Компьютерное зрение. Advanced
2026-03-10 02:54 Diff
https://otus.ru/lessons/cv-advanced/

Компьютерное зрение. Advanced

Для кого этот курс?

  • Для опытных специалистов в области компьютерного зрения (от 1 до 3 лет опыта), которые желают расширить свой кругозор в CV, упорядочить и актуализировать знания, углубиться в специфичные задачи компьютерного зрения.
  • Для тех, кто самостоятельно освоил CV, но еще не имел возможносоти получить коммерческого опыта в этой сфере.
  • Для опытных питонистов, знакомых с компьютерным зрением и нейросетями.
  • Для тех, кто прошел курс «Компьютерное зрение» в Отус.

Необходимые знания

  • Уверенное знание Python
  • Понимание работы нейросетей и методов глубокого обучения
  • Базовые знания по компьютерному зрению

Что даст вам этот курс?

  • Продвинутые знания в области компьютерного зрения
  • Глубокую теорию и понятную практику от ведущих экспертов в области компьютерного зрения
  • Опыт работы с актуальными технологиями: PyTorch 2.0, Vision Transformers, Diffusion models, Generative AI, SAM, action detection, geometry computer vision
  • Выпускной проект, который можно будет прикрепить к резюме

Вы сможете

  • Решать любые задачи компьютерного зрения от стадии идеи до продакшена,
  • Понимать, как решать ту или иную задачу
  • Понимать, какими инструментами воспользоваться и какие сложности и подводные камни могут при этом возникнуть
  • Доводить решения от стадии идей и эксперементов до полноценного продакшен кода

Этот курс — для тех, кто уже умеет решать базовые задачи, и хочет углубиться в самые сложные задачи компьютерного зрения. Вы сможете актуализировать знания и перейти на новый уровень профессии.

Процесс обучения

Обучение проходит онлайн: вебинары, общение с преподавателями и вашей группой в Telegram, сдача домашних работ и получение обратной связи от преподавателя.

Вебинары проводятся 2 раза в неделю по 2 ак. часа и сохраняются в записи в личном кабинете. Вы можете посмотреть их в любое удобное для вас время.

В ходе обучения вы будете выполнять домашние задания. Каждое из них посвящено одному из компонентов вашего выпускного проекта.

После выполнения всех домашних заданий вы получите готовый выпускной проект.

Оптимальная нагрузка

Возможность совмещать учебу с работой

Портфолио

Индивидуальная разработка итоговой проектной работы 

Перспективы

Получите знания, которые помогут повысить вашу востребованность и доход

Партнеры

Многие студенты еще во время прохождения первой части программы находят или меняют работу, а к концу обучения могут претендовать на повышение в должности.

  • Получите помощь с оформлением резюме, портфолио и сопроводительного письма
  • Разместите свое резюме в базе OTUS и сможете получать приглашения на собеседования от партнеров

Computer Vision Developer

Перспективы направления

Средний уровень зарплат:

320 000 ₽Senior специалист

Формат обучения

Интерактивные вебинары

2 занятия по 2 ак.часа в неделю. Доступ к записям и материалам остается навсегда

Обратная связь

Домашние задания с поддержкой и обратной связью наших преподавателей помогут освоить изучаемые технологии

Активное комьюнити

Чат в Telegram для общения преподавателей и студентов

Программа

Рабочее окружение и библиотеки для CV

Начальный модуль. Вводная лекция посвящена настройке рабочего окружения и установке необходимых библиотек, которые понадобятся вам для обучения на курсе. Две другие лекции посвящены фреймворку глубокого обучения PyTorch, который станет основным инструментом для создания и обучения нейросетей на курсе, а также наиболее известным и распространенным библиотекам компьютерного зрения: opencv, kornia и hugging face.

Тема 1: Вводная лекция: задачи, инструменты и программа курса

Тема 2: PyTorch 2.x: стандартные датасеты и модели torchvision

Тема 3: Библиотеки компьютерного зрения: opencv, kornia, hugging face, OCR

Нейронные сети и глубокое обучение

В этом модуле мы пройдемся по основным архитектурам нейронных сетей, применяемых в компьютерном зрении, — от сверточных сетей к современным трансформерам. Также рассмотрим различные подходы к их обучению.

