• A
  • A
  • A
  • ABC
  • ABC
  • ABC
  • А
  • А
  • А
  • А
  • А
Regular version of the site
Article
Continuous software monitoring backed by process mining: a systematic literature review

Evgenii Stepanov, Alexey Mitsyuk.

International Journal of Data Science and Analytics. 2026. Vol. 22.

Book chapter
Explainable artificial intelligence for smart and ethical healthcare

Elena Yu. Pesotskaya, Avdoshin S. M.

In bk.: Advanced SmartHealth. Singapore: AccScience Publishing, 2026. Ch. 1. P. 1-15.

Working paper
Approach to Designing CV Systems for Medical Applications: Data, Architecture and AI
In press

Ryabtsev D., Vasilyev Boris, Shershakov S.

Computer Science ::Computer Vision and Pattern Recognition. 2501.14689. arXiv, 2025

Research Seminar "Computer Vision Technologies"

2021/2022
Academic Year
RUS
Instruction in Russian
3
ECTS credits
Type:
Elective course
When:
3 year, 1-3 module

Instructor

Ганичев Антон Александрович

Ганичев Антон Александрович

Программа дисциплины

Аннотация

Компьютерное зрение - это раздел искусственного интеллекта связанный с анализом визуальных данных. Он включает методы позволяющие производить обнаружение, отслеживание и классификацию объектов на изображениях и в видеопотоке. Технологии компьютерного зрения находят применение в - Робототехнике: промышленные роботы, автономные транспортные средства;- Системах безопасности: контроль доступа, распознавание лиц, обнаружение подозрительного поведения; - Здравоохранении: анализ медицинских изображений, топографическое моделирование; - Системах взаимодействия и дополненной реальности: поиск по изображениям, аннотация, ввода информации В последние годы в области компьютерного зрения достигнут значительный прогресс. Он связан с прежде всего с технологиями глубокого обучения (Deep learning) которые будут рассматриваться в рамках данного семинара.
Цель освоения дисциплины

Цель освоения дисциплины

  • Обеспечить студентов базовыми знаниями о технологиях применяющихся для анализа изображений и видео
  • Заложить основы знаний об архитектурах и способах обучения сверточных нейросетей (CNN)
  • Познакомить студентов с основными программными и аппаратными средствами применяющимися для создания и обучения CNN
Планируемые результаты обучения

Планируемые результаты обучения

  • Знать принцип работы основных алгоритмов детектирования объектов.
  • Понимать принцип работы линейного классификатора, знать алгоритмы kNN, SVM
  • Понимать принцип работы сверточной нейросети. Знать алгоритм обратного распространения.
  • Уметь самостоятельно обучить нейросетевой классификатор.
Содержание учебной дисциплины

Содержание учебной дисциплины

  • Анализ изображений.
  • Линейный классификатор.
  • Обратное распространение и алгоритмы оптимизации
  • Сверточная нейронная сеть и методы улучшения сходимости.
  • Архитектуры СNN & ViT
  • Работа с реальными данными
  • Генеративные модели
  • Metric lerning
  • Сегментация изображений.
Элементы контроля

Элементы контроля

  • неблокирующий Доклад
    Выполненные в ходе подготовки доклада эксперименты могут быть зачтены в качестве выполнения практических задач (см. пункт "Работа на семинаре"). Оценка за дисциплину выставляется в соответствии с формулой оценивания от всех пройденных элементов контроля. Экзамен не проводится.
  • неблокирующий Работа на семинаре
    Включает: участие в обсуждении, ответы на вопросы и выполнение практических заданий (см пример).
Промежуточная аттестация

Промежуточная аттестация

  • 2021/2022 учебный год 3 модуль
    0.5 * Работа на семинаре + 0.5 * Доклад
Список литературы

Список литературы

Рекомендуемая основная литература

  • McKinney, W. (2018). Python for Data Analysis : Data Wrangling with Pandas, NumPy, and IPython (Vol. Second edition). Sebastopol, CA: O’Reilly Media. Retrieved from http://search.ebscohost.com/login.aspx?direct=true&site=eds-live&db=edsebk&AN=1605925
  • Коэльо, Л. П. Построение систем машинного обучения на языке Python / Л. П. Коэльо, В. Ричарт , перевод с английского А. А. Слинкин. — 2-е изд. — Москва : ДМК Пресс, 2016. — 302 с. — ISBN 978-5-97060-330-7. — Текст : электронный // Лань : электронно-библиотечная система. — URL: https://e.lanbook.com/book/82818 (дата обращения: 00.00.0000). — Режим доступа: для авториз. пользователей.

Рекомендуемая дополнительная литература

  • Основы алгоритмизации и программирования на Python : учеб. пособие / С.Р. Гуриков. — М. : ФОРУМ : ИНФРА-М, 2019. — 343 с. — (Среднее профессиональное образование). - Режим доступа: http://znanium.com/catalog/product/970143

Авторы

  • Ганичев Антон Александрович