестов, отдельные конкурсные задания и наборы тестов.

Программа курса:

  1. Понятие о компьютерном зрении, сложности, связи с искусственным интеллектом. Свет и цвет, модели цвета, цифровое изображение. Особенности зрения человека.
  2. Основы обработки изображений. Рассматриваются точечные методы повышения контраста и цветокоррекции, методы пространственной фильтрации изображений, основы сегментации и выделения краёв, масштабирования изображений и сжатие изображений.
  3. Классификация и распознавание изображений с помощью эвристических признаков. Рассматривается основная схема построения признаков, методы HoG, BoW, GIST.
  4. Основы свёрточных нейросетей и глубинного обучения. Базовые нейросетевые архитектуры и их особенности, дообучение сетей, методы визуализации работы нейросети.