Бакалавриат
2026/2027





Разработка интеллектуальных приложений
ID 1270888
Статус:
Курс по выбору (Программная инженерия)
Кто читает:
Департамент программной инженерии
Где читается:
Факультет компьютерных наук
Когда читается:
3-й курс, 1, 2 модуль
Охват аудитории:
для своего кампуса
Преподаватели:
Александров Дмитрий Владимирович
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
- 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
- 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
- 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
- АК4МАК3М – активность в 3-м модуле и АК4М – активность в 4-м модуле, включают практические работы (задания) в компьютерном классе.
- ДОК3МДОК3М – очный доклад в 3-м модуле по предложенной тематике
- АК3МАК3М – активность в 3-м модуле и АК4М – активность в 4-м модуле, включают практические работы (задания) в компьютерном классе.
- ДОК4МДОК4М – очный доклад в 4-м модуле по предложенной тематике
- ДЗ3МДЗ3М – домашние задания в 3-м модуле
- ПРПР – итоговый индивидуальный / командный проект (защищается в конце 4-го модуля)
- ДЗ4МДЗ4М – домашние задания в 4-м модуле
Промежуточная аттестация
- 2026/2027 2nd module0.2 * ПР + 0.15 * АК4М + 0.05 * ДОК3М + 0.15 * АК3М + 0.2 * ДЗ4М + 0.2 * ДЗ3М + 0.05 * ДОК4М
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