Текст площадки «Sharewood». Упомянутые цены и обещанные результаты могут быть неактуальны; условия покупки проверяйте у продавца.
Погрузитесь в продвинутый Computer Vision: от сложностей и корнер-кейсов в «обычных» задачах до мультимодальных моделей и дизайна CV-систем
Курс подойдёт CV-инженерам всех грейдов
Junior - узнаете теорию и закрепите на практике
Middle - систематизируете знания и закроете пробелы
Senior - подсмотрите на практики других команд
Один курс · разные способы доступа
Где удобнее учиться?
Сравните цену и то, как будете заниматься.
Выбирайте не только по цене
ЦенаСумма и выгодность предложения
Удобство интерфейсаОценка формата занятий
Встроенный просмотрБез скачивания всего курса
Занятия с телефонаБез работы с архивами
Без рекламыПри работе с материалами
Найти нужный моментНе пересматривая весь урок
Разобраться в темеПомощь по содержанию, не куратор
Попробовать до покупкиОзнакомительный урок
Скачать материалыДля занятий без интернета
Когда можно начать
Срок доступа
Выбрать площадку
Учитесь с комфортом
В Курсе
История цен на площадкахФормат и условия
Как проходит обучение
Эти данные взяты из программы и описания площадки. Пустое поле означает, что на странице курса ответа не было.
Продавцы могут по-разному указать название, автора и программу. Ниже приведены отдельные описания источников.
СкладчикКурс CV Rocket [DeepSchool] [Андрей Шадриков, Дмитрий Раков, Дмитрий Чудаков]
Указаны на площадке: Андрей Шадриков, Дмитрий Раков, Дмитрий Чудаков
Погрузитесь в продвинутый Computer Vision: от сложностей и корнер-кейсов в «обычных» задачах до мультимодальных моделей и дизайна CV-систем
Курс подойдёт CV-инженерам всех грейдов
Junior - узнаете теорию и закрепите на практике
Middle - систематизируете знания и закроете пробелы
Senior - подсмотрите на практики других команд
Программа этой площадки
Программа
Получено 10.11.2026Складчина.biz[DeepSchool] Курс CV Rocket (Андрей Шадриков, Дмитрий Раков)
Указаны на площадке: Андрей Шадриков, Дмитрий Раков
Погрузитесь в продвинутый Computer Vision: от сложностей и корнер-кейсов в «обычных» задачах до мультимодальных моделей и дизайна CV-систем
Курс подойдёт CV-инженерам всех грейдов
Junior - узнаете теорию и закрепите на практике
Middle - систематизируете знания и закроете пробелы
Senior - подсмотрите на практики других команд
Программа этой площадки
Программа
Получено 28.09.2026Складчина.biz[DeepSchool] Курс CV Rocket (Андрей Шадриков, Дмитрий Раков)
Указаны на площадке: Андрей Шадриков, Дмитрий Раков
Погрузитесь в продвинутый Computer Vision: от сложностей и корнер-кейсов в «обычных» задачах до мультимодальных моделей и дизайна CV-систем
Курс подойдёт CV-инженерам всех грейдов
Junior - узнаете теорию и закрепите на практике
Middle - систематизируете знания и закроете пробелы
Senior - подсмотрите на практики других команд
Программа этой площадки
Программа
Получено 30.10.2026Складчина.biz[DeepSchool] Курс CV Rocket (Андрей Шадриков, Дмитрий Раков)
Указаны на площадке: Андрей Шадриков, Дмитрий Раков
Погрузитесь в продвинутый Computer Vision: от сложностей и корнер-кейсов в «обычных» задачах до мультимодальных моделей и дизайна CV-систем
Курс подойдёт CV-инженерам всех грейдов
Junior - узнаете теорию и закрепите на практике
Middle - систематизируете знания и закроете пробелы
Senior - подсмотрите на практики других команд
Содержание обучения
Что в программе
01Программа89 уроков
Лекция каждую неделю. После каждой темы — домашнее задание с фидбеком от лектора. Раз в 4−5 недель — Q&A-сессия для разбора вопросов и перерыв на каникулы.Время не указано
Подготовка данныхВремя не указано
Разберём основные источники открытых данных: научимся находить и курировать датасеты. Обсудим инструменты для inhouse-разметки и формирование ТЗ, а также внедрение авторазметкиВремя не указано
Основные темы:Время не указано
Data-Centric AI — новый фокус в машинном обученииВремя не указано
Где все берут данные? Как собирать данные из интернета: веб-скрапингВремя не указано
Разметка данных и инструменты для аннотации (Label Studio, CVAT)Время не указано
Когда данных нет — создаём сами: синтетические данные и диффузионные моделиВремя не указано
Получение качественных данныхВремя не указано
Научимся не просто собирать данные, а проектировать процесс их получения и поддерживать качество на всех этапах — от сбора до инференсаВремя не указано
Основные темы:Время не указано
Активное обучение для эффективного использования разметкиВремя не указано
Оценка и улучшение качества разметки: перекрёстная проверка, foundation-моделиВремя не указано
Мониторинг данных в продакшене и обнаружение сдвигов распределенияВремя не указано
Как проектировать сбор данных под задачу: сенсоры, триггеры, хранениеВремя не указано
Секреты успешных архитектурВремя не указано
Разберём устройство современных нейросетей: от свёрточных блоков до трансформеров и адаптивных голов
«В Курсе» — наш основной вариант для перехода. В таблице — возможности сервисов; состав конкретного курса уточняйте перед оплатой.
