Системы искусственного интеллекта на основе микроконтроллеров

Бакалавриат 2025/2026

Статус: Курс обязательный (Информатика и вычислительная техника)

Кто читает: Департамент компьютерной инженерии

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

Когда читается: 4-й курс, 3 модуль

Охват аудитории: для своего кампуса

Преподаватели: Попов Дмитрий Александрович

Язык: русский

Кредиты: 3

Дополнительные материалы в LMS Задать вопрос

Аннотация

Курс посвящен аспектам реализации алгоритмов машинного обучения в системах с низким энергопотреблением с целью выполнения автоматизированных задач. Студенты приобретут знания в областях: машинного обучения и встраиваемых систем; оптимизации моделей машинного обучения; обучения и развертки моделей на маломощных устройствах. На практических занятиях приобретается опыт программирования микроконтроллеров, разработки устройств для распознавания изображений и обработки звука. Курс углубляет знания, полученные студентами в курсах «Объектно-ориентированное программирование», «Микроконтроллерные системы», «Основы технологии производства и машинное обучение», «Функциональные узлы и компоненты систем управления». Полученные при изучении курса знания применяются при прохождении практики, в работе над проектами, выполнении ВКР.

Цель освоения дисциплины

Формирование знаний в области применения методов искусственного интеллекта в встраиваемых микроконтроллерных системах
Формирование способностей адаптации и оптимизации нейросетевых моделей для исполнения в условиях ограниченных вычислительных ресурсов
Формирование умений разработки аппаратно-программных решений, интегрирующих компоненты машинного обучения в системы контроля и управления
Формирование навыков работы с современными фреймворками для внедрения нейросетей на микроконтроллерах
Формирование способностей проведения экспериментальных исследований и оценки эффективности встроенных ИИ-систем в реальных условиях
Формирование умений подготовки технической документации и обоснований по выбору архитектурных решений при проектировании интеллектуальных встраиваемых систем

Планируемые результаты обучения

Знание принципов интеграции методов машинного обучения в микроконтроллерные системы. Понимание ограничений и возможностей таких систем.
Знание архитектур, фреймворков и программных средств, применяемых для внедрения ИИ на микроконтроллерах.
Навыки самостоятельной работы с аппаратными и программными средствами для реализации интеллектуальных функций в встраиваемых системах.
Умение выбирать и адаптировать нейросетевые модели для исполнения на устройствах с ограниченными вычислительными ресурсами
Навыки разработки, оптимизации и отладки встроенных ИИ-приложений с использованием специализированных инструментов

Содержание учебной дисциплины

Архитектура микроконтроллеров, применяемых для систем искусственного интеллекта
Основы машинного обучения и нейросетевых вычислений
Оптимизация нейросетей: квантование, прореживание, дистилляция
Реализация нейросетей на микроконтроллерах с ограниченными ресурсами
Примеры интеллектуальных задач: классификация сигналов, обнаружение аномалий, компьютерное зрение, распознавание речи и жестов
Интерфейсы связи и интеграция ИИ с внешними сенсорами и исполнительными устройствами
Архитектуры малоресурсных нейросетей

Элементы контроля

Экзамен
Проводятся по экзаменационным билетам, которые содержат 2 вопроса. На подготовку к ответу отводится 20 минут.
Опрос на лекции
Является частью накопленной оценки. Накопленные элементы контроля (Практические занятия, Опрос на лекциях, Домашняя работа, Активность) составляют 80% от оценки за модуль. При расчете итоговой оценки за модуль накопленная оценка округляется до целого. Сдача теста после крайнего срока - понижение оценки на 30%.
Практические занятия
Является частью накопленной оценки. Накопленные элементы контроля (Практические занятия, Опрос на лекциях, Домашняя работа, Активность) составляют 80% от оценки за модуль. При расчете итоговой оценки за модуль накопленная оценка округляется до целого. Защита отчета по практической работе после установленного срока защиты для соответствующей работы принимается с понижением на 30%.
Домашнее задание
Является частью накопленной оценки. Накопленные элементы контроля (Практические занятия, Опрос на лекциях, Домашняя работа, Активность) составляют 80% от оценки за модуль. При расчете итоговой оценки за модуль накопленная оценка округляется до целого. Защита домашнего задания возможно двумя способами: 1. Во время практических занятия студент очно отвечает на вопросы преподавателя - максимальная оценка 10 баллов. 2. Студент загружает отчет в соответствующий пункт раздела курса в системе SmartLMS до окончания установленного срока - максимальная оценка 6 баллов. Защита отчета по домашнему заданию после установленного срока принимается с понижением на 30%.
Активность
Является частью накопленной оценки. Накопленные элементы контроля (Практические занятия, Опрос на лекциях, Домашняя работа, Активность) составляют 80% от оценки за модуль. При расчете итоговой оценки за модуль накопленная оценка округляется до целого.

Промежуточная аттестация

2025/2026 3rd module
0.04 * Активность + 0.48 * Домашнее задание + 0.04 * Опрос на лекции + 0.24 * Практические занятия + 0.2 * Экзамен

Список литературы

Авторы

Попов Дмитрий Александрович

Программа дисциплины