Проектный семинар «Основы технологии производства и машинное обучение»

Бакалавриат 2026/2027

ID 1120778

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: 3-й курс, 1-4 модуль

Охват аудитории: для своего кампуса

Преподаватели: Варнавский Александр Николаевич, Грошев Максим Сергеевич, Петров Артем Евгеньевич

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 методов машинного обучения для оптимизации процессов, качества и надежности оборудования.

Планируемые результаты обучения

Студент имеет общее представление о принципах работы нейронных сетей и умеет использовать готовые нейронные сети для анализа собственных данных.
Студент демонстрирует знание специальных видов нейронных сетей: рекуррентные, сверточные, глубокие сети для обработки текстов (распределенные представления слов и рекурсивные нейронные сети).
Студент конструирует нейронные сети для решения задач классификации, регрессии и прогнозирования временных рядов.
Студент применяет машинное обучение и нейронные сети на реальных кейсах.
Студент интерпретирует виды нейронных сетей (сверточные, рекуррентные, глубокие), возможность изменения параметров сети (число слоев, число нейронов) и применяет нейронные сети для решения практических задач.
Студент знает, как использовать алгоритмы и нейронные сети для сбора и верификации информации.
Студент применяет сверточные и рекуррентные нейронные сети для анализа текста.
Студент применяет нейронные сети для обработки изображений.
Студент применяет нейронные сети для обработки текстов и звуков.
Студент умеет использовать методы контролируемого машинного обучения.
Студент умеет использовать методы неконтролируемого машинного обучения.
Студент умеет рассчитывать режимы резания и параметры техпроцесса изготовления изделий на станках с ЧПУ.
Студент умеет работать с симулятором станка с ЧПУ.
Студент умеет разрабатывать управляющие программы для станков с ЧПУ на языке ISO 7bit.
Студент умеет использовать искусственный интеллект для автоматизации проектирования деталей и подготовки управляющих программ.
Студент умеет проводить разведочный анализ данных.

Содержание учебной дисциплины

Введение в машинное обучение
Разведочный анализ данных (EDA).
Признаки и предобработка данных.
Контролируемое машинное обучение.
Неконтролируемое машинное обучение.
Временные ряды в ML.
Нейросети: основы обучения и архитектуры
Industry 4.0 и цифровое производство.
Основы обработки и программирования ЧПУ.
Интеллектуальная диагностика и аналитика станков с ЧПУ.
Принципы разработки УП с помощью CAD/CAM-систем.
Искусственный интеллект для автоматизации разработки управляющих программ для станков с ЧПУ.

Элементы контроля

Экзамен
Проект принимает преподаватель курса или другие сотрудники НИУ ВШЭ
Экзамен
Активность на семинарах
Домашнее задание
AVG_Активность на семинарах
AVG_Активность на семинарах: Активность - это среднее значение баллов, полученных за активность на семинаре/квиз (короткий тест по предыдущей лекции, проводится синхронно на занятиях);
AVG_Домашнее задание:
AVG_Домашнее задания: Домашнее задание - это среднее значение баллов, полученных за домашние задания (с ручной проверкой/тест/контест)

Промежуточная аттестация

2026/2027 2nd module
Формула оценивания: AVG_Активность на семинарах: Активность * 0.100+ AVG_Домашнее задание: Домашнее задание * 0.600 + Экзамен: Устный опрос * 0.300 Комментарии по компонентам: AVG_Активность на семинарах: Активность - это среднее значение баллов, полученных за активность на семинаре/квиз в 1-2 модулях (короткий тест по предыдущей лекции, проводится синхронно на занятиях); AVG_Домашнее задания: Домашнее задание - это среднее значение баллов, полученных за домашние задания в 1-2 модулях (с ручной проверкой/тест/контест) Экзамен: Устный опрос - опрос по билетам по всем темам 1-2 модулей.
2026/2027 4th module
0.4 * Экзамен + 0.2 * Домашнее задание + 0.1 * Активность на семинарах

Список литературы

Авторы

Полесский Сергей Николаевич
Юнышева Анастасия Владимировна
Варнавский Александр Николаевич
Трубочкина Надежда Константиновна
Аминев Дмитрий Андреевич
Романова Ирина Ивановна
Демин Алексей Анатольевич

Программа дисциплины