Computer Vision Engineer képzés
Specializálódj a gépi látás területére a machine learningen belül: projektalapú képzés a klasszikus Computer Vision technikáktól a legmodernebb generatív modellekig.
Mit fogsz tanulni?
8 hét alatt a klasszikus gépi látás algoritmusoktól a deep learning alapú objektumdetektáláson és képszegmentáción át a generatív modellekig.
1 Hasznos információk a kurzushoz A tanulási felület használatának bemutatása és a képzés használati útmutatója.
- Hogyan használd a felületet?
- Képzés használati útmutató
2 Klasszikus Computer Vision A számítógépes látás alapjai és a korai gépi látás algoritmusok megismerése és alkalmazása.
- Bevezetés a Számítógépes Látásba és annak alkalmazásaiba
- Image manipulation
- Színterek és Hisztogramok
- Filtering és Konvolúció
- SIFT és SURF Feature extraction
- Transzformációk
- Feladat: Panoráma összefűzés feature extraction és transzformációk segítségével
3 Deep learning Computer Vision alapok Neurális hálók és képklasszifikációs modellek, a modern Computer Vision technológia alappillérei.
- OCR (MNIST, konvolúciós hálók)
- Deep learning alapok
- Imagenet klasszifikáció
- AlexNettől ResNeXt-ig
- Feladat: Transfer learning választott képeken
4 Object Detection, Recognition A deep learning alapú objektumdetektálás (YOLO, R-CNN) és a haladó tanítási technikák megismerése.
- Object Detection alapok
- YOLO
- R-CNN
- Deep learning haladó training technikák (scheduling, mixed precision, hyperparaméter-keresés)
- Feladat: Object extraction pontosabb klasszifikációhoz
5 Image Segmentation A képszegmentáció alapjai és modelljei az edge-based megoldásoktól a semantic segmentation-ig.
- Image segmentation alapjai, nehézségek
- Edge-based segmentation
- UNet, binary segmentation
- Semantic segmentation
- DeepLab, CityScapes
- Feladat: különböző modellek összehasonlítása
6 Generatív modellek A vizuális tartalmak generálásának technológiái a VAE-ktől a Stable Diffusionig és a DALL-E-ig.
- VAE
- Transformerek
- Stable Diffusion
- DALL-E
- Feladat: prompt engineering, saját stable diffusion model használata
7 Speciális alkalmazások, technikák Hatékonyság és alacsony erőforrású környezetek: object tracking, arcfelismerés, edge computing, etika és robusztusság.
- Object tracking
- Arcfelismerés hatékonyan
- Edge computing (TensorRT, optimalizáció)
- Mobil computer vision
- Etika és Adatvédelem
- Robustness, XAI
8 Záró Projektfeladat A saját érdeklődési területre szabott záró projektfeladat kidolgozása.
- Záró Projekt
Miért érdemes belevágnod?
Rengeteg kurzus foglalkozik ma már az AI és machine learning alapjaival, akár egyetemen, akár nálunk. Ezekben a gépi látás témája is előkerül, de csak érintőlegesen: az így megszerzett tudás nem elég ahhoz, hogy valaki eredményesen dolgozzon egy Computer Vision technológiát alkalmazó projektben, pedig a szakemberek iránti igény folyamatosan nő ezen a területen.
Computer Vision Engineerek már most is dolgoznak az egészségügytől az önvezető autók fejlesztésén át egészen a bányászatig, szinte minden iparágban. Ahogy a Computer Vision algoritmusok tovább fejlődnek, egyre több alkalmazási terület nyílik meg számukra, így a keresett szakértelem is egyre értékesebbé válik.
Ezen a képzésen a meglévő machine learning tudásodat mélyítheted el, kifejezetten a gépi látásra specializálódva, hogy valóban be tudd vetni ezt az egyre népszerűbb technológiát a gyakorlatban.
- Munka mellett végezheted, rugalmas időbeosztással
- Gyakorlati projekteken keresztül, oktatói mentorálással
- LinkedIn profilodba beágyazható tanúsítvány
Ismerd meg oktatódat
Herbert Attila
AI Engineer, Minealytics
BSc diplomámat molekuláris bionikából szereztem, ahol a neurális hálókra specializálódtam, majd a Maastricht University mesterképzésén mélyítettem tovább a mesterséges intelligencia tudásomat.
