Проектный семинар «Основы технологии производства и машинное обучение»

Бакалавриат 2023/2024

Статус: Курс обязательный (Информатика и вычислительная техника)

Направление: 09.03.01. Информатика и вычислительная техника

Кто читает: Департамент компьютерной инженерии

Где читается: Московский институт электроники и математики им. А.Н. Тихонова

Когда читается: 3-й курс, 1-4 модуль

Формат изучения: без онлайн-курса

Охват аудитории: для своего кампуса

Преподаватели: Аминев Дмитрий Андреевич, Варнавский Александр Николаевич, Калягин Александр Витальевич

Язык: русский

Кредиты: 3

Контактные часы: 32

Полная версия программы учебной дисциплины

Аннотация

Проектный семинар "Основы технологии производства и машинное обучение" дает базовые знания по проведению проектной деятельности; дает основы правильной постановки цели и задач исследования; учит планированию работ проекта; дает навыки креативного мышления для поиска и выбора наилучшего проектного решения. Настоящая дисциплина относится к профессиональному циклу дисциплин и входит в блок дисциплин «Практики, проектная и/или научно-исследовательская работа», обеспечивающих профессиональную подготовку.Вторая часть курса дает базовые знания по основам машинного обучения, которое направлено на создание методов и алгоритмов нахождения изначально неизвестных взаимосвязей и закономерностей в массивах данных.С помощью машинного обучения можно решать различные задачи: оценивать состояние печени по кардиограмме, предсказывать зарплату по описанию вакансии, предлагать пользователю музыку на основании его анкеты в интернете. Данными может оказаться что угодно: результаты научных экспериментов, логи банковских транзакций, метеорологические наблюдения, профили в социальных сетях — словом, всё, что может быть полезно проанализировать.

Цель освоения дисциплины

1. Обеспечить студентов базовыми знаниями принципов проектирования и технологии производства вычислительных систем. 2. Познакомить студентов с основами системного подхода к производству вычислительных систем. 3. Познакомить студентов c теоретическими и практическими методами производства вычислительных систем. 4. Познакомить студентов c технологией производства вычислительных систем. 5. Обучить студентов основам производства вычислительных систем.
1. Познокомить студентов с основными этапами процесса построения алгоритма решения задач на основе данных, инструментами решения задач машинного обучения. Обучить студентов основным методам контролируемого машинного обучения, неконтролируемого машинного обучения, обучения с подкреплением, рекомендательным системам, нейронным сетям и AutoML.

Планируемые результаты обучения

Иметь общее представление о принципах работы нейроных сетей. Уметь использовать готовые нейронные сети для анализа собственных данных
Демонстрирует знание специальных видов нейронных сетей: рекуррентные, сверточные, глубокие сети для обработки текстов (распределенные представления слов и рекурсивные нейронные сети)
Конструирует нейронные сети для решения задач классификации, регрессии и прогнозирования временных рядов
Применяет машинное обучение и нейронные сети на реальных кейсах
Интерпретировать виды нейронных сетей (сверточные, рекуррентные, глубокие), возможность изменения параметров сети (число слоев, число нейронов). Применять нейронные сети для решения практических задач.
Знать методологии производства вычислительных систем
Знать методы и схемы производства вычислительных устройств и систем.
Знать основные технологии производства вычислительных систем
Знать системный подход к производству
Знать средства планирования работ и управления производством вычислительных систем
Знает, как использовать алгоритмы и нейронные сети для сбора и верификации информации
Применяет сверточные и рекуррентные нейронные сети для анализа текста
Применяет нейронные сети для обработки изображений
Применяет нейронные сети для обработки текстов и звуков
Уметь использовать методы контроллируемого машинного обучения
Уметь использовать методы неконтролируемого машинного обучения
Умеет создавать рекомендательные системы.
Умеет разрабатывать алгоритм обучения с подкреплением.

Содержание учебной дисциплины

Общие сведения о вычислительных системах и технологиях производства, комплекс работ по созданию и этапы разработки ВС
Применение сверточных нейронных сетей Convolutional Neural Networks (CNN) для анализа изображений в микроэлектронике
Применение рекуррентных нейронных сетей Recurrent Neural Networks (RNN) в производственных процессах
Применение генеративно-состязательных сетей Generative Adversarial Networks (GAN) для синтеза и моделирования новых схем.
Применение Long Short-Term Memory (LSTM) — разновидности RNN для прогнозирования надежности и долговечности электронных устройств
Основные методы контролируемого машинного обучения
Основные методы неконтролируемого машинного обучения
Обучение с подкреплением. Рекомендательные системы
Нейронные сети. AutoML

Элементы контроля

Презентация доклада
Студент готовит доклад (ответ) по заранее выбранной теме на ~7 минут, оценивается в 10 баллов. Тему и материал преподаватель выкладывает в системе Smart LMS. На первом вводном семинаре проводится распределение тем презентаций для студентов на 2, 3, 4 семинары.
Проект технологического процесса производства в САПР
Студент устанавливает и самостоятельно осваивает САПР СПРУТ-ТП на ноутбук (ссылки инструкции в Smart LMS), создаёт технологический процесс, проводит открытие заготовок форм, операций, менеджера ресурсов. Осуществляет создание в нём операций, деталей, сборочных единиц и пр. студент осваивает самостоятельно по инструкциям.
Экзамен по основам технологии производства
Экзаменационный тест по основам технологии производства
Экзамен по основам машинного обучения
Экзамен
Активность на семинарах
Проектное задание №1
Проектное задание №2
Реферат
Возможна групповая подготовка реферата в зависимости от объема исходных данных.

Промежуточная аттестация

2023/2024 учебный год 2 модуль
0.1 * Презентация доклада + 0.4 * Проект технологического процесса производства в САПР + 0.1 * Реферат + 0.4 * Экзамен по основам технологии производства
2023/2024 учебный год 4 модуль
0.1 * Активность на семинарах + 0.1 * Активность на семинарах + 0.3 * Проектное задание №1 + 0.3 * Проектное задание №2 + 0.2 * Экзамен по основам машинного обучения

Список литературы

Авторы

Полесский Сергей Николаевич
Аминев Дмитрий Андреевич
Варнавский Александр Николаевич
Романова Ирина Ивановна
Демин Алексей Анатольевич

Программа дисциплины