Современные методы программной обработки сигналов сенсоров различных типов

Описание программы

В данной программе рассматриваются современные методы обработки данных как от сенсоров различных типов, так и полученных другими способами. Круг практических задач их применения весьма широк, от получения изображений до обработки финансовых данных и моделирования физических процессов. В частности, речь пойдет о способах уменьшения размерности матриц, содержащих данные без существенной потери полезной информации, таких как сингулярное разложение – SVD, сжатое зондирование – compressed sensing и др. Данные методы реализованы в виде библиотечных функций во многих языках программирования, например, Python, R, в таких пакетах математической обработки как Matlab и др. Сами методы обработки продолжают совершенствоваться и курс призван помочь применять эти методы осознанно и эффективно. Практическая часть курса будет реализовываться с использованием языка Python.

Курс предназначен для разработчиков систем обработки данных для задач сенсорики.

Программа разработана в рамках Генерального соглашения между ТУСУР и Московским институтом электронной техники.

Рекомендуемая подготовка слушателей:

• обязательно наличие высшего образования
• знание линейной алгебры в пределах университетского курса,
• навыки работы с ПК и Интернетом, основные знания и умения работы с ОС Windows, основы программирования на Python, знание технического английского языка.

Программа курса:

1. Введение
   Причины появления новых методов обработки данных. Краткий обзор.
    
2. Сингулярное разложение для обработки данных сенсоров
   Практика: примеры задач и решений в Python
    
3. Метод главных компонент как пример сингулярного разложения
   Практика: примеры задач и решений в Python
    
4. Преобразование данных сенсоров для эффективной обработки на примере преобразования Фурье
   Практика: примеры задач и решений в Python
    
5. Как работает камера с однопиксельным сенсором
    
6. Разреженность данных от сенсоров и методика сжатого зондирования
   Практика: примеры задач и решений в Python

После окончания курса вы будете знать:

• Современные методы обработки данных, применяемые для широкого спектра прикладных задач;
• Математические принципы работы таких методов как SVD, compressed sensing, RPCA;
• В каких прикладных областях используются рассмотренные методы обработки данных;
• Перспективы развития средств и методов обработки данных.

После окончания курса вы будете уметь:

• Использовать такие методы обработки данных, как SVD, преобразование Фурье, сжатое зондирование, RPCA для решения прикладных задач;
• Оценить границы применимости выбранного метода обработки;
• Анализировать полученные результаты;
• Использовать современные информационно-коммуникационные технологии, в том числе специализированное программное обеспечение для решения задач обработки данных и проведения расчетов.

Продолжительность обучения:

• учебная программа: 72 часа.

Форма обучения:

• заочная с применением дистанционных образовательных технологий.

Выдаваемые документы:

• удостоверение о повышении квалификации ведущего государственного технического вуза.