Тема 1: Эволюция сверточных сетей: от AlexNet до EfficientNet

Тема 2: Адаптивные методы градиентного спуска

Тема 3: Трансформеры в задачах зрения

Тема 4: Self-Supervised Learning: SimCLR, BYOL, FixMatch, MAE, DINO

Стандартные задачи CV

Модуль посвящен стандартным задачам компьютерного зрения. Начнем с базовой задачи — детектирования объектов на изображениях, и плавно перейдем к теме трекинга и ре-идентификации объектов. Рассмотрим три основных задачи сегментации (instance, semantic и panoptic). Далее, перейдем к детектированию ключевых точек тела и лица, а также узнаем, как оценить позу человека в 2D и 3D случаях. И, наконец, затронем такую знаменитую задачу, как детекция и распознавание лиц. В финале модуля также состоится выбор темы и ментора для вашего выпускного проекта.

Тема 1: Object detection: Постановка задачи, метрики, семейство R-CNN

Тема 2: Object detection: Проблемы многомасштабности, семейство YOLO

Тема 3: Сегментация: продвинутые методы, 3D сегментация

Тема 4: Pose Estimation: 2D и 3D

Тема 5: Face Recognition: современные подходы: SphereFace, ArcFace, CosFace

Тема 6: Object tracking и ReID

Тема 7: Выбор темы и организация проектной работы

Генеративные модели

Данный модуль целиком посвящен генеративным моделям ИИ. Начнем с классической темы автоэнкодеров и вариационных автокодировщиков, далее перейдем к генеративным состязательным моделям (GAN), при помощи которых попробуем сгенерировать фейковые изображения. После GAN затронем горячую тему диффузионных моделей, таких как Stable Diffusion, при помощи которых будем генерировать изображения и видео. Модуль замыкают две лекции, посвященные мультимодальным нейросетям, где мы рассмотрим две актуальные задачи генерации: text-to-image и image-to-text.

Тема 1: Вариационные автоэнкодеры (VAE)

Тема 2: GAN: постановка задачи и обзор архитектур

Тема 3: Диффузионные модели

Тема 4: Stable diffusion. Multimodal text-to-image generation: IP-Adapter, ControlNet

Тема 5: Generative Video Models: Stable Video Diffusion, Gen2, MAKE-A-VIDEO

Тема 6: Multimodal image-to-text generation and visual QA

Продвинутые методы CV

В этом модуле мы перейдем к продвинутым задачам компьютерного зрения. Узнаем, что представляет из себя известная модель SAM и ее модификации. Также рассмотрим, какие геометрические методы используются в компьютерном зрении, узнаем, что такое стереозрение, как откалибровать камеру и как использовать гомографию для нанесения AR-рекламы на видеокадры. Рассмотрим применение моделей компьютерного зрения в автономных транспортных средствах и методы работы с лидарами и облаками точек. В финале модуля поговорим о задачах распознавания и детектирования действий и активности людей на видео.

Тема 1: Zero-Shot Learning подходы в компьютерном зрении

Тема 2: Стереозрение и калибровка камеры

Тема 3: Геометрические методы в компьютерном зрении

Тема 4: 3D Reconsturction: MVSnet, Nerf

Тема 5: SLAM и архитектуры моделей компьютерного зрения в автономных транспортных средствах

Тема 6: Распознавание и детекция действия на видео

Оптимизация, инференс и подготовка к продакшену

В этом небольшом модуле мы посмотрим, как оптимизировать свою модель для инференса при помощи различных техник оптимизации (прунинг, квантизация, дистилляция, компиляция моделей) и библиотек для инференса (TensorRT, ONNX), а также попрактикуемся подготавливать и запускать свою модель на продакшн-сервере. Вторая лекция посвящена задаче аннотации данных, где мы попробуем развернуть свой сервер CVAT, при помощи которого попрактикуемся в основных задачах разметки (классификация, детекция, сегментация и трекинг), а также парсинге результатов из различных форматов датасетов.

Тема 1: Инференс на сервере: TensorRT, ONNX, Triton

Тема 2: Ускоряем работу с видео для инференса нейросетей (бонусное занятие, запись открытого урока)

Тема 3: Архитектура проектов по видеоаналитике (бонусное занятие, запись открытого урока)

Проектная работа

Заключительный месяц курса посвящен проектной работе. Свой проект — это то, что интересно писать слушателю. То, что можно создать на основе знаний, полученных на курсе. При этом не обязательно закончить его за месяц. В процессе написания по проекту можно получить консультации преподавателей.

Тема 1: Консультация по проектам

Тема 2: Защита проектных работ

Бонусные занятия

Модуль дает базовые знания и концепции в нейронных сетях и глубоком обучении, и будет полезен для тех, кто хочет освежить и актуализировать свои знания, а также тем, кто еще не знаком с нейронными сетями. Рекомендуется познакомиться с этим модулем перед тем, как перейти к основным лекциям.

