Раздел 1 «Машинное обучение» (22 ч.)
Тема 1.1. Основы машинного обучения
- Задачи машинного обучения.
- Основы языка Python.
- Основные библиотеки Python для машинного обучения.
- Основные этапы машинного обучения.
- Методики оценки эффективности систем машинного обучения.
- Методики формирования обучающих, тестовых и контрольных наборов данных.
- Предобработка наборов данных.
- Расширение наборов данных
- Модели машинного обучения.
- Методы машинного обучения для решения задач классификации, кластеризации и регрессии.
Тема 1.2. Нейронные сети
- Основные библиотеки Python для работы с нейронными сетями.
- Принципы работы нейронных сетей.
- Классы нейронных сетей.
- Нейронные сети для решений задач машинного обучения.
- Обучение нейронных сетей.
- Глубокие нейронные сети.
- Модели глубоких нейронных сетей.

Раздел 2 «Обработка и анализ изображений» (24 ч.)
Тема 2.1. Цифровая обработка изображений
- Основные библиотеки Python для цифровой обработки изображений.
- Модели изображений.
- Процессы обработки изображений.
- Пространственная обработка изображений.
- Частотная обработка изображений.
- Вейвлетная обработка изображений.
Тема 2.2. Компьютерное зрение
- Основные библиотеки Python для компьютерного зрения.
- Система компьютерного зрения.
- Регистрация изображений.
- Первичная обработка изображений.
- Сегментация изображений.
- Формирование признаков изображений.
- Анализ признаков изображений.
- Сжатие изображений.

Раздел 3 «Приложения машинного обучения и компьютерного зрения для роботизированных цифровых производств» (24 ч.)
Тема 3.1. Обнаружение и локализации объектов на изображениях
- Задачи обнаружения и локализации объектов на изображениях.
- Методы обнаружения и локализации объектов на изображениях.
- Модели машинного обучения для обнаружения и локализации объектов на изображениях.
- Модели глубокого обучения для обнаружения и локализации объектов на изображениях.
- Примеры применения методов обнаружения и локализации объектов на изображениях для роботизированных цифровых производств.
Тема 3.2. Слежение за объектами на изображениях
- Задача слежения за объектами на изображениях.
- Методы слежения за объектами на изображениях.
- Модели глубокого обучения для слежения за объектами на изображениях.
- Примеры применения методов слежения за объектами на изображениях для роботизированных цифровых производств.

Подробнее о программе