Сложно ли погрузиться в 3D CV?
В подкасте выше Давид и Дмитрий рассуждали, почему задач в области 3D становится больше, и рассказали, как они погружались в эту область.
Если вы не слушали подкаст, то вот краткое содержание этой части:
- кол-во задач растет благодаря развитию DL, который стали активно применять в 3D
- но в плане deep learning, 3D CV гораздо менее развит, чем 2D
- и нет такого количества инструментов, гайдов и образовательных материалов по этой теме
- поэтому гости подкаста погружались в 3D через изучение статей на arxiv и решение рабочих задач
Недавно мы проводили интервью с подписчиками канала. Среди которых были и уже знакомые с 3D инженеры. И вот что мы узнали от них:
- знания приходится собирать по крупицам с разных источников
- часто не понятно, какая теория стоит за используемыми инструментами
- для современных решений может вообще не быть понятных статей и инструкций
Но скоро мы поможем в решении этих проблем и представим свой курс по 3D CV, который упростит погружение в эту область, объяснит теорию классических и современных алгоритмов и поможет закрепить знания на практике.
На днях расскажем о нем подробнее.
Ставьте реакции, если вам это интересно!🔥
В подкасте выше Давид и Дмитрий рассуждали, почему задач в области 3D становится больше, и рассказали, как они погружались в эту область.
Если вы не слушали подкаст, то вот краткое содержание этой части:
- кол-во задач растет благодаря развитию DL, который стали активно применять в 3D
- но в плане deep learning, 3D CV гораздо менее развит, чем 2D
- и нет такого количества инструментов, гайдов и образовательных материалов по этой теме
- поэтому гости подкаста погружались в 3D через изучение статей на arxiv и решение рабочих задач
Недавно мы проводили интервью с подписчиками канала. Среди которых были и уже знакомые с 3D инженеры. И вот что мы узнали от них:
- знания приходится собирать по крупицам с разных источников
- часто не понятно, какая теория стоит за используемыми инструментами
- для современных решений может вообще не быть понятных статей и инструкций
Но скоро мы поможем в решении этих проблем и представим свой курс по 3D CV, который упростит погружение в эту область, объяснит теорию классических и современных алгоритмов и поможет закрепить знания на практике.
На днях расскажем о нем подробнее.
Ставьте реакции, если вам это интересно!🔥
Telegram
DeepSchool
🔥47❤9⚡6
Неполные наблюдения не беда. Восстанавливаем скрытые переменные для моделирования сложных динамических систем
При работе со сложными динамическими системами вроде роботов и финансового рынка мы сталкиваемся с проблемой: обучать модели приходится на основе неполных наблюдений. В таких случаях нам доступна только часть данных.
Пример: мы хотим по текущим результатам анализов предсказать результаты через пять месяцев. Тогда мы можем:
1) представить здоровье человека в виде скрытого состояния
2) восстановить его
3) распространить динамику здоровья на 5 месяцев вперед при помощи выбранной архитектуры
4) на основе полученных данных предсказать результаты анализов.
В новой статье мы расскажем про пример такой задачи из области робототехники. Из статьи вы также узнаете:
- с чего начать, если вы столкнулись с такой задачей
- 4 метода решения
- и практические советы
Читайте нашу статью по ссылке, чтобы узнать преимущества и недостатки каждого из методов: https://deepschool-pro.notion.site/cc6b0aab07714925adcde6a0637def4f
При работе со сложными динамическими системами вроде роботов и финансового рынка мы сталкиваемся с проблемой: обучать модели приходится на основе неполных наблюдений. В таких случаях нам доступна только часть данных.
Пример: мы хотим по текущим результатам анализов предсказать результаты через пять месяцев. Тогда мы можем:
1) представить здоровье человека в виде скрытого состояния
2) восстановить его
3) распространить динамику здоровья на 5 месяцев вперед при помощи выбранной архитектуры
4) на основе полученных данных предсказать результаты анализов.
В новой статье мы расскажем про пример такой задачи из области робототехники. Из статьи вы также узнаете:
- с чего начать, если вы столкнулись с такой задачей
- 4 метода решения
- и практические советы
Читайте нашу статью по ссылке, чтобы узнать преимущества и недостатки каждого из методов: https://deepschool-pro.notion.site/cc6b0aab07714925adcde6a0637def4f
DeepSchool on Notion
Обучение скрытых динамических моделей по частичным наблюдениям | Notion
Автор: Шамиль Мамедов
Редактура: Илья Бакалец
Редактура: Илья Бакалец
🔥19⚡4❤3
Открываем предзапись на курс 3D Computer Vision! 👩💻
В индустрии все чаще появляются термины из 3D CV: команды бигтехов публикуют больше работ в этой области, в требованиях вакансий чаще встречаются инструменты из 3D. Развиваются беспилотные автомобили и робототехника, VR/AR шлемы, игры и приложения.
В недавнем подкасте эксперты из сферы рассказали о том, как проходило их погружение в тему: структурированных материалов меньше, чем для классических 2D-задач, приходится тратить много времени на самостоятельное изучение статей и книг, а потом пробовать применять это в рабочих проектах.
Чтобы облегчить погружение тем, кто хочет разобраться в этом направлении, мы запускаем курс 3D Computer Vision.
