Кіберфізичні системи (ІСТ)
Тип: На вибір студента
Кафедра: радіоелектронних і комп'ютерних систем
Навчальний план
Семестр | Кредити | Звітність |
5 | 6 | Залік |
Лекції
Семестр | К-сть годин | Лектор | Група(и) |
7 | 32 | Сінькевич О. О. | ФеС-41 |
Лабораторні
Семестр | К-сть годин | Група | Викладач(і) |
7 | 32 | ФеС-41 | Сінькевич О. О. |
Опис навчальної дисципліни
Метою викладання навчальної дисципліни є одержання студентами знань про види КС та сучасні підходи до програмної розробки таких систем з використанням мови програмування Python 3; опанування навичок проектування КС на базі мікроконтролерної техніки сімейства STM32; ознайомлення з архітектурою нейронних мереж для обробки та моделювання даних для КС; набуття студентами практичних вмінь застосування алгоритмів машинного навчання до КС.
Основні завдання вивчення дисципліни: навчити студентів використовувати Python для створення алгоритмів машинного навчання під потреби КС на базі мікроконтролера STM32; надати студентам розуміння та практичні навички для створення програмно-апаратного комплексу КС від етапу обробки і моделювання даних до розгортання відповідних моделей штучних нейронних мереж на периферійному (граничному) пристрої.
Згідно з вимогами освітньо-професійної програми студенти повинні:
знати: сучасні тенденції розвитку інформаційних систем і технологій, демонструвати практичні навички програмування та використання прикладних і спеціалізованих комп’ютерних систем і комунікаційних технологій у професійній діяльності; процес створення чітко структурованих програм на мові Python під потреби КС; основи рекурентних нейронних мереж; механізм розгортання написаних моделей машинного навчання на мікроконтролері, а також інший теоретичний і практичний матеріал згідно програми курсу.
вміти: застосовувати засвоєний матеріал для створення програмного забезпечення КС; створювати та використовувати сучасні нейромережеві архітектури для потреб моделювання даних КС; демонструвати навички використання інструментальних засобів інформаційних технологій під час проектування інформаційних систем і розроблення ІТ рішень для розвитку та управління бізнесом.
Рекомендована література
- Pardeep Kumar, Vasaki Ponnusamy, Vishal Jain. Industrial Internet of Things and Cyber-Physical Systems: Transforming the Conventional to Digital. Advances in Computer and Electrical Engineering. Engineering Science Reference. – 2021. – 458 c.
- Xun (Brian) Wu, Sudarshan Kadambi, Devram Kandhare, Aaron Ploetz. Seven NoSQL Databases in a Week. Packt Publishing Ltd. -2018. – 308 c.
- B. V. Vishwas, Ashish Patel. Hands-on Time Series Analysis with Python. Apress. – 2020. – 420 c.
- Warren Gay. Beginning STM32. Technology in Action. Apress. – 2018. – 432 c.
- Carmine Noviello. Mastering STM32. Lean Publishing. – 2018. – 852 c.
- Andrew W. Trask. Grokking Deep Learning. Manning Publications; 1st edition. – 2019. – 354 c.
- Charu C. Aggarwal. Neural Networks and Deep Learning. Textbook. Springer. – 2018. – 512 c.
- Jason Brownlee. Clever Algorithms. Nature-Inspired Programming Recipes. – 2011. – 437 c.
- A. Vasuki. Nature-Inspired Optimization Algorithms. CRC Press. – 2020. – 275 c.
- Himanshu Singh. Practical Machine Learning and Image Processing: For Facial Recognition, Object Detection, and Pattern Recognition Using Python. Apress. – 2019. – 177 c.
- Umberto Michelucci. Advanced Applied Deep Learning: Convolutional Neural Networks and Object Detection. Apress. – 2019. – 294 c.
- Agus Kurniawan. IoT Projects with NVIDIA Jetson Nano: AI-Enabled Internet of Things Projects for Beginners. Apress. – 2021. – 127 c.