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. Этот курс — про продакшн-компьютерное зрение. Вы пройдёте путь от данных и разметки до работающего сервиса с метриками качества, скорости и стоимости инференса. Мы не ограничиваемся ноутбуками: строим сервисы, считаем p95-латентность и cost/1000 кадров, настраиваем мониторинг и приватность. Что внутри. Детекция и сегментация (YOLOv8/YOLO11, RT-DETR, SAM), Doc-AI (PaddleOCR + LayoutParser), экспорт и ускорение (ONNX/TensorRT/OpenVINO, квантизация INT8, батчинг, динамические инпуты), сервисный слой (FastAPI, очереди Redis/RabbitMQ, rate-limit, ретраи), деплой (Docker/Compose, канареечные релизы), наблюдаемость (Prometheus/Grafana, структурированные логи, алерты). Практика и артефакты: Retail: детектор пустых полок → mAP, p95, cost/req, дашборд. Пром: сегментация дефектов → IoU/Dice, отчёт по браку для менеджмента. Офис: Doc-AI для чеков/актов → JSON → БД, SLA эндпоинта. Каждый модуль завершается артефактом: модель/скрипт инференса/эндпоинт/отчёт или дашборд. Все репозитории воспроизводимы (Makefile, docker-compose, инструкции «из коробки»). Почему это ценно. Вы научитесь не только обучать модели, но и обосновывать ROMI: корректно мерить качество, latency и стоимость, находить узкие места, безопасно обновлять модели (канарейка/shadow), соблюдать политику PII (маскирование лиц/номеров, аудит доступа). Формат: короткая теория → код → автопроверки/чек-листы → мини-итог. Финал — деплой сервиса с мониторингом и отчётом метрик. Программа: Секция 1. Введение и быстрый старт: Урок 1. Как будем работать: цели, стек, проекты Урок 2. Окружение: venv vs Docker/Compose (минимум) Урок 3. CLI/утилиты для CV Урок 4. Метрики CV простым языком Урок 5. Бенчмарк CPU/GPU (если есть) Урок 6. Git/Make/README как контракт воспроизводимости Секция 2. Данные и разметка: Урок 1. Сбор данных и схема классов Урок 2. Разметка детекции (Label Studio/Roboflow) Урок 3. Разметка сегментации (semantic/instance) Урок 4. Разметка документов (Doc-AI) Урок 5. Валидация датасета Урок 6. Аугментации и синтетика Секция 3. Детекция: YOLO / RT-DETR: Урок 1. YOLO — базовая тренировка (сложный) Урок 2. Рецепты улучшения: EMA, cosine LR, freeze, AMP (сложный) Урок 3. RT-DETR — альтернатива для продакшна (сложный) Урок 4. Постпроцесс и калибровка порогов Урок 5. Экспорт детектора в ONNX (сложный) Урок 6. Error analysis детектора Секция 4. Сегментация: SAM и адаптеры: Урок 1. SAM — принципы и промпты (сложный) Урок 2. Fine-tune SAM: адаптер/LoRA (сложный) Урок 3. Instance vs semantic — метрики и выводы Урок 4. Постпроцесс масок Урок 5. Экспорт сегментации в ONNX (сложный) Урок 6. Витрина: сегментация дефектов + отчёт брака Секция 5. Doc-AI: OCR + layout → JSON → БД: Урок 1. OCR базовый (PaddleOCR) (сложный) Урок 2. Layout/структура документов (сложный) Урок 3. Нормализация полей и правила Урок 4. Контракт JSON и валидация схемы Урок 5. API `/doc-parse` и запись в БД Урок 6. Витрина: Doc-AI end-to-end (сложный) Секция 6. Экспорт и ускорение (ONNX/OpenVINO/TensorRT): Урок 1. ONNXRuntime на CPU (сложный) Урок 2. OpenVINO: IR и INT8 PTQ (сложный) Урок 3. TensorRT: FP16/INT8 на GPU (сложный) Урок 4. Батчинг и конвейерность Урок 5. Стоимость инференса Урок 6. Кейс «до/после» оптимизаций Секция 7. Сервис: FastAPI, очереди, надёжность: Урок 1. Базовый API `/predict` + OpenAPI Урок 2. Очереди и воркеры (Redis/RabbitMQ) (сложный) Урок 3. Rate limit, тайм-ауты, ретраи (сложный) Урок 4. Структурированные логи и трассировка Урок 5. Файлы, потоки, хранилища Урок 6. Нагрузочное тестирование и HAR-реплеи Секция 8. Наблюдаемость, качество и дрейф: Урок 1. Prometheus экспортёр Урок 2. Grafana дашборд и алерты Урок 3. Качество оффлайн и регрессия Урок 4. Дрейф данных Урок 5. Дрейф качества Урок 6. Отчётность для бизнеса Секция 9. Деплой и релизы: Урок 1. Docker-образы для CV Урок 2. Compose-стек: API + Redis + Prom + Grafana Урок 3. Blue-Green и Canary (сложный) Урок 4. Shadow-traffic Урок 5. Версионирование весов и откаты Урок 6. CI/CD минимум (сложный) Секция 10. Приватность, безопасность и ROMI. Финал: Урок 1. Приватность изображений (PII) Урок 2. Security-базис сервиса Урок 3. ROMI для SMB-кейсов Урок 4. Финальный проект: Retail «пустые полки» (сложный) Урок 5. Финальный проект: Пром «дефекты» Урок 6. Финальный проект: Doc-AI «чеки/акты» (сложный)