Курс объяснит теорию подходов и решений из этой области и позволит закрепить знания практике.
В рамках курса вы научитесь:
🔹Работать с 3D-данными
🔹Реконструировать 3D по фото и видео
🔹Решать привычные задачи (детекция, сегментация), в трехмерном мире
🔹Узнаете, как научить роботов видеть. Освоите SfM и SLAM
🔹Окунётесь в будущее реднеринга, освоив NeRF-методы
🔹 Погрузитесь в прикладные области, такие как аватары и цифровые двойники
Программа состоит из 10 лекций, продолжительность — 2 месяца.
После каждой лекции — практическая задача, решение которой проверяют спикеры курса.
Спикеры — практики из различных направлений в 3D.
Дата начала: 29 июня
👉 Запишитесь в анкету предзаписи, чтобы получить максимальную скидку на обучение и получить доступ к Zoom-встрече с создателями курса по теме “Погружение в 3D CV”. Подробности в анкете
Заполнение анкеты ни к чему не обязывает, но даёт возможность попасть на обучение по лучшим условиям и получить приглашение на Zoom-встречу
В индустрии все чаще появляются термины из 3D CV: команды бигтехов публикуют больше работ в этой области, в требованиях вакансий чаще встречаются инструменты из 3D. Развиваются беспилотные автомобили и робототехника, VR/AR шлемы, игры и приложения.
В недавнем подкасте эксперты из сферы рассказали о том, как проходило их погружение в тему: структурированных материалов меньше, чем для классических 2D-задач, приходится тратить много времени на самостоятельное изучение статей и книг, а потом пробовать применять это в рабочих проектах.
Чтобы облегчить погружение тем, кто хочет разобраться в этом направлении, мы запускаем курс 3D Computer Vision.
Курс объяснит теорию подходов и решений из этой области и позволит закрепить знания практике.
В рамках курса вы научитесь:
🔹Работать с 3D-данными
🔹Реконструировать 3D по фото и видео
🔹Решать привычные задачи (детекция, сегментация), в трехмерном мире
🔹Узнаете, как научить роботов видеть. Освоите SfM и SLAM
🔹Окунётесь в будущее реднеринга, освоив NeRF-методы
🔹 Погрузитесь в прикладные области, такие как аватары и цифровые двойники
Программа состоит из 10 лекций, продолжительность — 2 месяца.
После каждой лекции — практическая задача, решение которой проверяют спикеры курса.
Спикеры — практики из различных направлений в 3D.
Дата начала: 29 июня
👉 Запишитесь в анкету предзаписи, чтобы получить максимальную скидку на обучение и получить доступ к Zoom-встрече с создателями курса по теме “Погружение в 3D CV”. Подробности в анкете
🔥26👍10❤8🍾5
Анимация детских рисунков
А вы думали в детстве об оживлении своих рисунков? Антон, автор нашей новой статьи – да! Но мог разве что рисовать много-много похожих изображений в углу листа, а потом быстро пролистывать тетрадку.
А недавно исследователи воплотили мысль в реальность и придумали метод анимации детских персонажей.
В статье мы расскажем:
- какие методы и модели использовались для анимации
- как авторы решили проблему с отсутствием данных для обучения моделей
- что делать, если нейросети не справляются с задачей
Читайте нашу статью по ссылке и пробуйте оживить свои рисунки самостоятельно: https://deepschool-pro.notion.site/e234f7a87e814047ab1d01ddc5334d9c?pvs=4
А вы думали в детстве об оживлении своих рисунков? Антон, автор нашей новой статьи – да! Но мог разве что рисовать много-много похожих изображений в углу листа, а потом быстро пролистывать тетрадку.
А недавно исследователи воплотили мысль в реальность и придумали метод анимации детских персонажей.
В статье мы расскажем:
- какие методы и модели использовались для анимации
- как авторы решили проблему с отсутствием данных для обучения моделей
- что делать, если нейросети не справляются с задачей
Читайте нашу статью по ссылке и пробуйте оживить свои рисунки самостоятельно: https://deepschool-pro.notion.site/e234f7a87e814047ab1d01ddc5334d9c?pvs=4
deepschool-pro on Notion
Анимация детских рисунков | Notion
Автор: Антон Броиловский
Редактура: Александр Гончаренко
Редактура: Александр Гончаренко
🔥37❤10👍7
Kaggle NFL — Player Contact Detection (Часть 2)
Мы продолжаем разбирать лучшие решения с соревнования Kaggle NFL. В нём участникам предстояло детектировать столкновения игроков в американском футболе, анализируя данные видеокамер и датчиков прикрепленных к игрокам.
В продолжение первой статьи мы расскажем:
- какие ещё решения придумали участники для детектирования контакта между игроками
- как закодировать трекинг-данные с датчиков в фичемапы
- про методы аугментации видео для задачи классификации
Читайте новую статью по ссылке: https://deepschool-pro.notion.site/Kaggle-NFL-Player-Contact-Detection-2-4e123d37bddf41089fd28bf4b377343b?pvs=4
Мы продолжаем разбирать лучшие решения с соревнования Kaggle NFL. В нём участникам предстояло детектировать столкновения игроков в американском футболе, анализируя данные видеокамер и датчиков прикрепленных к игрокам.
