ОБЩЕСТВО С ОГРАНИЧЕННОЙ ОТВЕТСТВЕННОСТЬЮ «ИНСТИТУТ НЕПРЕРЫВНОГО ОБРАЗОВАНИЯ И ПРОФЕССИОНАЛЬНОГО РАЗВИТИЯ» УТВЕРЖДАЮ Генеральный директор ДОПОЛНИТЕЛЬНАЯ ПРОФЕССИОНАЛЬНАЯ ПРОГРАММА ПОВЫШЕНИЯ КВАЛИФИКАЦИИ «Специалист по мехатронике и мобильной робототехники» 144 часа Москва 2025 ОБЩЕСТВО С ОГРАНИЧЕННОЙ ОТВЕТСТВЕННОСТЬЮ «ИНСТИТУТ НЕПРЕРЫВНОГО ОБРАЗОВАНИЯ И ПРОФЕССИОНАЛЬНОГО РАЗВИТИЯ» ООО «ПРОФМИР» УЧЕБНЫЙ ПЛАН программы повышения квалификации «Специалист по мехатронике и мобильной робототехники» № п/п Наименование дисциплин (модулей, курсов) I Специалист по мехатронике и мобильной робототехники II Всего контактн. ч Контактные часы Общая трудоемкост ь, ч. синхрон. асинхрон. лекции лабораторные работы практические и семинарские занятия 142 60 12 21 - 51 СРС, ч Форма аттестации 70 Зачет Защита итогового проекта Итоговая аттестация 2 1 1 - - 2 - Итого 144 - - 21 - 53 70 ОБЩЕСТВО С ОГРАНИЧЕННОЙ ОТВЕТСТВЕННОСТЬЮ «ИНСТИТУТ НЕПРЕРЫВНОГО ОБРАЗОВАНИЯ И ПРОФЕССИОНАЛЬНОГО РАЗВИТИЯ» ООО «ПРОФМИР» УЧЕБНО-ТЕМАТИЧЕСКИЙ ПЛАН программы повышения квалификации «Специалист по мехатронике и мобильной робототехники» Категория слушателей: – лица, имеющие среднее профессиональное или высшее образование Срок обучения: – от 6 недель Форма обучения: – очно-заочная, исключительно с применением ЭО и ДОТ Режим занятий: – до 24 часов в неделю № п/п I 1. 1.1 1.2 1.3 Наименование дисциплин (модулей, курсов), разделов, тем Специалист по мехатронике и мобильной робототехники Раздел 1. Основы мехатроники и мобильной робототехники Введение в мир мехатроники и мобильной робототехники: концепции, эволюция и перспективы Математические основы мехатроники и робототехники. Основы электротехники и электроники Всего контакт. ч. Контактные часы Общая трудоемкост ь, ч. синхрон. асинхрон. лекции 142 58 14 53 20 6 лабораторн ые работы практические и семинарские занятия СРС, ч Форма аттестации 29 - 41 72 Зачет 4 9 - 15 29 3 - 3 - - 3 6 2 1 1 - 2 3 7 3 - 1 - 2 4 Задание 1 1.4 1.5 1.6 1.7 1.8 2. 2.1 2.2 2.3 2.4 2.5 2.6 2.7 2.8 2.9 2.10 2.11 Микроконтроллеры в Мехатронике и робототехнике: архитектура, программирование, взаимодействие Теория автоматического управления: системы, обратная связь и регуляторы Введение в программирование на Python Модули и библиотеки Python, применяемые для решения задач в мехатронике Введение в нейронные сети и искусственный интеллект Раздел 2. Проектирование и разработка мехатронных систем Системы технического зрения: обработка изображений и распознавание объектов Кинематика и динамика мобильных роботов Планирование движения: алгоритмы, оптимизация и применение в робототехнике Robot Operating System (ROS): архитектура и концепции. Программирование для мобильной робототехники: разработка, алгоритмы, библиотеки Основы навигации и позиционирования мобильных роботов Взаимодействие человека и мехатронных систем Проектирование мехатронных систем Введение в САПР Компас-3D 2D-моделирование в САПР Компас-3D 3D-моделирование в САПР Компас-3D Задание 2 7 2 1 1 - 2 4 6 3 - 3 - - 3 7 2 1 - - 3 4 7 3 - - - 3 4 7 2 1 - - 3 4 89 38 10 20 - 26 43 7 4 - 4 - - 3 6 3 - 1 - 2 3 6 2 1 1 - 2 3 6 3 - 1 - 2 3 7 4 - 4 - - 3 6 2 1 1 - 2 3 Задание 6 6 2 1 1 - 2 3 Задание 7 7 5 6 6 4 2 2 2 1 1 1 4 - - 2 3 3 3 3 3 3 Задание 8 Задание 9 Задание 10 Задание 3 Задание 4 Задание 5 Сборочный проект Методология проектирования робототехнических систем: этапы, инструменты, системы управления проектами 6 3 - - - 6 3 - 3 - 2.14 Консультация 9 4 2 - - 6 3 II Итоговая аттестация 2 1 1 - - 2 - Итого 144 - - 29 - 43 72 2.12 2.13 2 4 3 Итоговая работа Защита итогового проекта Календарный учебный график программы повышения квалификации «Специалист по мехатронике и мобильной робототехники» Детальный календарный учебный график формируется непосредственно при реализации программы в форме расписания занятий при наборе группы на обучение. от 6 недель (нагрузка до 24 ак.ч. в неделю) Неделя Лекции Лабораторные работы Практические и семинарские занятия Самостоятельная работа Промежуточная аттестация Итоговая аттестация 1 неделя обучения 6 - 6 12 - - 2 неделя обучения 3 - 6 13 - - 3 неделя обучения 7 - 6 11 - - 4 неделя обучения 8 - 5 11 - - 5 неделя обучения 4 - 8 12 - - 6 неделя обучения 3 - 6 13 - - 7 неделя обучения - - 2 - - 2 Календарный график оценивания программы повышения квалификации «Специалист по мехатронике и мобильной робототехники» Неделя Задание Кол-во баллов (максимум) 1 неделя обучения Задание № 1. 2 1 неделя обучения Задание № 2. 2 2 неделя обучения Задание № 3. 2 3 неделя обучения Задание № 4. 2 3 неделя обучения Задание № 5. 2 4 неделя обучения Задание № 6. 2 4 неделя обучения Задание № 7. 2 5 неделя обучения Задание № 8. 2 5 неделя обучения Задание № 9. 2 6 неделя обучения Задание № 10. 