Как мы оцениваем и что входит в доступ
Звёзды — наша оценка, не отзывы покупателей. Удобство: 2 базовых балла, по одному за занятия без обязательного скачивания, навигацию по курсу и встроенного помощника. Оценка описывает формат сервиса, а не проверку каждого урока.
Цена сравнивается только при подтверждённых одинаковых тарифе, сроке и виде оплаты. Разница с минимальной ценой до 10% — 5 звёзд, до 30% — 4, до 60% — 3, до 100% — 2, больше — 1. Устаревшие и неизвестные цены не оцениваются. Прочерк означает, что данных недостаточно, а не что функции нет.
В Курсе
Зарегистрируйтесь, чтобы уточнить возможность доступа к этому материалу
Складчик
Условия проверены 10.11.2026. Перед оплатой проверьте состав предложения у продавца.
Складчина.biz
Условия оплаты
Взнос за участие на площадке: 689 ₽. Доступность материала зависит от стадии сбора.
Условия проверены 09.10.2026. Перед оплатой проверьте состав предложения у продавца.
Если ваша подписка уже включает этот курс, отдельная покупка не нужна.
Тарифы проверены 20.11.2026
Условия проверены 14.11.2026. Перед оплатой проверьте состав предложения у продавца.
Программа этой площадки
Программа
Получено 09.10.2026
Sharewood«Курс CV Rocket [DeepSchool]» [Андрей Шадриков, Дмитрий Раков, Дмитрий Чудаков]
Указаны на площадке: Андрей Шадриков, Дмитрий Раков, Дмитрий Чудаков
Погрузитесь в продвинутый Computer Vision: от сложностей и корнер-кейсов в «обычных» задачах до мультимодальных моделей и дизайна CV-систем
Курс подойдёт CV-инженерам всех грейдов
Junior - узнаете теорию и закрепите на практике
Middle - систематизируете знания и закроете пробелы
Senior - подсмотрите на практики других команд
Программа этой площадки
Программа
Получено 14.11.2026
Время не указано
Основные темы:Время не указано
Адаптация больших моделей: LoRA, ControlNet, IP-AdapterВремя не указано
Эволюция архитектур: от ResNet к EfficientNet и Vision TransformersВремя не указано
Почему BatchNorm не всегда работает и какие есть альтернативыВремя не указано
Структура нейросети: feature extractor, neck, headВремя не указано
Обучение метрики и быстрый векторный поискВремя не указано
Научимся обучать модели, которые создают осмысленные векторные представления, и эффективно искать по ним в больших базахВремя не указано
Основные темы:Время не указано
Оценка качества: Precision@K, Recall@K, Closed vs Open setВремя не указано
Быстрый поиск: FAISS, Navigable Small Worlds, хэшированиеВремя не указано
Angular Loss и ArcFace для улучшения качества эмбеддинговВремя не указано
Metric Learning: обучение расстояний через contrastive и triplet lossВремя не указано
Мультимодальные моделиВремя не указано
Познакомимся с моделями, объединяющими зрение и язык: от CLIP до современных VLM и retrieval-системВремя не указано
Основные темы:Время не указано
Выбор размерности эмбеддингов: Matryoshka Representation LearningВремя не указано
Как обучать мультимодальные модели на парах «изображение–текст»Время не указано
Принцип работы CLIP и его модификаций (SigLIP, BLIP)Время не указано
Детекция объектовВремя не указано
Разберём эволюцию детекторов: от якорных моделей до трансформеров и openset-подходовВремя не указано
Основные темы:Время не указано
Openset-детекция с помощью foundation-моделей (Florence, GLEE)Время не указано
DETR и гибридные архитектуры на основе трансформеровВремя не указано
Anchor-free подходы: CenterNet, YOLO11Время не указано
One-stage vs two-stage детекторы: SSD, RetinaNet, Faster R-CNNВремя не указано
СегментацияВремя не указано
Изучим методы сегментации: от классических U-Net до современных foundation-моделей и работы с высоким разрешениемВремя не указано
Основные темы:Время не указано
