Wierk - Wydział Informatyki, Elektroniczne Ramy Kwalifikacji

Wydział Informatyki
Kierunek studiów	Informatyka							Poziom i forma studiów	pierwszego stopnia inżynierskie stacjonarne
Specjalność / Ścieżka dyplomowania	---							Profil kształcenia	ogólnoakademicki
Nazwa przedmiotu	Sieci neuronowe w systemach wbudowanych							Kod przedmiotu	INF1SNW
								Rodzaj przedmiotu	obieralny
Forma zajęć i liczba godzin	W	Ć	L	P	Ps	T	S	Semestr	5
	26				30			Punkty ECTS	5
Przedmioty wprowadzające	Architektura komputerów (INF1AKO), Podstawy programowania (INF1PPR),
Cele przedmiotu	Celem przedmiotu jest przekazanie wiedzy i umiejętności z zakresu zasad działania, tworzenia i stosowania sieci neuronowych w systemach wbudowanych. Studenci poznają specyfikę sieci neuronowych wykorzystywanych w urządzeniach o ograniczonych zasobach pamięci i wydajności obliczeniowej. Słuchacze nauczą się implementacji sieci neuronowych w systemach wykorzystujących architekturę STM32 Odniesienia do standardu SFIA: Programming/software development PROG - poziom 3 Real-time/embedded systems development RESD - poziom 3
Treści programowe	Wykład 1 Sieci neuronowe - podstawowe koncepcje 2 Rachunek macierzowy używany w sieciach neuronowych 3 Optymalizacja jednowymiarowa na potrzeby sieci neuronowych 4 Optymalizacja wielowymiarowa na potrzeby sieci neuronowych 5 Reprezentacja liczb w systemach wbudowanych i błędy obliczeniowe 6 Sieci neuronowe - perceptrony i warstwy 7 Algorytmy uczenia sieci NN 8 Sieci rekurencyjne - modelowanie obiektów dynamicznych 9 Rodzina STM32N6 Neutral-ART akcelerator Pracownia specjalistyczna 1 Projekt - implementacja oprogramowania do rachunku macierzowego 2 Projekt - implementacja metod optymalizacyjnych 4 Projekt -tworzenie własnych implementacji sieci NN 5 Projekt sieci neuronowej implementowanej w STM32N6
Metody dydaktyczne	metoda projektów, programowanie z użyciem komputera, wykład problemowy, odczyt, wykład informacyjny,
Forma zaliczenia	Wykład - zaliczenie pisemne Ps- realizacja projektów
Symbol efektu uczenia się	Zakładane efekty uczenia się								Odniesienie do kierunkowych efektów uczenia się
EU1	budowę i specyfikę sieci neuronowych stosowanych w systemach wbudowanych								H1_W03 INF1_W11
EU2	sposoby uczenia sieci neuronowych przy ograniczonych zasobach sprzętowych								INF1_W10 INF1_W14
EU3	zbudować samodzielne bibliotekę oprogramowania do rachunku macierzowego								INF1_U04 INF1_U05 INF1_U07 INF1_U13
EU4	napisać samodzielnie oprogramowanie sieci neuronowej na platformy wbudowane								INF1_U06 INF1_U08
EU5	optymalizacji realizowanych aplikacji pod względem wykorzystywanych zasobów								INF1_U04 INF1_U06
Symbol efektu uczenia się	Sposób weryfikacji efektu uczenia się								Forma zajęć na której zachodzi weryfikacja
EU1	zaliczenie pisemne								W
EU2	zaliczenie pisemne								W
EU3	ocena wykonania projektu								Ps
EU4	ocena wykonania projektu								Ps
EU5	ocena wykonania projektu								Ps
Bilans nakładu pracy studenta (w godzinach)									Liczba godz.
Wyliczenie
	1 - Udział w wykładach								26
	2 - Udział w pracowni specjalistycznej								30
	3 - Wykonanie projektów programistycznych								55
	4 - Udział w konsultacjach								4
	5 - Przygotowanie do zaliczenia wykładu								10
RAZEM:									125
Wskaźniki ilościowe									GODZINY	ECTS
Nakład pracy studenta związany z zajęciami wymagającymi bezpośredniego udziału nauczyciela									60 (1)+(2)+(4)	2.4
Nakład pracy studenta związany z zajęciami o charakterze praktycznym									95 (2)+(3)+(5)	3.8
Literatura podstawowa	1. Joseph Yiu ARM Ltd. (2014): The Definitive Guide to ARM Cortex-M3 and Cortex-M4 Processors. Third Edition, Elsevier 2. Haykin S. (2009): Neural Networks and Learning Machines. Third Edition, Pearson Prentice Hall 3. Fine T.L. (1999): Feedforward Neural Network Methodology. Springer-Verlag New York
Literatura uzupełniająca	1. Cristianini N. i Shawe-Taylor J. (2000): An Introduction to Support Vector Machines. Cambridge University Press 2. Venkataraman P. (2009): Applied Optimization with MatLab Programming. Second Edition, John Wiley 3. Watkins D.S. (2010): Fundamentals of Matrix Computation. Third Edition, John Wiley
Jednostka realizująca	Katedra Mediów Cyfrowych i Grafiki Komputerowej								Data opracowania programu
Program opracował(a)	dr inż. Mirosław Omieljanowicz								2025.05.30