2 7 неделя обучения Итоговая работа Защита итоговой работы 3 ОБЩЕСТВО С ОГРАНИЧЕННОЙ ОТВЕТСТВЕННОСТЬЮ «ИНСТИТУТ НЕПРЕРЫВНОГО ОБРАЗОВАНИЯ И ПРОФЕССИОНАЛЬНОГО РАЗВИТИЯ» ООО «ПРОФМИР» «Специалист по мехатронике и мобильной робототехники» ОБЩАЯ ХАРАКТЕРИСТИКА ПРОГРАММЫ Дополнительная профессиональная программа повышения квалификации «Специалист по мехатронике и мобильной робототехники» позволит слушателям сформировать представление о программировании в сфере Интернета вещей (IoT) и искусственного интеллекта (AI). В ходе программы слушатели познакомятся с передовыми технологиями и получат практические навыки программирования интеллектуальных устройств с использованием языка C++/C. Данная программа призвана вооружить участников навыками, необходимыми для удовлетворения растущего спроса на специалистов, хорошо разбирающихся в программировании IoT и AI. Программа разработана в соответствии с: ● профессиональным стандартом 06.001 «Программист» (утвержден приказом Министерства труда и социальной защиты Российской Федерации от 20.07.2022 года N 424н); ● единым квалификационным справочником должностей руководителей, специалистов и других служащих (ЕКС) (утвержден Постановлением Минтруда РФ от 21.08.1998 N 37 (редакция от 15.05.2013) по профессии Техник-программист. Компетенции (трудовые функции) в соответствии с профессиональным стандартом «Программист»: ● А/01.3 – Формализация и алгоритмизация поставленных задач для разработки программного кода; ● А/03.3 – оформление программного кода в соответствии с установленными требованиями; ● В/01.4 – разработка процедур проверки работоспособности и измерения характеристик программного обеспечения; ● С/01.5 – разработка процедур интеграции программных модулей. Планируемые результаты обучения Программа направлена на достижение слушателем следующих результатов обучения: Знать: З-1 – синтаксис выбранного языка программирования, особенности программирования на этом языке, стандартные библиотеки языка программирования; З-2 – методологии разработки компьютерного программного обеспечения; З-3 – методологии и технологии проектирования и использования баз данных; З-4 – технологии программирования; З-5 – особенности выбранной среды программирования и системы управления базами данных; З-6 – компоненты программно-технических архитектур, существующие приложения и интерфейсы взаимодействия с ними; З-7 – инструментарий для создания и актуализации исходных текстов программ; З-8 – методы повышения читаемости программного кода; З-9 – системы кодировки символов, форматы хранения исходных текстов программ; З-10 – основные методы измерения и оценки характеристик компьютерного программного обеспечения; З-11 – методы и средства разработки процедур для развертывания компьютерного программного обеспечения. Уметь: У-1 – применять выбранные языки программирования для написания программного кода; У-2 – использовать выбранную среду программирования и средства системы управления базами данных; У-3 – использовать возможности имеющейся технической и/или программной архитектуры; У-4 – применять нормативно-технические документы (стандарты и регламенты), определяющие требования к оформлению программного кода; У-5 – применять инструментарий для создания и актуализации исходных текстов программ; У-6 – применять заданные стандарты и шаблоны для составления и оформления технической документации; У-7 – работать с файлами, базами данных, пользовательскими настройками в мобильных устройствах; У-8 – использовать выбранную среду программирования для разработки процедур проверки работоспособности компьютерного программного обеспечения; У-9 – использовать выбранную среду программирования для разработки процедур интеграции программных модулей. Цель: формирование у слушателей компетенций, которые позволят организовывать и оказывать услуги в сфере программирования Интернета вещей и искусственного интеллекта. Категория слушателей: курс рассчитан на лиц с уверенными навыками программирования, имеющих среднее-профессиональное или высшее образование. Входные требования к слушателям: владение навыками пользователя персональным компьютером; установленное ПО Visual Studio или ПО с аналогичным функционалом, которое позволит проходить обучение и осваивать программу в полном объеме в соответствии с учебным планом. Ожидается наличие базовых знаний в области программирования, в частности на языке C++/C. Рекомендуется базовое понимание концепций разработки программного обеспечения, структур данных и потока управления. Будет плюсом наличие технического образования в области информатики, электротехники или смежных областях. Трудоемкость обучения: 144 академических часа, включая самостоятельную работу слушателей. Форма обучения: очно-заочная, исключительно с применением ЭО и ДОТ. Особенности (принципы) построения программы повышения квалификации «Интернет-вещей и AI: программирование умных устройств»: ● обучение в рамках образовательной программы реализуют преподаватели, имеющие специальное образование и практический опыт разработки приложений; ● обучение предполагает выполнение заданий, требующих практического применения знаний и умений, полученных в ходе обучения на программе; ● использование активных методов обучения (мастер-классов, учебных кейсов, максимально приближенных к практической