Deep Learning for Computer Vision

Опис курсу

Курс охоплює базові знання з сучасних підходів, які використовуються для розв’язання задач комп’ютерного зору: від опису рішень, які засновані на глибоких конволюційних нейронних мережах до практичних прикладів.

Теми курсу

Theory part (lectures):

  • Lecture I: Introduction to Deep learning, Types of Deep Learning commonly used in CV tasks
  • Lecture II : Convolutional Neural Network (CNN) for image classification, Recurrent Neural Network (RNN/LSTM) + CNN for action recognition.

 

Assignments:

  • NN, CNN, RNN fundamentals.
  • Convolutional Neural Network (CNN) for image classification dataset: cifar10 [may change]; topologies: starting from feed-forward -> LeNet like -> VGG like
  • Recurrent Neural Network (RNN) + CNN for action recognition in video dataset: one from UCF family (UCF-50 or UCF-100) [may change] topologies: pre-trained CNN models (VGG-* or ResNet-*) + LSTM model + additional info

Інструментарій

Python, NN framework: pytorch

Вимоги до попередніх знань

Basic linear algebra, proficiency in Python, machine learning basics (understanding of different types of learning (supervised, unsupervised, reinforcement learning), classification, regression problems, generalization error, overfitting, train/test datasets split). Optional, but desirable: neural network (NN) basics, feed forward NN, different activation functions, backpropagation.

Викладач

Андрій Любонько
Старший інженер у Samsung R&D Institute Ukraine

Отримав магістерський ступінь з теоретичної фізики в Національному Університеті ім. Тараса Шевченка. Далі працював в аспірантурі в Інституті складних систем Макса Планка в Дрездені (Німеччина). Наразі працює старшим інженером-дослідником в дослідницькому інситуті Самсунг у Києві.

Область інтересів: Deep Learning, Computer Vision

Контакти[email protected]