В продолжение первой статьи мы расскажем:
- какие ещё решения придумали участники для детектирования контакта между игроками
- как закодировать трекинг-данные с датчиков в фичемапы
- про методы аугментации видео для задачи классификации
Читайте новую статью по ссылке: https://deepschool-pro.notion.site/Kaggle-NFL-Player-Contact-Detection-2-4e123d37bddf41089fd28bf4b377343b?pvs=4
deepschool-pro on Notion
Kaggle NFL — Player Contact Detection (Часть 2) | Notion
Автор: Илья Бакалец
Редактура: Иван
Редактура: Иван
🔥26❤6👍3⚡1
Zoom-лекция “Погружение в 3D CV: как создают цифровых аватаров”
Продолжаем знакомить вас с областью 3D Computer Vision. В прошлых постах мы рассказали, почему это направление CV становится более востребованным и почему в нем сложно разбираться в одиночку.
Чтобы облегчить ваше знакомство с этой областью компьютерного зрения, мы подготовили:
- схему направлений и инструментов в 3D с описанием каждого из них
- и онлайн-лекцию с более подробным погружением в одну из задач
Онлайн лекция пройдет во вторник, на ней мы обсудим:
🔹краткий анализ вакансий в области 3D CV
🔹почему есть тренд на рост числа таких вакансий
🔹зачем калибровать камеры, что такое SfM, NeRF и параметрические модели человека
🔹как с помощью этих инструментов создают цифровых аватаров людей
🔹а также представим программу нашего курса “3D Computer Vision” и подарим скидки на обучение всем участникам
Лекцию будут вести:
Тимур Фатыхов — один из основателей школы DeepSchool, ex Lead CV Engineer KoronaPay
Давид Свитов — к.т.н. и исследователь в Samsung AI Center
🎁 При регистрации по ссылке в боте вы получите Road Map по направлениям в 3D CV — мы подготовили его силами всей команды спикеров. В нем мы кратко описали инструменты и подходы, которые есть в области 3D и указали, как они связаны между собой. Вам будет гораздо легче познакомиться с этим направлением при помощи нашей схемы!
🗓 Лекция пройдет во вторник 20 июня в 18:00 Мск
Переходите в бот, регистрируйтесь, изучайте Road Map и продолжайте развиваться в Deep Learning. До встречи на лекции!
Продолжаем знакомить вас с областью 3D Computer Vision. В прошлых постах мы рассказали, почему это направление CV становится более востребованным и почему в нем сложно разбираться в одиночку.
Чтобы облегчить ваше знакомство с этой областью компьютерного зрения, мы подготовили:
- схему направлений и инструментов в 3D с описанием каждого из них
- и онлайн-лекцию с более подробным погружением в одну из задач
Онлайн лекция пройдет во вторник, на ней мы обсудим:
🔹краткий анализ вакансий в области 3D CV
🔹почему есть тренд на рост числа таких вакансий
🔹зачем калибровать камеры, что такое SfM, NeRF и параметрические модели человека
🔹как с помощью этих инструментов создают цифровых аватаров людей
🔹а также представим программу нашего курса “3D Computer Vision” и подарим скидки на обучение всем участникам
Лекцию будут вести:
Тимур Фатыхов — один из основателей школы DeepSchool, ex Lead CV Engineer KoronaPay
Давид Свитов — к.т.н. и исследователь в Samsung AI Center
🎁 При регистрации по ссылке в боте вы получите Road Map по направлениям в 3D CV — мы подготовили его силами всей команды спикеров. В нем мы кратко описали инструменты и подходы, которые есть в области 3D и указали, как они связаны между собой. Вам будет гораздо легче познакомиться с этим направлением при помощи нашей схемы!
🗓 Лекция пройдет во вторник 20 июня в 18:00 Мск
Переходите в бот, регистрируйтесь, изучайте Road Map и продолжайте развиваться в Deep Learning. До встречи на лекции!
🔥26👏9❤7👍1
Оптимизаторы. Часть 2
Оптимизаторы — полезная и популярная на собеседованиях тема. В продолжение 1-ой части рассказа про оптимизаторы, познакомим вас с Ada* алгоритмами и рассмотрим их поподробнее.
В статье мы расскажем:
- в чем концептуальная проблема ADAGRAD и RMSprop
- как её решает алгоритм Adadelta
- из чего состоит Adam
- какие проблемы у Adam и как их решить
Читайте нашу статью и разбирайтесь, как работает самый известный оптимизатор: https://deepschool-pro.notion.site/2-264f096c57884625a8bfba51cec7d497?pvs=4
Оптимизаторы — полезная и популярная на собеседованиях тема. В продолжение 1-ой части рассказа про оптимизаторы, познакомим вас с Ada* алгоритмами и рассмотрим их поподробнее.
В статье мы расскажем:
- в чем концептуальная проблема ADAGRAD и RMSprop
- как её решает алгоритм Adadelta
- из чего состоит Adam
- какие проблемы у Adam и как их решить
Читайте нашу статью и разбирайтесь, как работает самый известный оптимизатор: https://deepschool-pro.notion.site/2-264f096c57884625a8bfba51cec7d497?pvs=4
❤31🔥14👍9🤔1🤯1
Открытая лекция по 3D CV сегодня в 18:00 мск
Напоминаем, что сегодня мы проведем zoom-лекцию, на которой расскажем, как создают цифровых аватаров.
