İrəli səviyyə Computer Vision-2
Təlim proqramında siz əsas Computer Vision metod və alqoritmlərini istifadə edərək kompyuterə şəkil və ya video görüntü datalarını tanımağı və görüntü əsasında modellər qurub faydalı nəticə əldə etməyi öyrənə biləcəksiniz. Maşın öyrənməsinin yaratdığı imkanlarla inkişaf edən dünyada Midjourney, Stable Diffusion, SAM, DALL-E və s. kimi həllər vasitəsi ilə artıq xəyal etdiyiniz istənilən görüntünü yarada bilər, müxtəlif həllər yarada bilərsiniz. Bu təlim proqramı Computer Vision sahəsində sizə irəli səviyyədə olan anlayışları, qabaqcıl texnikaları və praktik tətbiqləri tədris edəcək. Təlimdən sonra siz ya öz startapınızı yarada biləcək, ya da hansısa şirkətdə peşəkar Computer Vision mütəxəssisi kimi işləməniz üçün lazım olan bütün texniki biliklərə sahib olacaqsınız. Maşın Öyrənməsinin sehrli dünyasına töfhə verən alimlər sırasına qoşulmaq üçün bu təlim sizin üçün ideal başlanğıc rolunu oynayacaqdır.
Təlim Cədvəli
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. İrəli səviyyə Computer Vision - 2 təlim proqramında siz Kompyuter görmə üçün Transformer modellərini qurmaq, obyektin tapılması, şəkli sözlərlə izah edən modellər, şəkil düzəldən modelləri 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 Vision Transformerlarla klassifikasiya, mənzərənin anlaşılması, avtonom maşın idarəetməsi, şəkil-söz modelləri, şəkil yaratma və keyfiyyətini artırma modelləri əsaslı 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 ilə bitirən şəxslərə Cerified Data Scientist və digər şəxslərə sertifikatı təqdim edir. Sağ tərəfdə nümunə sertifikatı görə bilərsiniz.
Computer Vision nədir və nə üçün vacibdir?
Computer Vision nədir və nə üçün vacibdir?
NVIDIA
Bu video kompüter görmənin necə işlədiyini, kompüter görməsinin müxtəlif növlərini və vəzifələrini və sənaye proqramlarını təsvir edir. Bu video həm də təsnifat nümunəsini və kompüter görmə sahəsinin gündəlik hesablama problemlərini necə həll etdiyini göstərir.
Sillabus
Sessiya 1
Session Name: Transformer şəbəkələrinə giriş
Transformer Neyral şəbəkələri
Dərin öyrənmədə öncədən qoyulmuş fərziyyələrdə yanlışlıq (Inductive Bias)
Attention ümumi bir Dərin öyrənmə yanaşmasıdır
Computer Vision-da Attention
“Attention is ALL you need”
Self Attention Mexanizmi
Case Study 1
Vision transformer ilə Cifar10 datasının klassifikasiyası
Sessiya 2
Computer Vision-da Transformerlar
Multihead Attention və Encoder-Decoder Attention
Transformers-ların müsbət və mənfi cəhətləri
Unsupervised Pre-training və Encoder-Decoder arxitekturası
Self Attention və Convolution fərqi
Spatial, Channel və Temporal Attention
Case Study 2
Places365 datası üzərində mənzərənin anlaşılması modeli (scene understanding)
Sessiya 3
Obyektin təyin edilməsi və Spatio-Temporal Transformerlər
Obyekt təyin edilməsi üçün Transformerlər və ConvNet - YOLO
DEtection Transformers (DETR) və YOLOv5 tətbiqləri
Spatio-Temporal Transformerlər və Multi-task Learning
Huggingface Pipeline və vision transformers
Gradio tətbiqinin Huggingface-ə deploy edilməsi
Case Study 3
Özü sürə bilən maşınlar üçün computer vision modelinin qurulması (Self-driving cars)
Sessiya 4
Session Name: Şəkillərin sözlərlə izahı modelləri
Image Feature Extractor
Text tokenizer və vectorizer-ın qurulması
Transformer decoder model
Modelin qurulması
Tekstin yaradılması
Attention plotları
Case Study 4
Şəkli sözlərlə izah edən modelin futbolçu dataseti ilə treyninqi
Sessiya 5
Session Name: Generativ Computer Vision modellərinə giriş
GAN (Generative Adversarial Networks) – giriş
GAN işləmə prinsipi, modelin treyninqi
GAN üçün tətbiq sahələri
Keras və Pytorchda GAN tətbiqləri
AnimeGAN, ArcaneGAN
Case Study 5
LSUN datası əsasında kreativ interyer şəkilləri yaradan modelin qurulması
Sessiya 6
İrəli səviyyə Generativ Computer Vision modelləri
Diffusion modelləri, Forward və Reverse diffusion
Conditional image generation və Glide
Classifier-free guidance və Dall-E2
Imagen və Stable diffusion arxitekturası
eDiff-I
Case Study 6
Şəkillərin keyfiyyətini artıran Diffuziya modelinin trainingi
Təlimçilər
Emil Mirzəyev
SÜNİ İNTELLEKT VƏ STRATEJİ QƏRARQƏBULETMƏ RESEARCHER, UNİVERSİTY COLLEGE LONDONDr. 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 AGƏhməd 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.