деятельности); ● на протяжении всего периода обучения слушатели получают обратную связь от преподавателей и кураторов. ОЦЕНКА КАЧЕСТВА ОСВОЕНИЯ ПРОГРАММЫ (формы аттестации, оценочные и методические материалы) Оценка качества освоения программы включает текущую и итоговую аттестацию слушателей программы. Текущий контроль осуществляется в процессе изучения материала через практические задания. Практические задания оцениваются по системе 0–1–2 балла, где 0 – «не зачтено», 1 – «доработать», 2 – «зачтено». Для допуска к итоговой аттестации слушателю необходимо набрать не менее 10 баллов за выполнение практических заданий из разделов курса. Итоговая аттестация на курсе предполагает выполнение и защиту проекта. В качестве итоговой работы слушателям предлагается разработать проект – приложение (тема приложения произвольная либо на выбор из предложенного преподавателем списка). Работа над итоговым проектом осуществляется индивидуально. Основные требования к содержанию работы. В приложении должно быть реализовано: ● имитация интеллектуального устройства с базовой функциональностью, например, считывание показаний датчиков и/или простое управление; ● интеграция хотя бы одного датчика (реального или моделируемого) с демонстрацией возможности программного сбора данных с него; ● реализация базовых функций ИИ, например, принятие решений на основе данных с датчиков; ● взаимодействие с пользователем; ● представление результатов работы; Результат работы в формате txt. необходимо загрузить в LMS Odin. Оценка за выполнение итоговой работы выставляется по системе 0–1–2, где 0 баллов – «не зачтено», 1 балл – «доработать», 2 балла – «зачтено». Критерии оценивания работы «Зачтено» – по итоговой работе выставляется слушателю, если слушатель продемонстрировал понимание основных концепций и технологий Android-разработки; правильно реализовал и протестировал приложение, соответствующее поставленным требованиям и функциональным возможностям. «Доработать» – по итоговой работе выставляется слушателю, если приложение не соответствует поставленным требованиям; в приложении есть ошибки или недочеты, которые требуют исправления. «Не зачтено» – по итоговой работе выставляется слушателю, если приложение не работает или содержит критические ошибки; слушатель не справился с основными концепциями и технологиями Android-разработки. Защита итоговой работы может быть выполнена в одном из двух вариантов: ● синхронно (демонстрация презентации с комментариями, ответы на вопросы от аттестационной комиссии); ● асинхронно (слушателю необходимо записать скринкаст (5–7 минут), в рамках которого пояснить предложенное решение. Скринкаст необходимо загрузить в Odin. Вопросы и обратная связь от аттестационной комиссии может быть реализована также асинхронно) Оценка за защиту итоговой работы выставляется по системе 0–1 балл, где 0 – «не зачтено», 1 – «зачтено». Матрица оценок за итоговую аттестацию (баллы за выполнение и за защиту работы) по программе Балл за защиту работы Балл за выполнение работы 0 баллов 1 балл 0 баллов не аттестован не аттестован 1 балл не аттестован хорошо 2 балла не аттестован отлично По результатам итоговой аттестации, комиссия принимает решение о выдаче удостоверения о повышении квалификации. КАДРОВЫЕ УСЛОВИЯ Руководитель программы: Яковлев Илья Андреевич, инженер-конструктор, младший научный сотрудник, аспирант. ОБЩЕСТВО С ОГРАНИЧЕННОЙ ОТВЕТСТВЕННОСТЬЮ «ИНСТИТУТ НЕПРЕРЫВНОГО ОБРАЗОВАНИЯ И ПРОФЕССИОНАЛЬНОГО РАЗВИТИЯ» ООО «ПРОФМИР» РАБОЧАЯ ПРОГРАММА «Специалист по мехатронике и мобильной робототехники» I. АННОТАЦИЯ Программа повышения квалификации "Специалист по мехатронике и мобильной робототехники" предлагает всестороннее изучение передовых концепций программирования на C++/C применительно к развивающимся областям IoT и искусственного интеллекта. Курс рассчитан на участников с различным техническим образованием и включает в себя изучение фундаментальных принципов, охватывающих сенсорные технологии, сбор данных, протоколы связи и основы интеграции искусственного интеллекта. Начинающие программисты перейдут к продвинутым темам, таким как моделирование окружающей среды, облачные вычисления, беспроводная связь и сложные методы ИИ. В курс стратегически интегрированы практические семинары, включая итоговый проект, позволяющий участникам синтезировать теоретические знания в практические приложения в моделируемой среде. С акцентом на моделирование и программирование без физических устройств, курс способствует фундаментальному пониманию для новичков, закладывая основу для квалифицированной разработки и оптимизации умных устройств в развивающемся ландшафте IoT и AI. В результате обучения выпускник программы будет способен: ● программировать простые интеллектуальные устройства, используя язык программирования C++/C; ● применять основные принципы ИИ; ● симулировать IoT-среду; ● внедрять решения для граничных вычислений; ● осуществлять интеграцию с облачными сервисами. Авторы программы: 1. Яковлев Илья Андреевич, инженер-конструктор, младший