• A
  • A
  • A
  • АБB
  • АБB
  • АБB
  • А
  • А
  • А
  • А
  • А
Обычная версия сайта
Бакалавриат 2026/2027

Разработка интеллектуальных приложений

ID 1270888

Статус: Курс по выбору (Программная инженерия)
Когда читается: 3-й курс, 1, 2 модуль
Охват аудитории: для своего кампуса
Язык: русский
Кредиты: 5
Контактные часы: 56

Программа дисциплины

Аннотация

Курс дает практические навыки создания интеллектуальных иммерсивных приложений: от обучения ML-моделей (Core ML, Create ML, Vision, NLP, Sound Analysis) до их интеграции в приложения, AR/VR-сцены (ARKit, RealityKit, LiDAR) и пространственные интерфейсы visionOS с управлением жестами и взглядом. Студенты освоят фотограмметрию и 3D-печать, пройдя путь от цифровой модели до физического прототипа. Также будут рассмотрены современные алгоритмы: Reinforcement Learning для игр, трансформеры, мультиагентные системы и онтологии. Программа ориентирована на разработчиков с базовым опытом программирования, желающих освоить полный цикл создания интеллектуальных приложений
Цель освоения дисциплины

Цель освоения дисциплины

  • Научиться создавать и внедрять ML-модели в iOS-приложения: от обучения в Create ML до интеграции в Core ML с оптимизацией под мобильные устройства (квантизация, прунинг). Работать с Vision, Natural Language и Sound Analysis для распознавания объектов, текста и звука.
  • Освоить полный цикл 3D-прототипирования: оцифровка реальных объектов через фотограмметрию (Object Capture), создание AR-сцен в RealityKit и подготовка моделей для 3D-печати.
  • Понять архитектуру Apple Vision Pro и научиться проектировать иммерсивные интерфейсы visionOS с учетом физиологических особенностей и типов иммерсивности.
  • Применить современные алгоритмы: Reinforcement Learning для игр, трансформерные модели для текстовых задач и базовые принципы мультиагентных систем.
  • Собрать профессиональное портфолио, включающее приложения и физический напечатанный объект, демонстрирующее навыки от сбора данных до готового цифрового и материального продукта.
Планируемые результаты обучения

Планируемые результаты обучения

  • 1. Знание инструментов Apple для машинного обучения: Core ML, Create ML, Vision, Natural Language, Sound Analysis.
  • 2. Умение интегрировать предобученные модели Core ML в iOS-приложения.
  • 3. Опыт обучения и тестирования кастомных моделей классификации изображений и звуков с использованием Create ML.
  • 4. Навыки обработки изображений и видео с Vision Framework, включая детекцию объектов и распознавание текста.
  • 5. Умение реализовать анализ естественного языка (NLP) на устройстве с помощью Natural Language Framework.
  • 6. Опыт работы со звуком: классификация аудио в реальном времени с использованием Sound Analysis.
  • 7. Навыки построения регрессионных моделей для прогнозирования на табличных данных.
  • 8. Понимание методов оптимизации моделей для мобильных устройств (квантизация, прунинг).
  • 9. Опыт интеграции ML с ARKit, RealityKit и LiDAR для приложений дополненной реальности.
  • 10. Умение использовать Metal и Vulkan для высокопроизводительной обработки медиа в сочетании с Core ML.
  • Разрабатывать и внедрять ИИ: самостоятельно обучать и оптимизировать ML-модели (Create ML, Core ML) для работы на мобильных устройствах
  • Создавать 3D-контент: оцифровывать реальный мир через фотограмметрию и готовить модели для печати на 3D-принтере и размещения в AR
  • Строить AR/VR-сцены: программировать физику и анимацию в RealityKit, а также создавать иммерсивные пространства для устройства Apple Vision Pro с нативной навигацией
  • Обрабатывать медиа и текст: применять Vision и Natural Language для распознавания лиц, текста (Live Text) и тональности в реальных сценариях
  • Мыслить системно: использовать Reinforcement Learning для игр и понимать архитектуру мультиагентных систем
Содержание учебной дисциплины

Содержание учебной дисциплины

  • Введение в интеллектуальные системы
  • Введение в разработку интеллектуальных приложений
  • Create ML + Reality Composer Pro
  • Основы виртуальной реальности и фотограмметрии
  • Основы дополненной реальности
  • Погружение в Apple Vision Pro (AVP)
  • Основы интерфейсов visionOS
  • Основы Reinforcement Learning и работа с 2D‑фреймворками
  • Трансформерные модели
  • Прогнозирование на табличных данных
  • Основы алгоритмов интеллектуальной обработки медиа-контента
  • NLP с Natural Language Framework
  • Детекция объектов с Vision Framework
  • Основы мультиагентных систем и онтологий
Элементы контроля

Элементы контроля

  • неблокирующий АК4М
    АК3М – активность в 3-м модуле и АК4М – активность в 4-м модуле, включают практические работы (задания) в компьютерном классе.
  • неблокирующий ДОК3М
    ДОК3М – очный доклад в 3-м модуле по предложенной тематике
  • неблокирующий АК3М
    АК3М – активность в 3-м модуле и АК4М – активность в 4-м модуле, включают практические работы (задания) в компьютерном классе.
  • неблокирующий ДОК4М
    ДОК4М – очный доклад в 4-м модуле по предложенной тематике
  • неблокирующий ДЗ3М
    ДЗ3М – домашние задания в 3-м модуле
  • неблокирующий ПР
    ПР – итоговый индивидуальный / командный проект (защищается в конце 4-го модуля)
  • неблокирующий ДЗ4М
    ДЗ4М – домашние задания в 4-м модуле
Промежуточная аттестация

Промежуточная аттестация

  • 2026/2027 2nd module
    0.2 * ПР + 0.15 * АК4М + 0.05 * ДОК3М + 0.15 * АК3М + 0.2 * ДЗ4М + 0.2 * ДЗ3М + 0.05 * ДОК4М
Список литературы

Список литературы

Рекомендуемая основная литература

  • iOS. Приемы программирования, Нахавандипур, В., 2015

Рекомендуемая дополнительная литература

  • Objective-C. Программирование для iOS и MacOS - 978-5-459-01567-6 - Хиллегасс А. - 2012 - Санкт-Петербург: Питер - https://ibooks.ru/products/28576 - 28576 - iBOOKS

Авторы

  • Александров Дмитрий Владимирович