Чему вы научитесь
- Обучить нейросеть EfficientNet-B0 в Google Colab на 21 категории продуктов (яблоко, банан, молоко и другие)
- Сохранить веса модели и файл с названиями классов на диск
- Запустить ML-сервис на порту 8001: он принимает фото и возвращает три самых вероятных варианта с процентом уверенности
- Запустить backend на порту 8000: он принимает фото от сайта, пересылает его в ML-сервис и отдаёт ответ обратно на страницу
- Дописать сайт: drag-and-drop фото, отправка на сервер через fetch, карточки с результатом на экране
- Запустить все три части вместе и проверить работу в браузере
- Объяснить простыми словами, зачем такой продукт нужен магазину и где у прототипа слабые места
О курсе
Соберите свой ИИ-продукт и MVP: компьютерное зрение по фото, сервер на Python и страница в браузере.
Обучите нейросеть (машинное обучение, классификация картинок), поднимите ML-сервис и backend на FastAPI, допишите сайт. Загружаете фото — видите название товара. Учебный AI-прототип как AI-весы в ритейле.
Для кого этот курс
Школьники и студенты, которым нужен один цельный проект в портфолио: нейросеть, сервер и сайт в одном кейсе. Тем, кому нужно показать на защите или хакатоне что-то, что реально работает.
Начальные требования
Python на компьютере.
Аккаунт Google для Colab.
Файлы проекта — три папки 1_ml, 2_backend, 3_frontend (идут с курсом).
Преподаватели курса
468
Как проходит обучение
Мы вместе с вами пройдём полный цикл создания продукта: выбор и обоснование продукта, создание собственного искусственного интеллекта, развертывание собственного backend-сервера и UI-интерфейс через страницу в интернете
Что вы получите
- Понимание основных принципов разработки стартапа
- Работающий AI-продукт с демо в браузере
- Проект в портфолио: нейросеть + сервер + сайт 5 видео с пошаговой сборкой
- Умение объяснить продукт на защите или хакатоне
Нагрузка
2-3 часа в неделю