научный сотрудник, аспирант. Цель: формирование у слушателей программирования умных устройств. II. компетенций, необходимых СОДЕРЖАНИЕ №, наименование темы Содержание лекций (кол-во часов) Наименование практических (семинарских) занятий, с указанием формата работы (кол-во часов) Раздел 1. Основы мехатроники и мобильной робототехники (53 ч.) Виды СРС (кол-во часов) для Тема 1.1. Введение в интернет вещей и искусственный интеллект (6 ч.) Введение в интернет вещей и искусственный интеллект. Ключевые понятия IoT. Основы AI. Интеграция IoT и AI. Проблемы и возможности. Будущие тенденции и разработки. (3 ч.) 1. Введение в интернет вещей - https://leaderid.storage.yandexcloud.net/ event_doc/239130/6170348 b0fe48812107350.pdf (1 ч.) 2. Слияние искусственного интеллекта и Интернета вещейhttps://controleng.ru/innova tsii/iskusstvenny-jintellekt/aiot/ (1 ч.) 3. Искусственный интеллект для интернета вещей в промышленности https://youtu.be/uVmyd0xp Ako (1 ч.) Тема 1.2. Основы C++/C для IoT (6 ч.) Основы C++/C для IoT (1 ч.) Фронтальная работа слушателей в режиме мастер-класса. Переменные, типы данных, простые действия над переменными, управление памятью (1 ч.) 1. Основы C++ https://education.yandex.ru/ handbook/cpp (3 ч.) Задание № 1 Основы C++/C (1 ас.ч.) Тема 1.3. Сенсорные технологии (7 ч.) Сенсорные технологии (1 ч.) Фронтальная работа слушателей в режиме мастер-класса. Работа с датчиками Arduino и Raspberry Pi (2 ч.) 1. Создание умного дома с помощью Arduino и Raspberry Pi https://dzen.ru/a/ZJiPT1zW 0koN0mFr (1 ч.) 2. Документация Arduino https://arduino.ru/Reference (2 ч.) 3. Документация Raspberry Pi https://raspberrypi.ru/doc(1 ч.) Тема 1.4. Сбор и обработка данных (1 ч.) Фронтальная работа слушателей в режиме Визуализация с помощью Arduino и обработка Сбор и обработка данных (7 ч.) мастер-класса. Сбор и обработка данных с датчиков и сенсоров (1 ч.) данных https://www.arduino.cc/edu cation/visualization-witharduino-and-processing/ (4 ч.) Задание №2 Сбор и обработка данных (1 ас. ч.) Тема 1.5. Коммуникационн ые протоколы для IoT (6 ч.) Тема 1.6. Основы искусственного интеллекта и машинного обучения (7 ч.) Основы коммуникаций в IoT. Общие коммуникационные протоколы. MQTT, CoAP, HTTP/HTTPS, AMQP, TLS/SSL, Zigbee и Z-Wave, LoRa (3 ч.) 1. Архитектура промышленных приложений IoT и протоколы amqp, mqtt, jms, rest, CoAP, xmpp, dds https://cyberleninka.ru/artic le/n/arhitekturapromyshlennyhprilozheniy-iot-i-protokolyamqp-mqtt-jms-rest-coapxmpp-dds (1 ч.) 2. Zigbee Wireless Networking https://books.google.ru/boo ks?hl=ru&lr=&id=up8Oa74 56I8C&oi=fnd&pg=PP1&d q=Zigbee&ots=IHBu5XvR Bn&sig=0jsQUe3EG0jxLO nEZTIEWeQK6aA&redir_ esc=y#v=onepage&q=Zigb ee&f=false (2 ч.) Фронтальная работа слушателей в режиме мастер-класса. Основы искусственного интеллекта и машинного обучения. (2 ч.) Задание №3 Основы искусственного интеллекта и машинного обучения (1 ас. ч.) Математические основы машинного обучения и прогнозирования https://books.google.ru/boo ks?hl=ru&lr=&id=0_DGBg AAQBAJ&oi=fnd&pg=PA 10&dq=%D0%BE%D1%8 1%D0%BD%D0%BE%D0 %B2%D1%8B+%D0%98 %D0%98+%D0%B8+%D0 %BC%D0%B0%D1%88% D0%B8%D0%BD%D0%B D%D0%BE%D0%B3%D0 %BE+%D0%BE%D0%B1 %D1%83%D1%87%D0% B5%D0%BD%D0%B8%D 1%8F&ots=vv1W9FdIym& sig=6DTsutFicSNMySamXqBxq7rJmM&redir_ esc=y#v=onepage&q&f=fal se (4 ч.) Тема 1.7. Безопасность в IoT (7 ч.) Фронтальная работа слушателей в режиме мастер-класса. Реализация алгоритма шифрования. Механизм аутентификации. Защищенный протокол связи. (3 ч.) 1. Алгоритмы шифрования. Специальный справочник https://books.google.ru/boo ks?hl=ru&lr=&id=Ha4AVr H9lSwC&oi=fnd&pg=PR3 &dq=%D0%90%D0%BB% D0%B3%D0%BE%D1%80 %D0%B8%D1%82%D0% BC%D1%8B+%D1%88% D0%B8%D1%84%D1%80 %D0%BE%D0%B2%D0% B0%D0%BD%D0%B8%D 1%8F&ots=tsMHlqaFTR& sig=S2mEI7t5VIOiIWD34 njiEAzWfHU&redir_esc=y #v=onepage&q=%D0%90 %D0%BB%D0%B3%D0% BE%D1%80%D0%B8%D1 %82%D0%BC%D1%8B% 20%D1%88%D0%B8%D1 %84%D1%80%D0%BE% D0%B2%D0%B0%D0%B D%D0%B8%D1%8F&f=fa lse (2 ч.) 2. Безопасность в протоколах и технологиях IoT: обзор https://cyberleninka.ru/artic le/n/bezopasnost-vprotokolah-i-tehnologiyahiot-obzor (2 ч.) Тема 1.8. Распределенные системы и сети (7 ч.) Фронтальная работа слушателей в режиме мастер-класса. Создание простой распределенной файлообменной системы. (2 ч.) 1. Назначение заданий узлам распределенной системы платформы интернета вещей на основе машинного обучения с подкреплением https://www.researchgate.n et/profile/Maria-Stepanova7/publication/351040045_T HE_ASSIGNMENT_OF_T ASKS_TO_THE_NODES_ OF_THE_IOT_DISTRIBU TED_SYSTEM_BASED_ Задание №4 Распределенные системы и сети (1 ас. ч.) ON_REINFORCEMENT_ MACHINE_LEARNING/li nks/6095608092851c490fc 34f0f/THEASSIGNMENT-OFTASKS-TO-THE-NODESOF-THE-IOTDISTRIBUTED-SYSTEMBASED-ONREINFORCEMENTMACHINELEARNING.pdf (1 ч.) 2. Проблемы распределенных систем https://cyberleninka.ru/artic le/n/problemyraspredelennyhsistem/viewer (1 ч.) 3. Логикоалгебраические модели и методы в проектировании функциональной архитектуры распределенных систем хранения и