Keyboard shortcuts

Press ← or → to navigate between chapters

Press S or / to search in the book

Press ? to show this help

Press Esc to hide this help

Месяц 4 — Сборник упражнений

🟢 Easy

Computer Vision

  1. Загрузите изображение через OpenCV, преобразуйте в RGB/HSV/Grayscale.
  2. Canny edge detection + поиск contour.
  3. Inference для изображения через YOLOv8n pretrained model.
  4. Top-5 classification для изображения через pretrained EfficientNet.
  5. OCR для простого изображения с текстом через Tesseract.

NLP

  1. Tokenization, удаление stop words, lemmatization через NLTK.
  2. NER и POS tagging через spaCy.
  3. TF-IDF + Logistic Regression baseline (Spam SMS dataset).
  4. HuggingFace pipeline("sentiment-analysis") для 10 предложений.
  5. Cosine similarity matrix между 5 предложениями через Sentence Transformers.

🟡 Medium

CV — Реальные проекты

  1. Document Scanner: «выпрямление» документа с фото телефона (contour + perspective).
  2. Custom YOLO training: разметьте 100-200 изображений в Roboflow, fine-tune YOLOv8 (Colab GPU).
  3. OCR pipeline: извлечение имени, фамилии, номеров с фото паспорта.
  4. Image similarity search: embed 1000 изображений через pretrained CNN, найдите 10 наиболее близких к query изображению.
  5. Real-time webcam YOLO: webcam → bounding box + label.

NLP — Реальные проекты

  1. News classifier: BBC News dataset (5 категорий), сравнение TF-IDF + LR vs BERT.
  2. Узбекский text dataset: соберите 5000+ постов с Telegram, создайте classifier.
  3. Multilingual sentiment: одна модель для 3 языков (en/ru/uz).
  4. Custom BPE tokenizer: обучите BPE для узбекского корпуса.
  5. Zero-shot classifier: разделите 10 новостей на 5 категорий без “labels”.

🔴 Hard (Production)

1. CV — Object Counter Service

Требования:

  • FastAPI + YOLOv8 custom trained model
  • Endpoint: image/video upload → count by class
  • Celery + Redis (async processing)
  • WebSocket real-time updates
  • Docker + docker-compose
  • Streamlit или React frontend

**Пример use case:**количество машин на parking lot, поток людей в магазине

2. OCR — ID Card Reader

Требования:

  • Detect типа ID карты (YOLO)
  • Perspective correction (OpenCV)
  • Field-by-field OCR (PaddleOCR)
  • Validation + parsing (regex)
  • Сохранение в PostgreSQL
  • REST API + admin panel

3. NLP — Multilingual Customer Support Classifier

Требования:

  • Распределение support ticket’ов на 3 языках (en/ru/uz) по 10 категориям
  • fine-tune mBERT или XLM-R
  • FastAPI + caching
  • Prediction monitoring (concept drift detection)
  • Telegram bot integration

4. CV+NLP — Visual Question Answering

Требования:

  • BLIP или similar VLM (Vision-Language Model)
  • Изображение + вопрос → ответ
  • Streamlit demo
  • Mobile app integration

Мини-проекты

Мини-проект 1: Распознавание узбекских номерных знаков

  • Сбор dataset узбекских номерных знаков (100+ изображений с телефона)
  • Plate detection через YOLO
  • Чтение номера через OCR
  • Сервис FastAPI

Мини-проект 2: Receipt Scanner

  • OCR фото магазинного чека
  • Извлечение товаров и цен
  • Итоговая сумма и группировка по категориям
  • Telegram bot

Мини-проект 3: Sport Highlights Generator

  • Видео футбольного матча
  • Object detection (player, ball)
  • Event detection (goal, foul)
  • Автоматический montage highlights (FFmpeg)
  • Индексирование 100+ PDF документов
  • Sentence embeddings + FAISS
  • Natural language search
  • Streamlit UI

Quiz

CV

  1. Разница между Object detection и classification?
  2. Что такое IoU и mAP?
  3. Разница в скорости и точности между YOLO и Faster R-CNN?
  4. Что такое anchor box и как работает anchor-free detector?
  5. Когда применяется NMS (Non-Maximum Suppression)?
  6. Разница между Tesseract и современными OCR (EasyOCR/PaddleOCR)?
  7. Особенность SAM (Segment Anything)?

NLP

  1. Разница между Stemming и Lemmatization?
  2. Формула и intuition TF-IDF?
  3. Разница Skip-gram и CBOW в Word2Vec?
  4. Разница между BPE и WordPiece tokenization?
  5. Разница (архитектура) BERT, GPT, T5?
  6. Что такое Q, K, V в attention mechanism?
  7. Как работает Zero-shot classification?

Production

  1. Как вывести pretrained модель в production?
  2. Почему batching полезен для GPU inference?
  3. Стратегии Model versioning?
  4. Как уменьшить размер Docker image для CV сервиса?
  5. Стратегии caching для NLP сервиса?

✅ Чек-лист конца Месяца 4

  • Классический image processing с OpenCV
  • YOLOv8 inference и fine-tuning (Colab/Kaggle)
  • OCR (хотя бы одна библиотека: Tesseract/EasyOCR/PaddleOCR)
  • Классический NLP: TF-IDF + LR baseline
  • NER, POS через spaCy
  • HuggingFace Transformers (pipeline + Auto*)
  • Sentence embeddings (готов к RAG)
  • CV или NLP сервис в FastAPI
  • Capstone проект на GitHub
  • Пост в LinkedIn

Поздравляю! Готовы к Месяц 5 — LLM, RAG и AI Агенты — теперь вы войдёте в эру LLM!