По пути мы познакомим вас с такими задачами и инструментами как калибровка камеры, Structure from Motion (SfM), NeRF и параметрические модели людей. А также представим программу нашего курса “3D Computer Vision” и подарим скидки на обучение.
🎁 Еще мы подготовили Road Map по направлениям в 3D CV в виде схемы, которая показывает как связаны между собой различные термины/инструменты/задачи в 3D и что они означают.
Зарегистрируйтесь в нашем боте, чтобы забрать Road Map и получить приглашение на zoom-лекцию
🗓До встречи в zoom в 18:00 мск
Напоминаем, что сегодня мы проведем zoom-лекцию, на которой расскажем, как создают цифровых аватаров.
По пути мы познакомим вас с такими задачами и инструментами как калибровка камеры, Structure from Motion (SfM), NeRF и параметрические модели людей. А также представим программу нашего курса “3D Computer Vision” и подарим скидки на обучение.
🎁 Еще мы подготовили Road Map по направлениям в 3D CV в виде схемы, которая показывает как связаны между собой различные термины/инструменты/задачи в 3D и что они означают.
Зарегистрируйтесь в нашем боте, чтобы забрать Road Map и получить приглашение на zoom-лекцию
🗓До встречи в zoom в 18:00 мск
👍14❤6🔥5🤯2🐳2
Как мы создавали курс “3D Computer Vision”
Привет! Это Тимур Фатыхов, один из основателей проекта DeepSchool, пишу от своего имени)
На первом месте работы, в лабе ИВТ Академгородка, я работал с медицинскими снимками. Решал задачи классификации и сегметации, пока мои коллеги “инпэинтили” трехмерные дырки в черепных коробках для создания протезов. В 2017 году решать такие задачи было гораздо сложнее, чем сейчас. И по причине моей юности, я даже не мечтал браться за подобные проекты. Но очень хотелось.
В 2020 будучи инженером в красном финтехе, я запустил стартап по онлайн примерке одежды. Заказал Бандеролькой лидар из штатов, собрал команду, нашел ангельского инвестора. Но задача оказалась сложнее, чем я ожидал. Создать точный 3D аватар по видео было сложно. Долго думал и в итоге ушел из проекта, он затух.
Меня всегда манили 3D задачи. Поэтому я очень обрадовался, узнав, что сейчас эта область CV активно развивается. Но материалов как было мало, так и осталось. И я воспринял это как вызов! Создать программу, которая погрузит любого CV-инженера в сферу 3D.
Сначала мы составили примерную программу, опираясь на собственные знания, анализируя вакансии и спрашивая пожелания у наших выпускников. После для каждой лекции мы 2 месяца искали специалистов, которые долго работали над определенной задачей и могли бы про нее хорошо рассказать. И новым составом уточняли программу.
Так от “мини-курса” мы пришли к 3-месячной программе по 3D, которую ведут 7 спикеров. Каждый — эксперт в своем направлении. И вы можете учиться у них онлайн, задавать вопросы, общаться в zoom на лекциях и семинарах, переписываться в чате, решать вместе практические задания.
У меня не было такой возможности в 2020, но она есть у вас сейчас.
Мы вложим весь свой опыт в программу, и я уверен, будет круто уже на первом потоке. Но все равно снижаем цену и дадим доступ к материалам 2-го и 3-го потоков. Я искренне вам говорю: это уникальная возможность.
Всего будет 30 студентов. Осталось 7 мест. Наши выпускники и участники zoom-лекций уже заняли остальные. Как только наберем 30, закроем прием заявок, поэтому торопитесь.
Записаться и оплатить обучение можно по этой ссылке
По всем вопросам пишите мне @TimurFatykhov или нашему менеджеру @nura_ya
Привет! Это Тимур Фатыхов, один из основателей проекта DeepSchool, пишу от своего имени)
На первом месте работы, в лабе ИВТ Академгородка, я работал с медицинскими снимками. Решал задачи классификации и сегметации, пока мои коллеги “инпэинтили” трехмерные дырки в черепных коробках для создания протезов. В 2017 году решать такие задачи было гораздо сложнее, чем сейчас. И по причине моей юности, я даже не мечтал браться за подобные проекты. Но очень хотелось.
В 2020 будучи инженером в красном финтехе, я запустил стартап по онлайн примерке одежды. Заказал Бандеролькой лидар из штатов, собрал команду, нашел ангельского инвестора. Но задача оказалась сложнее, чем я ожидал. Создать точный 3D аватар по видео было сложно. Долго думал и в итоге ушел из проекта, он затух.
Меня всегда манили 3D задачи. Поэтому я очень обрадовался, узнав, что сейчас эта область CV активно развивается. Но материалов как было мало, так и осталось. И я воспринял это как вызов! Создать программу, которая погрузит любого CV-инженера в сферу 3D.
Сначала мы составили примерную программу, опираясь на собственные знания, анализируя вакансии и спрашивая пожелания у наших выпускников. После для каждой лекции мы 2 месяца искали специалистов, которые долго работали над определенной задачей и могли бы про нее хорошо рассказать. И новым составом уточняли программу.