обработки данных https://cyberleninka.ru/artic le/n/logiko-algebraicheskiemodeli-i-metody-vproektirovaniifunktsionalnoy-arhitekturyraspredelennyh-sistemhraneniya-i-obrabotkidannyh (1 ч.) 4. Сетевые модели распределенных систем https://vt.pnzgu.ru/files/vt.p nzgu.ru/sotrudniki/zinkin/n et_models_of_distributed_s ystems_2013/netmodelsofdi stributedsystems.pdf (1 ч.) Раздел 2. Продвинутое программирование для интернета вещей (89 ч.) Тема 2.1. Расширенные возможности C++/C для IoT (7 ч.) Оптимизация кода для устройств с ограниченными ресурсами. Технологии управления памятью. Эффективные структуры данных. Hands-On Embedded Programming with C++17 https://books.google.ru/boo ks?hl=ru&lr=&id=DmSGD wAAQBAJ&oi=fnd&pg=P P1&dq=modern+c%2B%2 B+iot+hardware&ots=i7Qa Статический и динамический полиморфизм. Программирование сокетов. Протокольные буферы для эффективной сериализации. Многопоточность и параллелизм. (4 ч.) qoje7S&sig=qmnZl10F9r2 CEJu18M_i3mQYDVo&re dir_esc=y#v=onepage&q= modern%20c%2B%2B%20 iot%20hardware&f=false (3 ч.) Тема 2.2. Многопоточность и параллелизм в IoT-приложениях (6 ч.) Многопоточность и параллелизм в IoTприложениях (1 ч.) Фронтальная работа слушателей в режиме мастер-класса. Использование многопоточности и параллелизма для создания IoT-приложения (2 ч.) 1. ACTORS MODEL & IOT. ОСОБЕННОСТИ РАБОТЫ В РЕАЛЬНОМ ВРЕМЕНИ https://elibrary.ru/download /elibrary_36474355_45675 027.pdf (1 ч.) 2. Потоки устройств https://learn.microsoft.com/ ru-ru/azure/iot-hub/iot-hubdevice-streams-overview (2 ч.) Тема 2.3. Моделирование окружающей среды (6 ч.) Моделирование окружающей среды (1 ч.) Фронтальная работа слушателей в режиме мастер-класса. Моделирование окружающей среды. (1 ч.) 1. МОДЕЛИРОВАН ИЕ ПРОЦЕССОВ ВЗАИМОДЕЙСТВИЯ КОМПОНЕНТОВ ПРОИЗВОДСТВЕННОЙ IOT СИСТЕМЫ https://elibrary.ru/item.asp? id=28952278 (1 ч.) 2. ИМИТАЦИОННО Е МОДЕЛИРОВАНИЕ СИСТЕМЫ МОНИТОРИНГА ОКРУЖАЮЩЕЙ СРЕДЫ https://cyberleninka.ru/artic le/n/imitatsionnoemodelirovanie-sistemymonitoringaokruzhayuschey-sredy (1 ч.) 3. МОДЕЛИРОВАН ИЕ ТЕХНОЛОГИИ NBIOT ДЛЯ ПРИЛОЖЕНИЙ ИНТЕРНЕТА ВЕЩЕЙ https://elibrary.ru/item.asp? id=27552409 (1 ч.) Задание №5 Моделирование окружающей среды (1 ас. ч.) Тема 2.4. Граничные вычисления (6 ч.) Граничные вычисления Фронтальная работа слушателей в режиме (1 ч.) мастер-класса. Моделирование граничных устройств. Логика вычислений на границе. Связь с сервером (2 ч.) 1. Граничные вычисления https://elibrary.ru/item.asp? id=48368847 (1 ч.) 2. Граничные вычисления в интернете вещей https://elibrary.ru/item.asp? id=41177338 (1 ч.) 3. Как граничные вычисления и IoT преобразуют связь с ЦОДами - https://proarctic.ru/28/08/2018/techno logy/33601 (1 ч.) Тема 2.5. Беспроводные коммуникации и IoT (7 ч.) Основы беспроводных коммуникаций. WI-FI, Bluetooth, Zigbee, сотовые сети, роль протоколов в обеспечении связи между устройствами. WSN в IoT. Введение в ячеистые сети. 5G и его влияние на IoT. Безопасность IoTустройств в беспроводных сетях. Примеры развертывания беспроводных сетей. Новые тенденции в беспроводном IoT (4 ч.) 1. Обзор протоколов беспроводной сети IoT и их выбор https://www.dusuniot.com/r u/blog/best-wirelessprotocol-for-your-iotproject/ (2 ч.) 2. Исследование агрегированного трафика беспроводных IoT устройств https://cyberleninka.ru/artic le/n/issledovanieagregirovannogo-trafikabesprovodnyh-iot-ustroystv (1 ч.) Тема 2.6. ИИ в IoT: Принятие решений (6 ч.) ИИ в IoT: Принятие решений (1 ч.) Фронтальная работа слушателей в режиме мастер-класса. ИИ в IoT (1 ч.) Задание №6 ИИ в IoT: Принятие решений (1 ас. ч.) 1. Искусственный интеллект и интернет вещей https://7universum.com/ru/t ech/archive/item/16521 (1 ч.) 2. Обзор сетей и протоколы IoT для построения интеллектуальных сенсоров https://elibrary.ru/item.asp? id=45646260 (1 ч.) 3. Проектирование IoT-платформы для управления энергоресурсами интеллектуальных зданий https://elibrary.ru/item.asp? id=35510093 (1 ч.) Тема 2.7. Интеграция облачных вычислений для IoT (6 ч.) Интеграция облачных вычислений для IoT (1 ч.) Фронтальная работа слушателей в режиме мастер-класса. Интеграция облачных вычислений для IoT (1 ч.) Задание №7 Интеграция облачных вычислений для IoT (1 ас. ч.) Тема 2.8. Передовые методы искусственного интеллекта (7 ч.) Глубокое обучение в IoT. Трансферное и федеративное обучение. ИИ на границе. TinyML. Безопасность и обнаружение аномалий в IoT с помощью ИИ. Будущие тенденции (4 ч.) 1. Обзор возможностей интеграции облачных вычислений и Интернета вещей https://cyberleninka.ru/artic le/n/obzor-vozmozhnosteyintegratsii-oblachnyhvychisleniy-i-internetaveschey (1 ч.) 2. Реализация платформы туманных вычислений для предоставления сервисов IoT - http://mediapublisher.ru/wpcontent/uploads/REDS-22021.pdf (1 ч.) 3. ОБЛАЧНЫЕ ВЫЧИСЛЕНИЯ В ЦИФРОВОЙ ТРАНСФОРМАЦИИ ИНФОРМАЦИОННЫХ ТЕХНОЛОГИЙ https://cyberleninka.ru/artic le/n/oblachnyevychisleniya-v-tsifrovoytransformatsiiinformatsionnyh-tehnologiy (1 ч.) 1. АНАЛИЗ МОДЕЛЕЙ ГЛУБОКОГО ОБУЧЕНИЯ ДЛЯ ЗАДАЧ ОБНАРУЖЕНИЯ СЕТЕВЫХ АНОМАЛИЙ ИНТЕРНЕТА ВЕЩЕЙ https://cyberleninka.ru/artic le/n/analiz-modeleyglubokogo-obucheniyadlya-zadachobnaruzheniya-setevyhanomaliy-interneta-veschey (1 ч.) 2. Глубокое обучение и IOT на основе интеллектуального управления аварийными светофорами для спасения жизни https://www.amazon.com/ %D0%93%D0%BB%D1% 83%D0%B1%D0%BE%D0 %BA%D0%BE%D0%B5%D0%B8%D0%BD%D1% 82%D0%B5%D0%BB%D 0%BB%D0%B5%D0%BA %D1%82%D1%83%D0% B0%D0%BB%D1%8C%D 0%BD%D0%BE%D0%B3 %D0%BE%D1%83%D0%BF%D1% 80%D0%B0%D0%B2%D0 %BB%D0%B5%D0%BD %D0%B8%D1%8F%D0%B0%D0%B2%D0% B0%D1%80%D0%B8%D0 %B9%D0%BD%D1%8B% D0%BC%D0%B8%D1%81%D0%B2%D0% B5%D1%82%D0%BE%D1 %84%D0%BE%D1%80% D0%B0%D0%BC%D0%B 8/dp/6204057669 (2 ч.) Тема 2.9. Операционные системы реального времени (RTOS) для IoT (5 ч.) Фронтальная работа слушателей в режиме мастер-класса. Работа с операционной системой реального времени (1 ч.) FreeRTOS https://aws.amazon.com/ru/ freertos/ (3 ч.) Задание №8 Операционные системы реального времени (RTOS) для IoT (1 ас. ч.) Тема 2.10. Аналитика данных в IoT (6 ч.) Фронтальная работа слушателей в режиме мастер-класса. Программная аналитика данных в IoT (2 ч.) Задание №9 Аналитика данных в IoT (1 ас. ч.) 1. Интернет вещей и аналитика данных https://learn.microsoft.com/ ruru/azure/architecture/examp le-scenario/data/big-datawith-iot (1 ч.) 2. AWS IoT Analytics https://aws.amazon.com/ru/ iot-analytics/ (2 ч.) Тема 2.11. Управление устройствами IoT (6 ч.) Фронтальная работа слушателей в режиме мастер-класса. Программное управление устройствами IoT (2 ч.) Задание № 10 Управление устройствами IoT (1 ас. ч.) Тема 2.12. Энергоэффективн ость в устройствах IoT (6 ч.) Фронтальная работа слушателей в режиме мастер-класса. Энергоэффективные практики программирования умных устройств. (2 ч.) 1. Разработка программной системы для управления IoTустройствами с использованием структурных и поведенческих паттернов https://www.researchgate.n et/profile/AlekseyKychkin/publication/34469 8059_Structural_and_behav ioral_patternbased_software_developme nt_for_IoT_devices_control /links/6102d5f61ca20f6f86 e9843d/Structural-andbehavioral-pattern-basedsoftware-development-forIoT-devices-control.pdf (1 ч.) 2. ПЛАТФОРМЫ ДЛЯ РАЗРАБОТКИ IOTСИСТЕМ https://cyberleninka.ru/artic le/n/platformy-dlyarazrabotki-iot-sistem (1 ч.) 3. ОРГАНИЗАЦИЯ ВЗАИМОДЕЙСТВИЯ МЕЖДУ УСТРОЙСТВАМИ IOT НА БАЗЕ ПЛАТФОРМЫ ARDUINO\ESP https://elibrary.ru/item.asp? id=42330819 (1 ч.) 1. ТЕХНОЛОГИЯ УЗКОПОЛОСНОГО ИНТЕРНЕТА ВЕЩЕЙ (NB-IOT) В СЕТИ МОБИЛЬНОЙ СВЯЗИ https://elibrary.ru/item.asp? id=30499406 (2 ч.) 2. ЭНЕРГОЭФФЕКТ ИВНОСТЬ И ПОКРЫТИЕ LPWAN (SIGFOX) КАК БАЗОВЫЙ КОМПОНЕНТ ЧЕТВЁРТОЙ ПРОМЫШЛЕННОЙ РЕВОЛЮЦИИ https://elibrary.ru/item.asp? id=32565571 (1 ч.) 3. ПРИМЕНИМОСТ Ь ЭНЕРГОЭФФЕКТИВНЫ Х, ЭНЕРГОСБЕРЕГАЮЩИ Х ТЕХНОЛОГИЙ И ТЕХНОЛОГИЙ SMART HOME, IOT ПРИ СТРОИТЕЛЬСТВЕ ЧАСТНЫХ ЖИЛЫХ ОБЪЕКТОВ В ЮЖНОЙ ЧАСТИ ПРИМОРСКОГО КРАЯ https://cyberleninka.ru/artic le/n/primenimostenergoeffektivnyhenergosberegayuschihtehnologiy-i-tehnologiysmart-home-iot-pristroitelstve-chastnyhzhilyh-obektov (1 ч.) Тема 2.13. Технологии тестирования и отладки IoT (6 ч.) Функциональное тестирование, тестирование производительности, тестирование безопасности, тестирование совместимости. Инструменты и фреймворки для тестирования. Инструменты и практика отладки IoT. Автоматизация тестирования в IoT. Непрерывное тестирование в IoT DevOps. (3 ч.) 1. РАЗРАБОТКА МЕТОДОЛОГИИ ТЕСТИРОВАНИЯ УСТРОЙСТВ ИНТЕРНЕТА ВЕЩЕЙ С ПРИМЕНЕНИЕМ АВТОМАТИЗИРОВАНН ОЙ ПЛАТФОРМЫ https://elar.urfu.ru/bitstream /10995/105744/1/m_th_i.n.i zotov_2021.pdf (1 ч.) 2. ДИНАМИЧЕСКИ Й АНАЛИЗ IOTСИСТЕМ НА ОСНОВЕ ПОЛНОСИСТЕМНОЙ ЭМУЛЯЦИИ В QEMU https://cyberleninka.ru/artic le/n/dinamicheskiy-analiziot-sistem-na-osnovepolnosistemnoy-emulyatsiiv-qemu (1 ч.) 3. МЕТОДЫ РАЗРАБОТКИ СИСТЕМЫ МОНИТОРИНГА ПРОИЗВОДСТВЕННЫХ ПОКАЗАТЕЛЕЙ В УСЛОВИЯХ НЕОПРЕДЕЛЕННОСТИ СРЕДЫ https://elibrary.ru/download /elibrary_49250553_38286 721.pdf#page=56 (1 ч.) Тема 2.14. Оптимизация IoTприложений и лучшие практики (9 ч.) Фронтальная работа слушателей в режиме мастер-класса. Оптимизация IoTприложений и лучшие практики (3 ч.) 1. ИСПОЛЬЗОВАНИ Е ТУМАННЫХ ВЫЧИСЛЕНИЙ В ОБЛАКЕ ВЕЩЕЙ ДЛЯ ОБРАБОТКИ ИНФОРМАЦИИ ПРИ ОПТИМИЗАЦИИ РАЗМЕЩЕНИЯ Консультация. БЕСПИЛОТНЫХ Подготовка к выполнению ЛЕТАТЕЛЬНЫХ итоговой работы (1 ч.) АППАРАТОВ https://elibrary.ru/item.asp? Итоговое задание. id=44527864 (1 ч.) Выполнение итоговой 2. Интернет вещей работы (2 ч.) https://kpfu.ru/portal/docs/F _378200975/IOT.pdf (2 ч.) Итоговая аттестация (2 ч.) Итоговая аттестация (2 ч.) III. Защита итоговой работы (2 ч.) УСЛОВИЯ РЕАЛИЗАЦИИ ПРОГРАММЫ МОДУЛЯ (организационно-педагогические) Материально-технические условия реализации программы. Обучение по программе реализовано в режиме синхронно-асинхронной работы слушателей в электронной среде. Для проведения синхронных занятий применяется программа видеоконференцсвязи. Дополнительно для организации работы слушателей могут использоваться Google-сервисы. Асинхронная работа слушателей реализуется на базе электронного