Архитектура вычислительных систем

Цели и задачи дисциплины

Формирование у обучающихся теоретических основ архитектуры вычислительных систем с акцентом на современные решения, применяемые в искусственном интеллекте. Приобретение компетенций в подборе компонент аппаратных платформ для задач ИИ, включая оптимизацию вычислений и эффективность взаимодействия компонентов. Овладение методами анализа и выбора архитектурных решений для ускорения вычислений и внедрения промышленных ИИ-систем на примере реальных кейсов.

Краткое содержание дисциплины

Дисциплина посвящена основам архитектуры вычислительных систем с учетом современных технологий и решений, востребованных в сфере искусственного интеллекта. Студенты получают знания о различных типах архитектур, таких как Von Neumann и Harvard, а также современных платформах x86, ARM и RISC-V. Важной частью программы является изучение организации обработки и представления данных, включая стандарты, применяемые в ИИ. Внимание уделяется вопросам параллелизма, многоядерных систем, специализированных ускорителей – GPU, TPU, FPGA. Рассматриваются методы взаимодействия компонентов вычислительной системы, устройства хранения данных и принципы организации ввода-вывода. Изучаются серверные архитектуры, кластеры, гиперконвергентные системы и оборудование для промышленных и edge-решений в области искусственного интеллекта. Студенты осваивают навыки анализа, выбора и монтажа аппаратных платформ для ИИ-задач, а также планирования вычислительных ресурсов. Учебный процесс построен на сочетании лекций и практических заданий, включающих моделирование нагрузки, тестирование и бенчмаркинг оборудования. Для формирования компетенций применяются тесты, групповые задания и кейсы, направленные на решение реальных инженерных задач. Программа предусматривает самостоятельную работу с профильной литературой и использованием современного программного обеспечения, например, системы виртуализации Oracle VirtualBox, дистрибьютеров Linux и языка программирования Python.

Компетенции обучающегося, формируемые в результате освоения дисциплины

Выпускник должен обладать:

ПК-1 [LC-5] Способен применять и (или) проектировать различные инструменты и инженерные практики промышленной разработки систем ИИ, развертывания и сопровождения моделей машинного обучения в продуктивной среде