Тема 1: (Бонус) Сверточные нейронные сети. Операции свертки, транспонированной свертки, пуллинг

Тема 2: (Бонус) Подготовка и аугментация данных

Тема 3: (Бонус) Градиентный спуск и backpropagation

Тема 4: (Бонус) Переобучение и регуляризация

Тема 5: (Бонус) Взрыв и затухание градиентов

Также вы можете получить полную программу, чтобы убедиться, что обучение вам подходит

Проектные работы


Каждый семестр завершается финальным проектом, который предстоит защитить перед преподавателями и командой. Вам будет, что обсудить на собеседовании!

Вы можете выбрать одну из предложенных преподавателем тем или реализовать свою идею.

Выпускной проект покажет степень самостоятельности и знаний студента, а также его способность доводить решения от стадии идей и эксперементов до полноценного продакшен-кода.

Преподаватели

Антон Витвицкий

(к.ф.-м.н.) Director of Computer Vision

Boost Arria NLG

Дмитрий Колесников

ML Team Lead

Wildberries

Борис Цейтлин

Senior ML Scientist

Planet Farms

Анна Ахматова

Computer Vision research engineer

HUAWEI

Айнур Гайнетдинов

Head of R&D

Gradient

Анна Закутняя

Senior Data Scientist

Raiffeisenbank

Сергей Цыкин

ML Team Leader

Assaia

Иван Мордовец

Senior ML Engineer

Samokat.Tech

Раиль Сулейманов

Machine Learning Engineer

Garage IT

Никита Шубин

(к.т.н.) Ведущий инженер-программист

ООО Агроцифра

Эксперты-практики делятся опытом, разбирают кейсы студентов и дают развернутый фидбэк на домашние задания

Прошедшие
мероприятия

Дмитрий Колесников

Открытый вебинар

Поднимаем YOLO модель в Triton ансамбле

Антон Витвицкий

Открытый вебинар

Ускоряем работу с видеопотоками при помощи TorchCodec

Оставьте заявку, чтобы получить доступ ко всем записям прошедших мероприятий. Записи всех мероприятий появятся в этом блоке

Этот курс может оплатить ваш работодатель

Обучайтесь за счёт работодателя или разделите оплату 50/50

  • Подробно расскажем об интересующем вас курсе
  • Объясним, как договориться с работодателем
  • Сообщим стоимость обучения и варианты оплаты
  • Ответим на вопросы
  • Предоставим шаблон договора и счёт на оплату

Отзывы

Максим Колесниченко

02.02.2026

На самом деле курс полезный, узнал для себя много нового и интересного) Понравилось тем, что курс структурирован и с каждым вопросом можно обратиться к преподавателю Для себя понял, что мне очень интересны архитектуры моделей и всякие сложные штуки :)

Я работаю в крупной индустриальной компании на должности ML инженера по направлению компьютерного зрения. Также я аспирант в МГТУ им. Н.Э. Баумана по робототехнике. Заинтересовался этим курсом и выбрал его для прохождения из-за хорошо описанной программы обучения, а также отличных отзывов об экспертных знаниях Антона Витвицкого, одного из преподавателей курса. В курсе мне понравилось живое общение на семинарах, широкий круг разобранных проблем, много домашних заданий, а также возможность сделать свой собственный проект. Курс дал существенный буст в знаниях, что позволило работать над проблемами, которые ранее мне были недоступны.

Работаю разработчиком систем машинного зрения в крупном промышленном предприятии. Высшее образование - МГТУ им Н.Э. Баумана, специальность "оптико-электронные приборы и системы". Ранее я прошел базовый курс Otus "Компьютерное зрение" - методика обучения и преподаватели мне понравились, т.е. основным критерием выбора был предыдущий положительный опыт. При этом программа нового курса является логичным продолжением первой части и содержит много интересных и актуальных для меня тем - в частности, лекции по реидентификации, 3D CV, работе с видео (временными последовательностями). Некоторые пресечения/повторения материалов есть, но они, на мой взгляд, оправданы. Вообще отдельный курс "компьютерное зрение" (не являющийся частью курса по ML) - достаточно уникальное предложение, найти аналоги не просто. Особенно понравились: знания преподавателей, которые являются практикующими специалистами по определенным направлениям CV и активно отвечают на вопросы; формат проведения лекций, когда преподаватели могут подробно объяснить разделы, которые не понятны; сбалансированный подход к математической теории; хорошее визуальное представление информации; обмен опытом с другими студентами. Для себя ставил 3 основные цели для профессионального роста, которые, в основном, считаю успешно выполненными. Изучение методик для решения актуальных рабочих задач. Например, тема моей дипломной работы - это реальная производственная задача, по которой в ближайшем будущем будет реализован проект. Расширение общих знаний о принципиальных технологиях и подходах в CV. Получение информации о новейших разработках в данной области, т.к. профессия программиста предполагает постоянную актуализацию знаний.

