Спеціальність: F3 Комп'ютерні науки (Штучний інтелект та робототехніка). ОС: Магістр. Семестр: 1. ЄКТС: 4.
Розподіл годин: Лекції - 30. Лабораторні - 30. Самостійна робота - 60. Підсумковий контроль: Екзамен.
Анотація: Дисципліна спрямована на формування знань та практичних навичок збору, обробки, фільтрації та візуалізації даних із сенсорних і робототехнічних систем. Студенти опановують роботу з мікроконтролерами, цифровими та аналоговими сенсорами, методи попередньої обробки, класифікації та кластеризації даних. Курс поєднує теоретичні знання з практичними лабораторними роботами та самостійними завданнями, забезпечуючи комплексне розуміння циклу роботи з даними для застосування методів машинного навчання та штучного інтелекту. Робоча програма
- Викладач: Крушельницький Віктор Васильович
- Викладач: Ромасевич Юрій Олександрович
Спеціальність: F3 Комп'ютерні науки (Штучний інтелект та робототехніка). ОС: Магістр. Семестр: 1. ЄКТС: 4.
Розподіл годин: Лекції - 30. Лабораторні - 30. Самостійна робота - 60. Підсумковий контроль: Екзамен.
Анотація: Тут напишіть в один абзац анотацію своєї дисципліни. Робоча програма
- Викладач: Матієвський Володимир Валерійович
Спеціальність: F3 Комп'ютерні науки (Штучний інтелект та робототехніка). ОС: Магістр. Семестр: 1. ЄКТС: 4.
Розподіл годин: Лекції - 15. Лабораторні - 30. Самостійна робота - 75. Підсумковий контроль: Екзамен.
Анотація: Курс знайомить студентів з сучасними методами й інструментами аналізу візуальної інформації та сенсорних даних. Охоплює базові концепції глибокого навчання для задач детекції, сегментації та класифікації, зокрема: класифікація ґрунтів за допомогою Deep Learning і виявлення пошкоджень від надзвичайних ситуацій з використанням EfficientNet на базі TensorFlow/Keras та ResNet-18 у PyTorch. Крім того, студенти освоюють застосування інструментів PyCDA, OpenCV, Florence, YOLO й інших методів машинного навчання для вирішення реальних завдань обробки сенсорних даних.
Робоча програма
- Викладач: Кравченко Володимир Миколайович