Сколько стоит курс «Computer Vision Engineer: от детекции и Doc-AI до продакшна»?

Стоимость курса составляет 19990.00 рублей

Где можно пройти курс «Computer Vision Engineer: от детекции и Doc-AI до продакшна»?

Курс доступен на образовательной платформе Stepik по адресу stepik.org/course/256739.

Курс на Stepik

Обложка курса «Computer Vision Engineer: от детекции и Doc-AI до продакшна» на Stepik

19 990 ₽

Computer Vision Engineer: от детекции и Doc-AI до продакшна ★ 5.000

Name: Computer Vision Engineer: от детекции и Doc-AI до продакшна
Price: 19990.00 RUB
Availability: InStock
Rating: 5.0 (1 reviews)

Открыть на
STEPIK.ORG

Практический курс по Computer Vision. Соберёте продакшн-сервис: датасет → обучение (YOLO/RT-DETR, SAM), трекинг, OCR/Doc-AI, веб-приложение (UI+API) и мониторинг. Экспорт в ONNX/TensorRT/OpenVINO, батчинг/квантование под CPU/GPU. Плюс профессиональные блоки: mAP/IoU/Dice и калибровка доверия, QA разметки и аугментации, p95/стоимость, дрейф данных и алерты, guardrails (NMS/правила), A/B-тесты, Triton/gRPC/FastAPI.

Показатель	Текущие показатели		Рост
Показатель	Значение	🏆 Рейтинг	3 дн	7 дн	30 дн
Учеников на курсе	59
Сертификатов выдано	0
Отзывов получено	1
Рейтинг курса	5.000
Количество уроков	60
Количество квизов	605
Время прохождения курса	3 ч.	—
Стоимость курса	19 990 ₽	—
Обновления курса	—	—
Дата публикации курса	1 год назад	—	—	—	—
Последнее обновление	1 год назад	—	—	—	—
Сложность	normal	—	—	—	—

Содержание курса

Разделы в курсе «Computer Vision Engineer: от детекции и Doc-AI до продакшна»

10 разделов Уроки в курсе «Computer Vision Engineer: от детекции и Doc-AI до продакшна»

60 уроков Тесты в курсе «Computer Vision Engineer: от детекции и Doc-AI до продакшна»

605 тестов Время прохождения курса «Computer Vision Engineer: от детекции и Doc-AI до продакшна»

3 ч.

обн. 1 год назад

Введение и быстрый старт

6 уроков

1. Как будем работать: цели, стек, проекты ↗

2. Окружение: venv vs Docker/Compose (минимум) ↗

3. CLI/утилиты для CV ↗

4. Метрики CV простым языком ↗

5. Бенчмарк CPU/GPU (если есть) ↗

6. Git/Make/README как контракт воспроизводимости ↗

Данные и разметка

6 уроков

1. Сбор данных и схема классов ↗

2. Разметка детекции (Label Studio/Roboflow) ↗

3. Разметка сегментации (semantic/instance) ↗

4. Разметка документов (Doc-AI) ↗

5. Валидация датасета ↗

6. Аугментации и синтетика ↗

Детекция: YOLO / RT-DETR

6 уроков

1. YOLO — базовая тренировка (сложный) ↗

2. Рецепты улучшения: EMA, cosine LR, freeze, AMP (сложный) ↗

3. RT-DETR — альтернатива для продакшна (сложный) ↗

4. Постпроцесс и калибровка порогов ↗

5. Экспорт детектора в ONNX (сложный) ↗

6. Error analysis детектора ↗

Сегментация: SAM и адаптеры

6 уроков

1. SAM — принципы и промпты (сложный) ↗

2. Fine-tune SAM: адаптер/LoRA (сложный) ↗

3. Instance vs Semantic — метрики и выводы ↗

4. Постпроцесс масок ↗

5. Экспорт сегментации в ONNX (сложный) ↗

6. Витринка: сегментация дефектов + отчёт брака ↗

Doc-AI: OCR + Layout → JSON → БД

6 уроков

1. OCR базовый (PaddleOCR) (сложный) ↗

2. Layout/структура документов (сложный) ↗

3. Нормализация полей и правила ↗

4. Контракт JSON и валидация схемы ↗

5. API `/doc-parse` и запись в БД ↗

6. Витринка: Doc-AI end-to-end (сложный) ↗

Экспорт и ускорение (ONNX/OpenVINO/TensorRT)

6 уроков

1. ONNXRuntime на CPU (сложный) ↗

2. OpenVINO: IR и INT8 PTQ (сложный) ↗

3. TensorRT: FP16/INT8 на GPU (сложный) ↗

4. Батчинг и конвейерность ↗

5. Стоимость инференса ↗

6. Кейс «до/после» оптимизаций ↗

Сервис: FastAPI, очереди, надёжность

6 уроков

1. Базовый API `/predict` + OpenAPI ↗

2. Очереди и воркеры (Redis/RabbitMQ) (сложный) ↗

3. Rate-limit, тайм-ауты, ретраи (сложный) ↗

4. Структурированные логи и трассировка ↗

5. Файлы, потоки, хранилища ↗

6. Нагрузочное тестирование и HAR-реплеи ↗

Наблюдаемость, качество и дрейф

6 уроков

1. Prometheus экспортёр ↗

2. Grafana дашборд и алерты ↗

3. Качество оффлайн и регрессия ↗

4. Дрейф данных ↗

5. Дрейф качества ↗

6. Отчётность для бизнеса ↗

Деплой и релизы

6 уроков

1. Docker-образы для CV ↗

2. Compose-стек: API + Redis + Prom + Grafana ↗

3. Blue-Green и Canary (сложный) ↗

4. Shadow-traffic ↗

5. Версионирование весов и откаты ↗

6. CI/CD минимум (сложный) ↗

Приватность, безопасность и ROMI. Финал

6 уроков

1. Приватность изображений (PII) ↗

2. Security-базис сервиса ↗

3. ROMI для SMB-кейсов ↗

4. Финальный проект: Retail «пустые полки» (сложный) ↗

5. Финальный проект: Пром «дефекты» ↗

6. Финальный проект: Doc-AI «чеки/акты» (сложный) ↗