Ранее я уже проходил курс NLP в OTUS, и он помог мне продвинуться на текущем месте работы. Я решил прокачать свои навыки так же и в CV, чтобы работать с мультимодальными моделями и быть более универсальным сотрудником. Кроме того, этот курс позволил мне расширить кругозор в машинном обучении. Поэтому выбрал курс "Компьютерное зрение. Advanced". Понравилось, что занятия ведут профессионалы, которые в курсе последних исследований в области CV. Это действительно было полезно, в частности, возможность задавать вопросы на занятиях.

Александр Прозоров

16.10.2024

Занимаюсь разработкой больше десяти лет, в основном, как фронтенд-разработчик. Последние четыре года развиваю веб-приложение. Хочу сменить профиль деятельности и уйти из фронтенда в машинное обучение и компьютерное зрение. В свое время я защитил кандидатскую в области еще классического компьютерного зрения, но впоследствии эти знания никак не использовал. С тех пор утекло много воды, практически во всех областях победили ml-алгоритмы, поэтому пришел на данный курс освежить знания. Понравилось: разнообразие тем – пробежались практически по всем типам задач компьютерного зрения; на разных темах разные преподаватели, которые делятся примерами реальных задач из своего опыта индустрии; материалы довольно свежие, разбираются актуальные библиотеки и алгоритмы. Обучение безусловно дало знания и расширило кругозор.

Подтверждение знаний и навыков

OTUS осуществляет лицензированную образовательную деятельность.
В конце прохождения специализации вы получите сертификат OTUS и удостоверение о повышении квалификации

После обучения вы:

  • Получите материалы по пройденным занятиям (видеозаписи курса и дoполнительные материалы)
  • Создадите свой проект, который поможет при прохождении собеседований
  • Повысите свою ценность и конкурентоспособность как IT-специалист
  • Получите сертификат об окончании курса

Компьютерное зрение. Advanced

Доступные способы оплаты.
Стоимость указана для оплаты физическими лицами

Верните с помощью налогового
вычета до 13% стоимости обучения.

Пройдите тестирование и менеджер вас проконсультирует

Запишитесь сегодня

Старт занятий 27 мая

Доступные способы оплаты.
Стоимость указана для оплаты физическими лицами

Верните с помощью налогового
вычета до 13% стоимости обучения.

Пройдите тестирование и менеджер вас проконсультирует

Частые вопросы

Почему OTUS?

Мы обучаем IT-сотрудников уже 6 лет, через OTUS прошли 20 000 студентов. Специализируемся на программах для людей с оп��том, а ещё – быстро переформатируем учебные программы под изменения в сфере информационных технологий.

Обязательно ли выполнять и защищать выпускной проект?

Для получения сертификата OTUS и УПК (удостоверение повышения квалификации государственного образца) необходимо сдать проект. Кроме того, проект необязательно защищать перед аудиторией, а можно сдать в чате с преподавателем. Для получения УПК также понадобится предъявить документ об образовании.

Обязательно ли выполнять все домашние задания?

Да, если хотите хорошо отточить навыки. На курсе будут практические домашние задания, их выполнение занимает примерно 2-3 часа.

Помогаете ли вы с трудоустройством после курса?

В Otus Club проводятся вебинары на тему трудоустройства, разбор резюме, прохождения собеседований, особенности реферальных программ при найме. Также обратим ваше внимание, что преподаватели курса занимают ведущие позиции в разных компаниях. Будьте активны, выполняйте домашние задания, стройте network с сокурсниками и преподавателями, и вам будет проще найти работу, расширив свои контакты.

Смогу ли я совмещать учебу с работой?

Да. Программа курса рассчитана на студентов, у которых мало времени. Лекции проводим дважды в неделю, домашние задания — не чаще 1 раза в неделю.

Что, если в середине курса я не смогу продолжать обучение?

Вы можете бесплатно перейти в другую группу. Но только один раз.

Я могу вернуть деньги?

Да, мы можем вернуть деньги за то время курса, которое вы ещё не успели отучиться. Например, если курс длится пять месяцев, а вы отучились один, мы вернём деньги за оставшиеся четыре месяца.

Может ли мой работодатель оплатить курс?

Да. Когда свяжетесь с нашим менеджером, уточните, что оплачивать курс будет ваш работодатель.

Остались вопросы?

Оставляйте заявку и задавайте вопросы менеджеру, команда курса с ним на связи и постарается дать вам исчерпывающую информацию.