Több mint 5 éve dolgozom a Computer Vision területén: számos projektben vettem részt több ipari területen, a Smart Cities megoldásoktól az önvezető autókig. Kutatói hátterem mellett gyakorlott vagyok Computer Vision projektek teljes körű végigvitelében a koncepciótól a deploymentig.
Kinek ajánlott?
- Azoknak a fejlesztőknek vagy mérnöki érdeklődésű embereknek, akik még nem ismerik a Computer Vision világát, de most szeretnének gyakorlati tudást szerezni a gépi látás területén, hogy eredményesen dolgozhassanak ilyen technológiát alkalmazó projekteken.
Kinek nem ajánlott?
- Akik még nem programoznak magabiztosan Pythonban
- Akik gépi tanulási alapismeretek nélkül vágnának bele, a képzés ML-alapokra épít
- Akik no-code/low-code AI-eszközöket keresnek kódolás helyett
- Akik NLP vagy generatív AI irányba indulnának, itt a képfeldolgozásé a főszerep
Mik a képzés előkövetelményei?
Ha ezek megvannak, jó alapokról indulsz. A Numpy ismerete, a mélyebb Machine Learning-tudás vagy egy saját ML-projekt, illetve a PyTorch alapszintű ismerete mind az előnyödre válik, de egyik sem feltétel, ezeket menet közben is elsajátíthatod.
Hogyan fogsz tanulni?
Gyakorlatorientált oktatás
Minden héten izgalmas gyakorló feladatokat kapsz majd, amelyek keretében már menetközben is konkrét lekérdezéseket fogsz megvalósítani
Interaktív digitális tananyag
A gyakorlati feladatok elvégzéséhez és a képzés sikeres teljesítéséhez szükséges tudást digitális tananyagok és vezetett kódolások formájában adjuk át, amelyeket saját időbeosztásod szerint, akár munka mellett is feldolgozhatod és egy évig korlátlan alkalommal visszanézheted.
Oktatói mentoring
A képzés ideje alatt az oktató folyamatosan a rendelkezésedre áll, bármikor kérdezhetsz tőle, ha elakadtál, és rendszeresen visszajelzést ad a feladataidra, fejlődésedet végigkíséri.
Konzultációk
Valamennyi tanegység végén egy-egy élő konzultációs alkalmat is szervezünk, amikor élőben is felteheted kérdéseidet, közösen kiértékelhetitek és átbeszélhetitek a gyakorlás során elkészített projekteket, és tanulhattok egymás elakadásaiból is.
Limitált férőhely
A fent említett interakciók miatt képzéseinket korlátozott létszámmal indítjuk csak el, hogy biztosan jusson mindenkire ideje az oktatóknak.
Minőségbiztosított képzések
Képzéseink szakmai minőségbiztosítását az iparági vezető technológiai vállalatok és a Budapesti Műszaki és Gazdaságtudományi Egyetem végzi.
- Tanúsítványt kapsz, amelyet önéletrajzodhoz és LinkedIn profilodhoz csatolhatsz
- Bizonyítja, hogy elsajátítottad az adott ismereteket
- Segíti a szakmai előmeneteledet és karriered fejlődését
Jó társaságban leszel!
Már több mint 150 hazai és nemzetközi cég munkatársa képezte magát tovább nálunk.
Tudtad?
A munkáltatók 83%-a finanszírozza a munkatársak képzését, ne felejtsd el megkérdezni a tiédet!
Fizetési lehetőségek
Többféle fizetési lehetőséget biztosítunk, hogy a legmegfelelőbb opciót válaszd.
Online fizetés bankkártyával
Az OTP SimplePay az egyik legelterjedtebb online fizetési megoldás — gyors és biztonságos fizetési folyamatáról ismert.
Kamatmentes részletfizetés
Nem szeretnénk, ha a fizetési nehézségek akadályoznák a szakmai fejlődésedet, ezért a részvételi díjat több részletben, teljesen kamatmentesen is kifizetheted.
Fizetés banki átutalással, egy összegben
Ha online kártyás fizetés helyett banki átutalással szeretnél fizetni, az sem probléma — írj nekünk, és ebben is segítünk.
Készen állsz a jelentkezésre?
Jelentkezz most, és kezdd el a fejlődést!