Проектный семинар «Основы технологии производства и машинное обучение»

Бакалавриат 2022/2023

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, Демин Алексей Анатольевич, Полесский Сергей Николаевич

Язык: русский

Кредиты: 3

Контактные часы: 32

Дополнительные материалы в LMS Задать вопрос

Аннотация

Проектный семинар «Основы технологии производства и машинное обучение» объединяет принципы современной промышленности (Industry 4.0, станки с ЧПУ, цифровизация производственных процессов) и методы машинного обучения для анализа данных, моделирования и автоматизации производственных задач. Цель курса — сформировать у студентов целостное представление о том, как данные промышленных систем применяются для повышения эффективности, качества и надёжности производства. Рассматриваются сбор и обработка промышленных данных, построение моделей для предиктивного обслуживания, контроля качества, оптимизации параметров процессов и автоматизации разработки управляющих программ для станков с ЧПУ. Особое внимание уделяется выбору методов в зависимости от задачи (контролируемое и неконтролируемое обучение, обучение с подкреплением, рекомендательные системы и ассоциативные правила, нейронные сети и глубокое обучение), а также вопросам интерпретации моделей, валидации эффективности и внедрения в производственную среду. По итогам курса студенты смогут формулировать ML-задачи, подбирать и адаптировать алгоритмы, работать с промышленными данными и создавать решения, интегрируемые в технологические процессы.

Цель освоения дисциплины

Сформировать целостное представление о взаимодействии Industry 4.0, станков с ЧПУ и современных методов машинного обучения в производственных системах.
Развить практические навыки сбора, подготовки и анализа промышленных данных, выбора и применения ML-методов для оптимизации процессов, качества и надёжности оборудования.

Планируемые результаты обучения

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

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

Элементы контроля

Презентация доклада, оценивается на 1 балл
Студент готовит доклад (ответ) по заранее выбранной теме на ~7 минут, оценивается в 1 балл. 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.
Алгоритм на примере задачи коммивояжера и распознавание речи и обработки текста
2 задания, оцениваемых на 1 балл каждое: Алгоритм Имитации отжига на примере задачи коммивояжера Библиотеки распознавания речи и обработки текста Vosk, Kaldi, Rosa
Обработка изображений с Keras и TensorFlow и применение алгоритма Transfer Learning
2 практических задания, оцениваемых на 1 балл каждое: Библиотеки для обработки изображений Keras и TensorFlow Применение алгоритма Transfer Learning для классификации ранее неизвестных объектов на основе похожих известных.
Экзамен по машинному обучению
Экзамен по основам технологии производства
Экзаменационный тест по основам технологии производства

Промежуточная аттестация

2022/2023 учебный год 2 модуль
0.2 * Презентация доклада, оценивается на 1 балл + 0.4 * Проект технологического процесса производства в САПР + 0.4 * Экзамен по основам технологии производства
2022/2023 учебный год 4 модуль
0.2 * Экзамен по машинному обучению + 0.4 * Алгоритм на примере задачи коммивояжера и распознавание речи и обработки текста + 0.4 * Обработка изображений с Keras и TensorFlow и применение алгоритма Transfer Learning

Список литературы

Авторы

Полесский Сергей Николаевич
Демин Алексей Анатольевич
Аминев Дмитрий Андреевич

Программа дисциплины