Так от “мини-курса” мы пришли к 3-месячной программе по 3D, которую ведут 7 спикеров. Каждый — эксперт в своем направлении. И вы можете учиться у них онлайн, задавать вопросы, общаться в zoom на лекциях и семинарах, переписываться в чате, решать вместе практические задания.
У меня не было такой возможности в 2020, но она есть у вас сейчас.
Мы вложим весь свой опыт в программу, и я уверен, будет круто уже на первом потоке. Но все равно снижаем цену и дадим доступ к материалам 2-го и 3-го потоков. Я искренне вам говорю: это уникальная возможность.
Всего будет 30 студентов. Осталось 7 мест. Наши выпускники и участники zoom-лекций уже заняли остальные. Как только наберем 30, закроем прием заявок, поэтому торопитесь.
Записаться и оплатить обучение можно по этой ссылке
По всем вопросам пишите мне @TimurFatykhov или нашему менеджеру @nura_ya
❤23🔥13🎉5👍3😁3
Виды представления лидарных данных
В системах на базе компьютерного зрения все чаще используются сенсоры по типу Lidar. Эти сенсоры дают трёхмерное представление сцены, что расширяет возможности и надежность системы в целом.
Для эффективной обработки 3D-данных нейросетями были придуманы различные методы их представления.
В этой серии статей мы познакомим с различными представлениями лидарных данных.
Из первой части вы узнаете:
- принципы работы Lidar и свойства получаемых данных
- типы лидаров в индустрии
- характеристики представлений данных
Читайте нашу новую статью по ссылке: https://deepschool-pro.notion.site/a719a12a42ca4ca18eef24b161d027ac
В системах на базе компьютерного зрения все чаще используются сенсоры по типу Lidar. Эти сенсоры дают трёхмерное представление сцены, что расширяет возможности и надежность системы в целом.
Для эффективной обработки 3D-данных нейросетями были придуманы различные методы их представления.
В этой серии статей мы познакомим с различными представлениями лидарных данных.
Из первой части вы узнаете:
- принципы работы Lidar и свойства получаемых данных
- типы лидаров в индустрии
- характеристики представлений данных
Читайте нашу новую статью по ссылке: https://deepschool-pro.notion.site/a719a12a42ca4ca18eef24b161d027ac
deepschool-pro on Notion
Виды представления лидарных данных | Notion
Автор: Дмитрий Раков
👍34🔥12❤9
Нейронные дифференциальные уравнения
Что общего между ходьбой роботов, полетами ракет и распространением COVID-19? Это, как и многие явления в природе, экономике и других областях можно описать дифференциальными уравнениями. Такое индуктивное смещение можно использовать в комбинации с нейронными сетями для построения более эффективных моделей, о чем мы и рассказали в нашей статье.
После знакомства со статьей вы:
- вспомните, что такое дифуры и как они решаются в реальной жизни
- поймете, что такое нейронные дифуры и как они связаны с ResNet
- узнаете, как тренировать нейронные дифуры и какие есть библиотеки для работы с ними
Читайте статью по ссылке: https://deepschool-pro.notion.site/5c8f58b10a184a01af634260d2501aeb?pvs=4
Что общего между ходьбой роботов, полетами ракет и распространением COVID-19? Это, как и многие явления в природе, экономике и других областях можно описать дифференциальными уравнениями. Такое индуктивное смещение можно использовать в комбинации с нейронными сетями для построения более эффективных моделей, о чем мы и рассказали в нашей статье.
После знакомства со статьей вы:
- вспомните, что такое дифуры и как они решаются в реальной жизни
- поймете, что такое нейронные дифуры и как они связаны с ResNet
- узнаете, как тренировать нейронные дифуры и какие есть библиотеки для работы с ними
Читайте статью по ссылке: https://deepschool-pro.notion.site/5c8f58b10a184a01af634260d2501aeb?pvs=4
🔥44❤9👏5👍2🤯2
Стартовал первый поток курса “3D Computer Vision”🎉
Уже послезавтра пройдет первая лекция “Калибровка камеры". А неделю назад мы познакомили студентов друг с другом на установочной встрече. Такое знакомство дает понять, что вокруг безопасное окружение, рядом такие же инженеры: открытые и любознательные люди — среди которых нестрашно задавать “глупые” вопросы и просить о помощи.
На каждом потоке собирается уникальная комбинация студентов: опытные специалисты и новички, nlp/cv/ml — инженеры и исследователи, из СНГ и из зарубежных компаний и стартапов. В таком окружении каждый найдет ответ на свои вопросы и сможет получить совет.
3️⃣ 🔠 Если вы хотите стать частью этого сообщества и погрузиться в изучение 3D компьютерного зрения в окружении 40+ опытных инженеров, запишитесь в анкету предзаписи в нашем боте — мы сообщим о старте следующего потока и подарим скидку на обучение. В прошлый раз места закончились после первого сообщения в канале, поэтому советуем записаться заранее.
🚀 А прямо сейчас мы набираем 5-ый поток курса “CV Rocket”. Это программа для тех, кто хочет закрыть пробелы в знаниях и научиться решать CV задачи end-to-end: от сбора данных до деплоя web-сервисов. Записывайтесь на консультацию, чтобы узнать, подойдет ли программа именно вам. Для тех, кто оставит заявку на консультацию до 10 июля, действует скидка на обучение.