курса на платформе электронного обучения LMS Odin. Требования к оборудованию: Сеть: скорость соединения от 2 Мб/с. Оборудование для синхронных занятий: персональный компьютер (рекомендуется) / мобильный телефон / планшет; наушники, микрофон и камера (обязательно). Для работы на платформе электронного обучения LMS Odin рекомендуется использовать персональный компьютер. Учебно-методическое и информационное обеспечение программы. Методические рекомендации и пособия по изучению курса. Обучение по программе реализовано в формате смешанного обучения, с применением активных технологий совместного обучения в электронной среде. Синхронные занятия предусматривают интерактивные лекции и практики, с обязательным использованием инструментов обратной связи, сочетающие в себе групповую и индивидуальную работу слушателей. Материалы для организации асинхронной работы представляются в виде комплекта учебно-методических материалов и практических заданий. Содержание комплекта учебно-методических материалов. По данной программе имеется электронный учебно-методический комплекс в LMS Odin. УМК содержит: систему навигации по программе (учебно-тематический план, интерактивный график работы по программе, сведения о результатах обучения, о преподавателях программы, чат для объявлений и вопросов преподавателям), набор видеолекций, презентации к лекциям, набор ссылок на внешние образовательные ресурсы и инструменты, систему заданий с инструкциями, списки основной и дополнительной литературы. В электронном курсе реализована система обратной связи, а также онлайнплощадки для взаимного обучения. 1. 2. 3. 4. 5. 6. 7. 8. Литература Список основной литературы: "IoT-тестирование для тестировщиков" Джон Хагар; Springer "IoT-тестирование с помощью Python" Алекс Митрани; Packt Publishing "Тестирование производительности мобильных и веб-приложений" БШринивас Чиллара; Apress "Тестирование IoT: Системы, устройства и программное обеспечение " Майк Борза, Томаш М. Корбут; CRC Press "Системы Интернета вещей (IoT): Архитектуры, алгоритмы, методологии"Флавио Бономи, Родольфо Милито, Цзян Чжу, Сатеш Аддепалли; Springer "Проекты IoT с Bluetooth Low Energy " Мадхур Бхаргава, Агус Курниаван; Apress "Освоение Интернета вещей" Питер Вахер; Packt Publishing "IoT-решения в Azure IoT Suite от Microsoft: Сбор и анализ данных в реальном мире" Скотт Клейн, Рик Гарибай и др.; Apress Список дополнительной литературы: 1. С. Монк – Программируем Arduino. Профессиональная работа со скетчами 2. А. Суомалайнен – Интернет вещей: видео, аудио, коммутация 3. П.А. Кокукин – Введение в интернет вещей 4. В.Т. Еременко – Электроника и схемотехника. Основы электроники Список электронных ресурсов: 1. Официальный сайт Arduino https://www.arduino.cc/ 2. База знаний Амперки http://wiki.amperka.ru/ 3. Перевод официального сайта Arduino https://arduino.ru/ 4. Статьи на платформе Habr (Habrahabr): на платформе Habr можно найти несколько статей и учебников на русском языке, посвященных использованию IoT. Они содержат объяснения различных аспектов IoT и предоставляют примеры кода. IV. ОЦЕНКА КАЧЕСТВА ОСВОЕНИЯ ПРОГРАММЫ МОДУЛЯ (формы аттестации, оценочные и методические материалы) Аттестация по модулю проводится в форме зачета. Зачет выставляется слушателю, получившему не менее 10 баллов за выполнение практических заданий из разделов курса. Практические задания оцениваются по системе 0–1–2 балла, где 0 – «не зачтено», 1 – «доработать», 2 – «зачтено». Задание № 1. Основы C++/C Задание № 2. Сбор и обработка данных Задание № 3. Основы искусственного интеллекта и машинного обучения Задание № 4. Распределенные системы и сети Задание № 5. Моделирование окружающей среды 1 неделя обучения 1 неделя обучения Балл (максимум) 2 2 2 неделя обучения 2 3 неделя обучения 2 3 неделя обучения 2 Задание № 6. ИИ в IoT: Принятие решений 4 неделя обучения 2 Задание № 7. Интеграция облачных вычислений для IoT Задание № 8. Операционные системы реального времени (RTOS) для IoT 4 неделя обучения 2 5 неделя обучения 2 Задание № 9. Аналитика данных в IoT 5 неделя обучения 2 Задание № 10. Управление устройствами IoT 6 неделя обучения 2 Задание Сроки выполнения ИТОГО 20 Примеры заданий программы: Задание № 1. Основы C++/C Шаг 1. Объявите переменные для двух чисел и оператора. Шаг 2. Реализуйте пользовательский ввод с клавиатуры. Шаг 3. Выведите на экран меню доступных арифметических операций. Шаг 4. Реализуйте калькулятор в виде функций. Шаг 5. Выведите результат на экран. Шаг 6. Протестируйте программу с различными входными значениями. Шаг 7. Выложите файл в LMS Odin. Задание № 2. Сбор и обработка данных Шаг 1. Объявите переменные для представления данных датчиков (например, температура, влажность и тд.) Шаг 2. Смоделируйте сбор данных с датчиков, генерируя случайные значения в реалистичных диапазонах. Шаг 3. Используйте массив или структуру данных для хранения смоделированных данных. Шаг 4. Реализуйте функцию, которая обрабатывает собранные данные (например, вычислите среднее значение или найдите