Проектный семинар «Основы технологии производства и машинное обучение»

Бакалавриат 2024/2025

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: Варнавский Александр Николаевич, Трубочкина Надежда Константиновна

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

Машинное обучение в производственных системах
Основные методы контролируемого машинного обучения
Основные методы неконтролируемого машинного обучения
Обучение с подкреплением. Рекомендательные системы
Нейронные сети. AutoML
Введение в производство микросхем. Обзор применения нейросетей для производства микроэлектронных устройств.
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
Применение автоэнкодеров для сжатия данных и восстановления информации при оптимизации проектирования
Применение Deep Reinforcement Learning (DRL) — Глубокого обучения с подкреплением для улучшения производственных процессов
Экзаменационные Проекты

Элементы контроля

Экзамен по основам машинного обучения
Активность на семинарах
Проектное задание №1
Проектное задание №2
Экзамен по основам технологии производства
Проект по применению нейросетей в производстве вычислительных систем и сетей

Промежуточная аттестация

2024/2025 2nd module
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
2024/2025 4th module
0.8 * Проект по применению нейросетей в производстве вычислительных систем и сетей + 0.2 * Экзамен по основам технологии производства

Список литературы

Авторы

Варнавский Александр Николаевич
Трубочкина Надежда Константиновна
Полесский Сергей Николаевич
Романова Ирина Ивановна

Программа дисциплины