Отклик на форму и запись на консультацию ни к чему не обязывают, но дают возможность попасть на обучение по лучшим условиям.
Уже послезавтра пройдет первая лекция “Калибровка камеры". А неделю назад мы познакомили студентов друг с другом на установочной встрече. Такое знакомство дает понять, что вокруг безопасное окружение, рядом такие же инженеры: открытые и любознательные люди — среди которых нестрашно задавать “глупые” вопросы и просить о помощи.
На каждом потоке собирается уникальная комбинация студентов: опытные специалисты и новички, nlp/cv/ml — инженеры и исследователи, из СНГ и из зарубежных компаний и стартапов. В таком окружении каждый найдет ответ на свои вопросы и сможет получить совет.
🚀 А прямо сейчас мы набираем 5-ый поток курса “CV Rocket”. Это программа для тех, кто хочет закрыть пробелы в знаниях и научиться решать CV задачи end-to-end: от сбора данных до деплоя web-сервисов. Записывайтесь на консультацию, чтобы узнать, подойдет ли программа именно вам. Для тех, кто оставит заявку на консультацию до 10 июля, действует скидка на обучение.
Please open Telegram to view this post
VIEW IN TELEGRAM
❤20🔥11🥰5🎉1🍾1
Self-Supervised Learning (SSL)
Возможно, вы замечали, что этот термин все чаще мелькает в статьях про архитектуры моделей или разные трюки при обучении. И это легко объясняется пользой этого подхода.
SSL помогает уменьшать потребление размеченных данных, быстрее обучать модельки и извлекать качественные эмбеддинги из ваших данных. Поверх таких эмбеддингов можно строить совсем простые модели, которые зачастую решают целевую задачу не хуже, чем целая сеть, обученная под эту целевую задачу.
Из этой статьи вы узнаете:
- что такое self-supervised learning
- какая история у self-supervised learning
- зачем он нужен
- и каким он бывает
Читайте нашу статью и разбирайтесь в популярной теме: https://deepschool-pro.notion.site/Self-supervised-learning-f4a03ba2f30341afa3c295466007afbc?pvs=4
Возможно, вы замечали, что этот термин все чаще мелькает в статьях про архитектуры моделей или разные трюки при обучении. И это легко объясняется пользой этого подхода.
SSL помогает уменьшать потребление размеченных данных, быстрее обучать модельки и извлекать качественные эмбеддинги из ваших данных. Поверх таких эмбеддингов можно строить совсем простые модели, которые зачастую решают целевую задачу не хуже, чем целая сеть, обученная под эту целевую задачу.
Из этой статьи вы узнаете:
- что такое self-supervised learning
- какая история у self-supervised learning
- зачем он нужен
- и каким он бывает
Читайте нашу статью и разбирайтесь в популярной теме: https://deepschool-pro.notion.site/Self-supervised-learning-f4a03ba2f30341afa3c295466007afbc?pvs=4
deepschool-pro on Notion
Self-supervised learning | Notion
Автор: Марк Страхов
Редактура: Андрей Шадриков
Редактура: Андрей Шадриков
🔥40❤9👏5⚡1
Валидация данных на Python при помощи Pydantic
Бывало такое, что на вход ждёте один тип данных, а приходит другой? И код из-за этого ломается или (что еще хуже) молча работает не как ожидалось.
Чтобы быть увереннее в том, что внешние данные ничего не поломают, их нужно валидировать. Например, если вы попросили пользователя отправить свой возраст, нужно как минимум проверить, что это целое положительное число. А еще можно проверить, что ему не 100500 лет 🙂
Самим писать такие проверки можно, но это долго и утомительно. На помощь приходят библиотеки для валидации данных, которые почти всё сделают за нас. Одна из популярных библиотек для валидации данных на Python - это Pydantic.
В новом видео Денис Солдатов, спикер нашего курса CV Rocket, рассказал о пяти примерах использования Pydantic:
- парсинг json
- пагинация
- собственный pydantic-валидатор и алиасы
- о важности порядка в Union
- и куда же без красивого Swagger'а для FastAPI🙃
🎞 Смотрите видео и подписывайтесь на канал: https://youtu.be/UYxiGJQZLV0
Бывало такое, что на вход ждёте один тип данных, а приходит другой? И код из-за этого ломается или (что еще хуже) молча работает не как ожидалось.
Чтобы быть увереннее в том, что внешние данные ничего не поломают, их нужно валидировать. Например, если вы попросили пользователя отправить свой возраст, нужно как минимум проверить, что это целое положительное число. А еще можно проверить, что ему не 100500 лет 🙂
Самим писать такие проверки можно, но это долго и утомительно. На помощь приходят библиотеки для валидации данных, которые почти всё сделают за нас. Одна из популярных библиотек для валидации данных на Python - это Pydantic.
