Жасанды интеллект элементтерін аппараттық-бағадарламалық іске асыру

Мейрамханов Т.Ж. - Магистр,сеньор-лектор, Саттыкова Б.Е.- Магистр, ассистент, 1.1 ЖАОК сипаттамасы Пән жеке компьютерлерде және қажет болған жағдайда Google Colab бұлтты ортасында жасанды интеллект модельдерін дайындау, түрлендіру және орналастырудың практикалық дағдыларын қалыптастыруға бағытталған. Модельдерді оқыту (Keras, scikit-learn), LiteRT (бұрынғы TensorFlow Lite) және ONNX форматтарына түрлендіру, ONNX Runtime және OpenVINO көмегімен CPU-да инференцияны орындау, жаттығудан кейінгі кванттауды қолдану және өнімділіктің негізгі өлшемдері қарастырылады. Жасанды интеллект моделін дайындау, оны мақсатты форматқа түрлендіру және жергілікті немесе бұлтты ортада дұрыс орналастыру, қайталанатын өнімділік өлшемдерін (кідіріс, FPS, Өлшем, сапа) орындау қабілетін қалыптастыру. 1.2 Оқудың міндеттері: 1.5 пәнді оқыту нәтижелері: - деректерді дайындау және базалық модельді оқыту; экспорттау/түрлендіру .tflite және .onnx; ONNX Runtime және OpenVINO-да CPU-да инференцияны іске қосу; post-training quantization (PTQ) негізгі әдістері; қайталанатын есептерді шығару. - LiteRT (бұрынғы TensorFlow Lite), ONNX Runtime, OpenVINO мақсатын дұрыс түсіндіреді; — қарапайым модельді түрлендіреді (keras → tflite/ONNX) және оны CPU/Colab-та іске қосады; — ptq қолданады және сапаны/жылдамдықты / кейін салыстырады; - кідірісті (latency), FPS және модель өлшемін өлшейді; - ойнатылатын есепті (сценарийлерді, бағдарламалық нұсқаларды, қадамдарды)ресімдейді 1.4 Пререквизиттер. Жасанды нейрондық желілерді дамыту. 1.5 Постреквизиттер. Интеллектуалды басқару жүйелері 1.5 5 кредит/45 1.6 Курстың күрделілік деңгейі: орташа