|
|
(не показано 10 промежуточных версии 2 участников) |
Строка 1: |
Строка 1: |
− | {{Карточка_проекта
| |
− | |name=Автоматическая нарезка highlights из длинных игровых twitch streams
| |
− | |mentor=Пронькин Алексей
| |
− | |mentor_login={{URLENCODE:GalinaKaleeva|WIKI}}
| |
− | |semester=Осень 2017
| |
− | |course=2
| |
− | |summer=
| |
− | |number_of_students=TBA
| |
− | |categorize=yes
| |
− | }}
| |
| | | |
− | === Что это за проект? ===
| |
− | Нарезка самых интересных моментов видео по играм с помощью машинного обучения(CV, NLP, speech recognition/acoustic models)
| |
− |
| |
− | Выборка: функция clips на twitch (30-60 секундные видео, которые делают зрители стрима) для определенной популярной игры.
| |
− |
| |
− | Помощь ментора:
| |
− |
| |
− | - Теоретическая консультация о текущих state of the art (если лень использовать Google)
| |
− |
| |
− | - Hardware
| |
− |
| |
− | - Помощь в рамках Skoltech Data Science Club
| |
− |
| |
− | Проект не простой, поэтому предполагается, что Вы уже хорошо знаете питон, представляете как работают сверточные и рекуррентные нейросети, имеете много времени и мотивации.
| |
− |
| |
− | === Чему вы научитесь? ===
| |
− | - Использовать один из фрейморков для deep learning (tensorflow или pytorch, на выбор).
| |
− |
| |
− | - Использовать быстрые архитектуры свёрточных глубоких нейронных сетей для классификации (Inception-v3), сегментации (ENet) и детекции (SSD, YOLO).
| |
− |
| |
− | - Использовать нейронные акустические модели и совершенствовать их скорость выполнения.
| |
− |
| |
− | - Собирать production код с помощью tf.serve.
| |
− |
| |
− | - Эффективно обрабатывать и рендерить видео через командную строку и python.
| |
− |
| |
− | - Познакомитесь с Twitch.API.
| |
− |
| |
− | === Какие начальные требования? ===
| |
− | TBA
| |
− |
| |
− | === Какие будут использоваться технологии? ===
| |
− | TBA
| |
− |
| |
− | === Темы вводных занятий ===
| |
− | TBA
| |
− |
| |
− | === Направления развития ===
| |
− | TBA
| |
− |
| |
− | === Критерии оценки ===
| |
− | TBA
| |
− |
| |
− | === Ориентировочное расписание занятий ===
| |
− | TBA
| |