Основи мікропроцесорної техніки
Освітня програма: Фізика
Структурний підрозділ: Фізичний факультет
Назва дисципліни
Основи мікропроцесорної техніки
Код дисципліни
ВКП 8.
Тип модуля
Вибіркова дисципліна для ОП
Цикл вищої освіти
Перший
Рік навчання
2023/2024
Семестр / Триместр
6 Семестр
Кількість кредитів ЕСТS
3
Результати навчання
1.1 знати архітектуру сучасних мікропроцесорів
2.1 Практичні схеми з використанням мікропроцесорів для задач ядерно фізичного експерименту та робототехніки
3.1 Алгоритми комп’ютерного зору для задач ядерної робототехніки
4.1 Застосовувати нейронних мереж в мікропроцесорних пристроях ля задач ядерно фізичного експерименту та ядерної робототехніки
Форма навчання
Очна форма
Попередні умови та додаткові вимоги
-Успішне опанування основних курсів фізики: «Механіка», «Молекулярна фізика», «Електрика», «Оптика».
-Вміти розв’язувати задачі з основних курсів фізики.
-Знати мови програмування С++ та Python.
-Студент повинен знати основи будови аналогових і цифрових спектрометричних трактів.
-Розуміти принципи роботи логічних елементів і функціональних пристроїв обчислювальної техніки.
Зміст навчальної дисципліни
надання студентам:
- необхідних теоретичних відомостей з застосування мікропроцесорів в ядерно-фізичному експерименті та ядерній робототехніці;
- практичних навичок роботи з автоматизованими приладами ядерної електроніки та програмування мікроконтролерів;
- вміння досліджувати і проектувати мікроконтролері пристрої для задач ядерно фізичного експерименту та ядерної робототехніки.
Рекомендована та необхідна література
[1] Таненбаум Ендрю, Остін Тодд. Архітектура комп'ютера (6-те видання). 2013 року.
[2] Robert F. Stengel. Robotics and Intelligent Systems. Princeton. University Princeton, NJ. 2017. http://stengel.mycpanel.princeton.edu/RISVirText.html
[3] Роберт Букарев. Основи робототехніки 3-тє вид. 2010 року.
[4] Joe Minichino and Joseph Howse. Learning OpenCV 4 Computer Vision with Python 3. 2020.
[5] Хенрік Брінк, Джозеф Річардс, Марк Феверолф. "Машинне навчання" 2017.
[6] Francis X. Govers. Artificial Intelligence for Robotics: Build Intelligent Robots that Perform Human Tasks Using AI Techniques. 2018.
Заплановані освітні заходи та методи викладання
Лекційна демонстрація; самостійна робота; консультації.
Методи та критерії оцінювання
семестрове оцінювання:
1. Опитування при проведенні лекційних занять (максимум – 50 балів).
2. Виконання самостійних практичних завдань (максимум – 50 балів).
3.Підсумкове оцінювання у формі заліку
Мова викладання
українська
Викладачі
Ця дисципліна викладаеться наступними викладачами
Кафедри
Наступні кафедри задіяні у викладанні наведеної дисципліни