DeepSchool

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 :)

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

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

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

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

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.

​​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

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

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

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 моделилюдей. 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

​​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

​​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!