В новом видео Денис Солдатов, спикер нашего курса CV Rocket, рассказал о пяти примерах использования Pydantic:
- парсинг json
- пагинация
- собственный pydantic-валидатор и алиасы
- о важности порядка в Union
- и куда же без красивого Swagger'а для FastAPI
Please open Telegram to view this post
VIEW IN TELEGRAM
YouTube
Валидация данных на Python при помощи Pydantic
Бывало такое, что на вход ждёте один тип данных, а приходит другой? И код из-за этого ломается или (что еще хуже) молча работает не как ожидалось. Чтобы быть увереннее в том, что внешние данные ничего не поломают, их нужно валидировать. Например, если вы…
❤20🔥8👏4👍3
Pruning for CNN
Часто обученным сверточным нейросетям нужно не только иметь хорошее качество перед продакшеном, но и соответствовать рамкам по времени инференса и занимаемой памяти. Для решения этой проблемы можно использовать разные классические методы оптимизации, такие как pruning, knowledge distillation, quantization. Их цель — попасть в заданные ограничения и несильно убавить в качестве. Мы познакомимся с pruning и научимся применять его для наших state of the art сетей.
Из этой статьи вы узнаете:
- что такое pruning и как он помогает сжимать нейронные сети
- как применяют pruning на практике при помощи готовых библиотек
- как составить полный пайплайн оптимизации модели, используя pruning для достижения лучших результатов
Читайте нашу новую статью по ссылке: https://deepschool-pro.notion.site/Pruning-for-CNN-e5776c9b167b4ce8af4298a0d4db2497?pvs=4
Часто обученным сверточным нейросетям нужно не только иметь хорошее качество перед продакшеном, но и соответствовать рамкам по времени инференса и занимаемой памяти. Для решения этой проблемы можно использовать разные классические методы оптимизации, такие как pruning, knowledge distillation, quantization. Их цель — попасть в заданные ограничения и несильно убавить в качестве. Мы познакомимся с pruning и научимся применять его для наших state of the art сетей.
Из этой статьи вы узнаете:
- что такое pruning и как он помогает сжимать нейронные сети
- как применяют pruning на практике при помощи готовых библиотек
- как составить полный пайплайн оптимизации модели, используя pruning для достижения лучших результатов
Читайте нашу новую статью по ссылке: https://deepschool-pro.notion.site/Pruning-for-CNN-e5776c9b167b4ce8af4298a0d4db2497?pvs=4
deepschool-pro on Notion
Pruning for CNN | Notion
Автор: Леонид Костюшко
Редактура: Дмитрий Раков, Александр Гончаренко, Александр Наздрюхин
Редактура: Дмитрий Раков, Александр Гончаренко, Александр Наздрюхин
🔥40👍14❤9🥰1🎉1
Виды представления лидарных данных. Часть 2
Продолжаем знакомиться с лидарными данными и изучать алгоритмы формирования их представлений.
Во второй части статьи вы узнаете:
- о методах трансформации данных в многоканальные изображения (Bird’s Eye View Projection и Spherical Projection)
- о методе представления данных как набора векторов (Bag-of-Points)
Первые помогут использовать данные представления в современных методах real-time обработки — обработки без тяжеловесных 3D convolution слоев, а второй активно применяется в задаче классификации.
Читайте нашу новую статью по ссылке: https://deepschool-pro.notion.site/2-3a3b51b593de4f7c97f32b7ceec8390c?pvs=4
Продолжаем знакомиться с лидарными данными и изучать алгоритмы формирования их представлений.
Во второй части статьи вы узнаете:
- о методах трансформации данных в многоканальные изображения (Bird’s Eye View Projection и Spherical Projection)
- о методе представления данных как набора векторов (Bag-of-Points)
Первые помогут использовать данные представления в современных методах real-time обработки — обработки без тяжеловесных 3D convolution слоев, а второй активно применяется в задаче классификации.
Читайте нашу новую статью по ссылке: https://deepschool-pro.notion.site/2-3a3b51b593de4f7c97f32b7ceec8390c?pvs=4
DeepSchool on Notion
Виды представления лидарных данных. Часть 2 | Notion
Автор: Дмитрий Раков
Редактура: Марк Страхов
Редактура: Марк Страхов
🔥25❤6👏6👍2⚡1
Заканчивается 4-ый поток CV Rocket — курса по CV и разработке
Неделю назад мы провели последнюю лекцию по диффузионным моделям и заключительные семинары вопрос-ответ. Сейчас студенты сдают практические задания и проходят code-review у спикеров. А тем временем мы ведем предзапись на 5-ый поток курса CV Rocket.
Это программа для тех, кто уже знает теорию ML/DL, но хочет закрыть пробелы в CV, перенять лучшие практики работы в DL-команде, научиться создавать и деплоить веб-сервисы.
Программу ведут 12 действующих инженеров. Каждый рассказывает про задачу, с которой работал несколько лет в коммерческих проектах.
И вы будете общаться с ними онлайн на протяжении 4 месяцев в различных форматах:
❶ решать end-to-end задачи от авторов лекций
❷ получать подробные code review
❸ общаться на office hours, где мы отвечаем на вопросы студентов
❹ решать групповые задания
❺ слушать онлайн-лекции
❻ встречаться 1-on-1 с куратором
❼ и читать текстовые гайды к лекциям и инструментам
Оставьте заявку до официального старта продаж 28 июля и получите скидку на обучение. Количество мест ограничено, поэтому советуем не откладывать на потом :)
Неделю назад мы провели последнюю лекцию по диффузионным моделям и заключительные семинары вопрос-ответ. Сейчас студенты сдают практические задания и проходят code-review у спикеров. А тем временем мы ведем предзапись на 5-ый поток курса CV Rocket.