Foundation-модели: Segment Anything (SAM) и промптингВремя не указано
Работа с high-res изображениями и проблемными маскамиВремя не указано
Архитектуры: U-Net, Mask R-CNN, Mask2FormerВремя не указано
Типы сегментации: семантическая, instance, panopticВремя не указано
Optical Character Recognition (OCR)Время не указано
Разберём современные подходы к распознаванию текста: от классических пайплайнов до мультимодальных VLMВремя не указано
Основные темы:Время не указано
Выбор стратегии OCR в зависимости от задачи и данныхВремя не указано
Современные VLM для OCR: PaliGemma, Qwen-VL, DocVLMВремя не указано
OCR-пайплайн: детекция + распознавание (FAST, CRNN, CTC)Время не указано
Поиск ошибок и интерпретируемость моделейВремя не указано
Научимся отлаживать обучение, находить аномалии и понимать, почему модель принимает те или иные решенияВремя не указано
Основные темы:Время не указано
Интерпретация через attention, Grad-CAM, LIME, ProtoNetsВремя не указано
Мониторинг активаций и выходов модели в продакшенеВремя не указано
Поиск аномалий: Normalizing Flows, contrastive подходыВремя не указано
Диагностика проблем обучения: NaN, переобучение, платоВремя не указано
Self-supervised LearningВремя не указано
Освоим методы обучения без разметки: от pretext-задач до современных SSL-алгоритмов вроде BYOLВремя не указано
Основные темы:Время не указано
Практические рекомендации: аугментации, batch size, linear evaluationВремя не указано
BYOL: архитектура, EMA, projector/predictorВремя не указано
Pretext-задачи: восстановление, контекст, инвариантностьВремя не указано
Зачем нужен SSL и когда он лучше transfer learningВремя не указано
Работа с видеоВремя не указано
Изучим особенности видеоданных и архитектуры для их обработки: от 3D-CNN до VideoMAE и трансформеровВремя не указано
Основные темы:Время не указано
Fusion-стратегии для учёта времениВремя не указано
Foundation-модели для видео и их дообучениеВремя не указано
Архитектуры: 3D CNN, R(2+1)D, ViViT, VideoMAEВремя не указано
Структура видео: кодеки, FPS, битрейт, I/P-кадрыВремя не указано
Задачи на видеоВремя не указано
Погрузимся в прикладные задачи: трекинг, action recognition и multimodal-анализВремя не указано
Основные темы:Время не указано
Трекинг: SORT, Kalman Filter, матчинг, Re-IDВремя не указано
Метрики качества: HOTA, DetA, AssAВремя не указано
Action Recognition: от кадров до позы и аудиоВремя не указано
Дизайн ML-системВремя не указано
Научимся проектировать ML-решения как продукты: от формулировки проблемы до выбора метрик и гипотезВремя не указано
Основные темы:Время не указано
Построение дерева гипотез и метрик для принятия решенийВремя не указано
Функциональные и нефункциональные требования к системеВремя не указано
Различие между проектом и продуктом в MLВремя не указано
Старт — 9 марта.Время не указано
Альтернативы для выбора
Похожие курсы по этой теме
Это другие программы на близкую тему. Они не считаются тем же курсом: сравните содержание, преподавателей и условия.
Практический курс по созданию агентных AI-приложений с использованием протокола MCP. Вы изучите архитектуру, инструменты и принципы построения контекстно-ориентированных многосерверных систем и разработаете собственного мультимодального AI-ассистента для анализа изображений и поиска информации.
Что известно об альтернативе
Документ: На странице курса указано: сертификат не выдаётся. источник ↗︎
На мини-курсе вы научитесь с помощью бесплатных и доступных нейросетей решать простые ежедневные задачи, связанные с бытом (гардероб, рецепты, интерьер, учёт расходов, планирование поездки, уход за растениями), учёбой (изучение иностранных языков, объяснение учебного материала) и хобби (реставрация фото, план тренирово