Computer Vision-un əsasları

Təlim haqqında məlumat

Computer Vision alqoritmləri kənd təsərrüfatında bitki şəkillərindən xəstəliklərin tanınması, tibbdə görüntü əsaslı diaqnozlar, kosmik araşdırmalarda, təhlükəsizlik və nəzarət sferalarında geniş istifadə edilən və xərcləri azaldan yeni süni intellekt həllərindəndir. Süni İntellekt və Maşın Öyrənməsinin sürətlə yayıldığı dünyada Computer Vision alqoritmlərinə sürücüsüz avtomobillərdə özü xəbərdarlıq edə bilən modellərin istifadəsini nümunə vermək olar. İnsan, heyvan, və digər əşyaların görüntüləri əsasında kompyuter tərəfindən tanınması bir çox sənaye sahələrində və dövlət qurumlarında səmərəliliyi artırmaq və fraud hallarının qarşısını almağa kömək etməklə geniş şəkildə tətbiq edilir. Computer Vision-un əsasları təlim proqramında siz şəkillər üzərində əməliyyatlar, Transformasiyalar, Convolutional Neural Networklərlə modelləşdirmə, Overfitting və Generalisation, Model Performansının ölçülməsi, Optimizer və Loss Funksiyası , Data Augmentation, Early Stopping, Batch Normalization və Transfer learning ilə ən yeni modellərin qurulmasını real layihələrdə tətbiq edərək öyrənəcəksiniz. Python vasitəsilə siz OpenCV, numpy, Pytorch, Keras və TensorFlow kitabxanalardan istifadə edərək Computer Vision alqoritmlərini tətbiq etmək bacarqları əldə edəcəksiniz. Təlim zamanı pnevmoniyanın rentgen şəkillərindən təyini, bitkilərdə xəstəliklərin tapılması, avtomobil nömrələrini tanıyan alqoritmlərin qurulması kimi xeyli praktiki computer vision həlli üzrə çalışacaraq öyrənəcəksiniz.

Bu təlim kimlər üçündür?

Tələbələr
Proqramçılar
Data Elmi mütəxəssisləri
Süni intellekt həvəskarları
Tədqiqatçılar və akademiklər

Sertifikat

Təlimi müvəffəqiyyətlə bitirən şəxslərə Certified Data Scientist və digər şəxslərə isə iştirakçı sertifikatı təqdim ediləcək. Sağ tərəfdə nümunə sertifikatı görə bilərsiniz.

Sillabus

Sessiya 1
Session Name: Computer Vision-a giriş
Computer Vision-ın tətbiqləri
Computer Vision-da ən son araşdırmalar
OpenCV-ə giriş
Şəkilləri boz şkalaya çevirmə
Rəng çalarları və kanalları – RGB və HSV

Case Study 1
Maşın nömrələrinin təyin edilməsi

Sessiya 2

OpenCV-də şəkillərlə əməliyyatlar
Şəkillər üzərində fiqurların çəkilməsi
Transformasiyalar - Translations və Rotations
Ölçünün şkalasının dəyişilməsi və interpolasiya
Arifmetik əməliyyatlar və “bit”-lərlə işləmə
Thresholding, Binarization & Adaptive Thresholding

Case Study 2

Üz tanıma və autizmli uşaqlarda pis vərdişlərin təyini üçün Image Augmentation.

Sessiya 3
Session Name: Pytorch və Kerasda modelləşdirmə
Transformation Pipeline
Datanın araşdırılması və vizuallaşdırılması
Data Loaders
Modelin qurulması (Pytorch / Keras və Tensorflow ilə)
Optimizers və Loss Function
Modelin train edilməsi
Modeli yaddaşda saxlama və nəticələrin göstərilməsi
Nəticələrin vizuallaşdırılması

Case Study 3
Tekstildə Defektin tapılması modelinin qurulması

Sessiya 4
Session Name: Modelin performansının ölçülməsi
PyTorch və Keras kitabxanalarının qarşılaşdırılması
Model Performansının ölçülməsi
Confusion Matris və Klassifikasiya Hesabatı
Kerasda və Pytorchda yanlış klassifikasiya edilmiş nəticələrin göstərilməsi
Overfittinq, Generalisation
Drop Out, L1 and L2 Regularization

Case Study 4
Yanğının təyin edilməsi alqoritminin qurulması

Sessiya 5
Session Name: Modelin tənzimlənməsi və performansının artırılması
Data Augmentation
Early Stopping
Batch Normalization
Regularization nə zaman işlədilməlidir
FNIST datasının Keras və Pytorchda reqularizasiyalı və reqularizasiyasız modelləşdirilməsi

Case Study 5
Sinə rentgenindən pnevmoniyanın təyin edilməsi

Sessiya 6
Session Name: Transfer learning alqoritmləri
Convolutional Neural Network – lərin tarixi və inkişaf mərhələləri
LeNet, AlexNet
VGG16 and VGG19
ResNets, MobileNetV1 and V2
InceptionV3, SqueezeNet, EfficientNet
DenseNet və The ImageNet Dataset

Case Study 6
Bitkilərdə xəstəliklərin tapılması modeli.

Təlimçilər

Emil Mirzəyev

SÜNİ İNTELLEKT VƏ STRATEJİ QƏRARQƏBULETMƏ RESEARCHER, UNİVERSİTY COLLEGE LONDON

Dr. Emil Mirzəyev İtqdisadiyyat və Biznes Administrasiyası üzrə ikili fəlsəfə elmləri doktoru (PhD) dərəcəsinə sahibdir və hal-hazırda dünyanın top universitetlərindən biri olan University College London-da Süni intellekt və Strateji Qərarqəbuletmə sahələrinin kəsişməsində elmi araşdırma ilə məşğuldur. Python və Data Science ilə 10 ilə yaxın təcrübəsi var və öz işlərini MIT, Harvard və LBS kimi nüfuzlu universitetlərdə, hebelə çoxsaylı beynəlxalq konfranslarda təqdim etmişdir. Azərbaycanda da ML, AI ilə bağlı mövzularda çoxsaylı pulsuz vörkşoplar keçmişdir.

Əhməd Əhmədov

Senior Data Scientist, Porsche AG

Əhməd Əhmədov Cənubi Koreyanın Yonsei universitetində "Data Mining" va "Big Data" ixtisasları üzrə magistratura təhsili almışdır. Süni intellekt və data analitikası üzrə 10 ildən artıq təcrübəyə sahibdir. 6 ildir Almaniyada "Porsche AG" şirkətində Senior Data Scientist və Tech Lead olaraq çalışır. Əsasən, "GenAI", "Digital Assistants", "customer mobility predictions", "charging experience optimization", "content quality analysis" kimi istiqamətlərdə süni intellekt modellərinin hazırlanması və proyektlərin idarə olunmasını təmin edir.

Çalışmış olduğu digər qurumlar:

* Drezden Universiteti (Almaniya), Al va Data Science üzrə elmi tədqiqatçı. Araşdırma sahələri: "Data imputation", "Data quality", "Information retrieval", "Web tables", "Semi-structured datasets", "Machine learning". (4 il)

* Bakcell, ERP Technical Analyst (1 il)

Eyni zamanda, bir çox beynalxalq konfranslarda dərc olunan elmi məqalələrin müəllifidir.