Это программа для тех, кто уже знает теорию ML/DL, но хочет закрыть пробелы в CV, перенять лучшие практики работы в DL-команде, научиться создавать и деплоить веб-сервисы.
Программу ведут 12 действующих инженеров. Каждый рассказывает про задачу, с которой работал несколько лет в коммерческих проектах.
И вы будете общаться с ними онлайн на протяжении 4 месяцев в различных форматах:
❶ решать end-to-end задачи от авторов лекций
❷ получать подробные code review
❸ общаться на office hours, где мы отвечаем на вопросы студентов
❹ решать групповые задания
❺ слушать онлайн-лекции
❻ встречаться 1-on-1 с куратором
❼ и читать текстовые гайды к лекциям и инструментам
Оставьте заявку до официального старта продаж 28 июля и получите скидку на обучение. Количество мест ограничено, поэтому советуем не откладывать на потом :)
🔥17👍9❤6🤯1
История YOLO. Часть 1
В этом году вышла уже восьмая версия одной из самых известных архитектур в области компьютерного зрения — YOLO. Если первая версия решала только задачу детекции, хоть и в режиме реального времени, то у последней итерации хорошее качество и скорость в целом спектре задач от классификации до pose estimation. Предлагаем вам вспомнить историю создания этого семейства архитектур.
В первой части статьи мы вспомним:
- причины популярности YOLO
- особенности YOLO v1, которые позволили ей выделиться на фоне существующих детекторов
Читайте нашу статью по ссылке: https://deepschool-pro.notion.site/YOLO-history-Part-1-ab32eb38799949c2ab4765ecc379b93a
В этом году вышла уже восьмая версия одной из самых известных архитектур в области компьютерного зрения — YOLO. Если первая версия решала только задачу детекции, хоть и в режиме реального времени, то у последней итерации хорошее качество и скорость в целом спектре задач от классификации до pose estimation. Предлагаем вам вспомнить историю создания этого семейства архитектур.
В первой части статьи мы вспомним:
- причины популярности YOLO
- особенности YOLO v1, которые позволили ей выделиться на фоне существующих детекторов
Читайте нашу статью по ссылке: https://deepschool-pro.notion.site/YOLO-history-Part-1-ab32eb38799949c2ab4765ecc379b93a
deepschool-pro on Notion
YOLO history (Part 1) | Notion
Автор: Антон Броиловский
🔥55👍11❤8❤🔥4
🎙Онлайн-интервью с Софией Потаповой
Завтра, 20 июля, в 17:00 МСК
Давно не приглашали в гости ребят из мира ML/DL поболтать онлайн.
Помимо постов с теорией, мы также проводим онлайн-интервью, где вместе с вами задаем вопросы гостям и обсуждаем темы около machine learning. Нашим следующим гостем будет София Потапова — инженер, стартапер, исследователь.
Коротко о Софии:
- закончила ФИВТ МФТИ
- работала в команде беспилотников Яндекса
- сооснователь стартапа SmallTalk
- 3 года жила в Англии, планирует переезжать в Испанию
На подкасте мы обсудим:
- работу в Яндекс
- будни стартапера
- жизнь в Англии
- и важность нетворкинга
Приходите онлайн и задайте любой вопрос Софии лично во время открытого микрофона. Или пишите вопросы прямо в комментарии к этому посту.
Интервью проведем в zoom! Ссылку на встречу опубликуем за 15 минут до начала.
Запись будет! Выложим позднее в этом канале👍
Встречаемся здесь завтра, 20 июля, в 17:00 МСК🔔
Завтра, 20 июля, в 17:00 МСК
Давно не приглашали в гости ребят из мира ML/DL поболтать онлайн.
Помимо постов с теорией, мы также проводим онлайн-интервью, где вместе с вами задаем вопросы гостям и обсуждаем темы около machine learning. Нашим следующим гостем будет София Потапова — инженер, стартапер, исследователь.
Коротко о Софии:
- закончила ФИВТ МФТИ
- работала в команде беспилотников Яндекса
- сооснователь стартапа SmallTalk
- 3 года жила в Англии, планирует переезжать в Испанию
На подкасте мы обсудим:
- работу в Яндекс
- будни стартапера
- жизнь в Англии
- и важность нетворкинга
Приходите онлайн и задайте любой вопрос Софии лично во время открытого микрофона. Или пишите вопросы прямо в комментарии к этому посту.
Интервью проведем в zoom! Ссылку на встречу опубликуем за 15 минут до начала.
Запись будет! Выложим позднее в этом канале👍
Встречаемся здесь завтра, 20 июля, в 17:00 МСК🔔
🔥26👍9❤5👏1🤯1
❤6👏5🤯2
🎙Подключайтесь к эфиру в zoom, мы уже начали!
https://us06web.zoom.us/j/86337976367?pwd=ZjV0R3FGNzl2T1gzenlYdmVMNGZMdz09
https://us06web.zoom.us/j/86337976367?pwd=ZjV0R3FGNzl2T1gzenlYdmVMNGZMdz09
🔥8🥰6❤3👍1