Computer Vision: Roof Footprints Recognition — безплатний офлайн-воркшоп від AI HOUSE, який допоможе зміцнити практичні навички та покращити знання з глибинного навчання, компʼютерного зору та семантичної сегментації з використанням найсучасніших моделей Eff-Unet та YOLOv8.
Воркшоп стане в пригоді всім, хто цікавиться штучним інтелектом та комп’ютерним баченням, а також тим, хто прагне покращити розуміння архітектур Eff-Unet і YOLOv8. Учасники власноруч навчатимуть модель розпізнавати обʼєкти на прикладі дахів будівель: за допомогою фотографій, знятих зі супутника або отриманих з OpenStreetMap.
Детальніше про подію
Computer Vision: Roof Footprints Recognition складатиметься з двох частин: лекція та практична робота з лайф-кодингом. Після воркшопу учасники зможуть поспілкуватися й обговорити отримані результати, поділитися інсайтами.
Спікер — Антон Лютов, AI & ML Engineer у DataArt, має понад 5 років досвіду в галузі Data Science. В робочому бекграунді Антона близько десяти проєктів з використанням моделей класичного машинного навчання, часових рядів і Deep Learning.
Що вивчать слухачі воркшопу?
Комп’ютерне бачення (Computer Vision) — це галузь штучного інтелекту, яка передбачає навчання машини відстеженню, виявленню та визначенню об’єктів, а також реакції на події навколо. Наразі Computer Vision широко застосовується у повсякденному житті та у майбутньому цей тренд зберігатиметься.
Учасники воркшопу матимуть змогу натренувати модель розпізнавати обʼєкти на прикладі дахів будівель (на базі моделей Eff-Unet і YOLOv8). Також слухачі дізнаються більше про архітектуру цих моделей, розберуть кейси їхнього використання, принципи роботи та застосують отримані знання на практиці.
Як доєднатися?
Воркшоп пройде в офлайн форматі 25 лютого в м. Київ. Початок події —14:00, тривалість — 2,5 години та нетворкінг у кінці воркшопу.
Участь безплатна, кількість місць обмежена: 35.
Подайте свою заявку на участь до 18 лютого, заповнивши форму за посиланням: www.linkedin.com/…028350952722079744/about.
Воркшоп розроблено для спеціалістів, які мають понад рік досвіду роботи в ML-індустрії, та зокрема з Python. Для комфортного сприйняття інформації необхідний рівень володіння англійською мовою — від Upper-Intermediate. Для практичної роботи учасникам знадобляться власні ноутбуки (з оперативною памʼяттю від 8 Gb) та обліковий запис Google