✅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:

Спецкурс по выбору для бакалавров 2, 3, 4 курсов ВМК МГУ. С осени 2022 года читается в осеннем семестре.

Преподаватели:

Хвостиков Александр Владимирович

кандидат физ.-мат. наук, научный сотрудник, лаборатория математических методов обработки изображений, ВМК МГУ.

Основные научные интересы: обработка и анализ изображений, компьютерное зрение, медицинские изображения, машинное обучение, глубокое обучение, свёрточные нейронные сети, гибридные методы.

Untitled

Курс посвящен применению современных нейросетевых методов в обработке и анализе изображений.

В курсе последовательно излагаются основы классических методов машинного обучения, устройства современных нейронных сетей и их применения в задачах обработки и анализа изображений. Рассматриваются разнообразные модели для классификации, сегментации и детекции изображений, подходы для уменьшения размерности данных, подходы для устранения несбалансированности данных, а также различные методы кластеризации. В курсе рассматривается несколько практических задач анализа изображений, на примере которых демонстрируются излагаемые в курсе методы и подходы.

Практикум:

В рамках данного курса студентам предлагается два практических задания для самостоятельной реализации моделей машинного обучения и решения двух реальных задач анализа изображений и видео:

  1. Классификация типов тканей гистологических изображений;
  2. Трекинг объектов на видео теннисного матча;

Для выполнения заданий предлагается использовать язык Python 3, а также несколько библиотек машинного обучения, фреймворк Tensorflow 2 и платформы Google Colab и Kaggle Notebooks. Для каждого задания имеется шаблон с минимальным кодом, необходимым для загрузки и удобной работы с данными. Условия заданий и особенности работы с предоставляемыми шаблонами подробно разбираются на лекциях.

Каждое невыполненное задание понижает максимально возможную оценку на экзамене на 1 балл.