Комп'ютерне зір - це аналіз візуальних даних. Обсяг цих даних в сучасному світі постійно зростає. Близько 80% всього інтернет-трафіку становить відео - і це без обліку зображень і інших типів візуальної інформації. Тому важливо розробляти алгоритми, які зможуть розуміти і обробляти ці дані.

Комп'ютерне зір - це захоплююче і корисно. Він може застосовуватися в таких областях, як медична діагностика, автономне водіння, робототехніка, тощо. Це наближає нас до ідеї розуміння людського інтелекту.

Курс "Розпізнавання образів та комп'ютерний зір" для спеціальності 121 "Інженерія програмного забезпечення" .

Курс "Комп'ютерний зір, розпізнавання та класифікація в системах штучного інтелекту" для спеціальності 122 "Комп'ютерні науки" (Інтелектуальний аналіз даних в комп'ютерних і інформаційних системах).

Анотація навчальної дисципліни:  

Навчальна дисципліна «Комп’ютерний зір, розпізнавання та класифікація в системах штучного інтелекту» ознайомить студентів із особливостями розробки та програмної реалізації методів, засобів та алгоритмів комп’ютерного зору. 
Мета навчальної дисципліни: формування у студентів системи знань, навичок та компетенцій, необхідних для розробки, реалізації та впровадження ефективних та масштабованих систем комп'ютерного зору, здатних розв'язувати широкий спектр практичних задач.
Навчальна дисципліна "Комп’ютерний зір, розпізнавання та класифікація в системах штучного інтелекту" надає студентам фундаментальні знання та практичні навички в області комп'ютерного зору, від основ обробки зображень до розробки та застосування сучасних моделей глибинного навчання. Курс охоплює широкий спектр тем, починаючи з історії та основ комп'ютерного зору, методів подання та обробки графічних зображень (включаючи піксельні операції та фільтрацію), кодування та компресії зображень, виділення та опису візуальних ознак (Image Features), та завершуючи передовими алгоритмами виявлення та розпізнавання облич, відстеження об'єктів, класифікації зображень, семантичної сегментації, створення текстових описів для зображень та генерації візуального контенту за допомогою генеративних моделей. Значна увага приділяється застосуванню машинного навчання, зокрема згортковим нейронним мережам (CNN), для вирішення задач класифікації, сегментації та детекції об'єктів.
Курс також розглядає питання розробки та масштабування систем комп'ютерного зору, включаючи підготовку даних, вибір обчислювальних платформ, оптимізацію моделей, використання методології CRISP-ML, MLOps практик та хмарних технологій для ефективного розгортання рішень. Студенти навчаться програмно реалізовувати алгоритми комп'ютерного зору мовою Python з використанням бібліотек машинного навчання (TensorFlow, PyTorch) та комп'ютерного зору (OpenCV), працювати з відкритими наборами даних та розв'язувати індустріальні задачі.
Курс передбачає розв'язання таких ключових завдань:
•    Опанування фундаментальних концепцій комп'ютерного зору та машинного навчання:
    Вивчення основних етапів обробки зображень та методів підготовки даних для комп'ютерного зору.
    Розуміння принципів виділення ознак, класифікації, сегментації та детекції об'єктів на зображеннях.
    Ознайомлення з базовими архітектурами нейронних мереж, зокрема згортковими нейронними мережами (CNN).
•    Практичне застосування алгоритмів та методів комп'ютерного зору:
    Реалізація пайплайнів для вирішення задач комп'ютерного зору з використанням Python, OpenCV, TensorFlow та PyTorch.
    Застосування попередньо навчених моделей CNN для класифікації, сегментації та детекції об'єктів.
    Тонке налаштування (fine-tuning) існуючих моделей для конкретних задач.
•    Дослідження сучасних трендів та технологій в комп'ютерному зорі:
    Використання архітектур encoder-decoder з механізмами уваги для створення текстових описів зображень (Image Captioning).
    Розробка та навчання генеративних моделей (VAE, GAN) для створення нового візуального контенту.
    Застосування методології CRISP-ML та MLOps практик для розробки та впровадження систем комп'ютерного зору.
Основний акцент зроблено на практичне застосування теоретичних знань через лабораторні роботи та проєкти, що дозволяє студентам набути реального досвіду розробки та застосування моделей комп'ютерного зору.