максимальное значение данных датчика). Шаг 5. Используйте `std::cout` для отображения меню для пользователя с такими опциями, как "Собрать данные" и "Обработать данные". Шаг 6. Реализуйте логику для сбора определенного количества точек данных, когда пользователь выбирает опцию "Собрать данные". Шаг 7. Когда пользователь выбирает опцию "Обработать данные", вызовите функцию обработки собранных данных и выведите результат. Шаг 8. Выложите файл в LMS Odin. Задание № 3. Основы искусственного интеллекта и машинного обучения Шаг 1. Определите переменные для представления входных признаков. Например, в простом сценарии рассмотрим такие характеристики, как “температура” и “влажность”. Шаг 2. “Считайте” эти данные с датчиков. Шаг 3. С помощью элементарных техник ИИ классифицируйте данные по категориям “Дождливый” или “Солнечный” на основе заданных условий. Шаг 4. Представьте результат классификации. Шаг 5. Выложите файл в LMS Odin. Задание № 4. Распределенные системы и сети Шаг 1. Создайте базовый сервер, который будет прослушивать входящие соединения (используйте программирование сокетов для создания серверного сокета и привязки его к определенному порту). Шаг 2. Создайте простую клиентскую программу, которая подключается к серверу с помощью программирования сокетов. Шаг 3. Отправляйте данные с датчиков на сервер. Шаг 4. Определите простой протокол для обмена данными между клиентом и сервером (например, клиенты могут отправлять запросы на сервер, а сервер отвечать на них подтверждением). Шаг 5. Реализуйте основные механизмы обработки ошибок, связанных с сетью, таких как разрывы соединения. Шаг 6. Используйте try-catch для обработки исключений. Шаг 7. Протестируйте программу, запустив клиент и наблюдая за ответом сервера. Шаг 8. Выложите файл в LMS Odin. Задание № 5. Моделирование окружающей среды Шаг 1. Объявите переменные для представления параметров окружающей среды, таких как температура, влажность и качество воздуха. Шаг 2. Смоделируйте процесс сбора данных, генерируя случайные значения для каждого параметра окружающей среды. Шаг 3. Используйте цикл для моделирования сбора данных за несколько временных шагов. Шаг 4. Реализуйте логику для моделирования состояния окружающей среды на основе собранных данных. Например, рассмотрите возможность создания таких условий, как "Комфортно", "Слишком жарко" или "Слишком влажно", на основе заранее определенных пороговых значений. Шаг 5. Реализуйте основные функции анализа данных, например, вычисление среднего или максимального значения параметров окружающей среды с течением времени. Шаг 6. Выложите файл в LMS Odin. Задание № 6. ИИ в IoT: Принятие решений Шаг 1. Объявите переменные для представления параметров IoT, таких как показания датчиков или условия окружающей среды. Шаг 2. Смоделируйте сбор данных IoT, генерируя случайные значения для объявленных параметров. Шаг 3. Реализуйте базовый алгоритм принятия решений, используя операторы if-else или структуру switch-case. Шаг 4. Определите условия, основанные на смоделированных данных IoT, которые вызывают принятие определенных решений (например, при слишком высокой температуре принимайте решения типа "Усилить охлаждение"). Шаг 5. Реализуйте механизм обратной связи, который корректирует принятие решений ИИ на основе прошлых результатов. (например, если решение привело к положительному результату, увеличьте вероятность принятия аналогичного решения в будущем) Шаг 6. Выложите файл в LMS Odin. Задание № 7. Интеграция облачных вычислений для IoT Шаг 1. Объявите переменные для представления данных IoT, таких как показания датчиков или условия окружающей среды. Шаг 2. Смоделируйте сбор данных IoT, генерируя случайные значения для объявленных параметров. Шаг 3. Реализуйте функцию для загрузки смоделированных IoT-данных в облачный сервис. Шаг 4. Для отправки данных в облако используйте HTTP-запросы или специфический для облака API (для простоты можно использовать облачное хранилище или облачную базу данных). Шаг 5. Реализуйте облачную функцию, которая обрабатывает загруженные IoT-данные. Шаг 6. Смоделируйте базовые задачи обработки, такие как вычисление средних значений или фильтрация данных (для моделирования можно использовать бессерверные вычисления или облачную функцию). Шаг 7. Для получения результатов используйте HTTP-запросы или API для конкретного облака. Шаг 8. Выложите файл в LMS Odin. Задание № 8. Операционные системы реального времени (RTOS) для IoT Шаг 1. Определите две или более задачи, моделирующие работу IoT-устройства в реальном времени. Например, задача 1 может представлять сбор данных с датчиков, а задача 2 обработку данных. Шаг 2. Инициализируйте среду RTOS. Вы можете использовать легкую библиотеку RTOS или смоделировать базовое планирование самостоятельно. Шаг 3. Реализуйте код для каждой задачи. Моделируйте операции, которые представляют собой действия в реальном времени (используйте механизмы синхронизации (например, семафоры или мьютексы), если задачам необходимо совместно использовать ресурсы). Шаг 4. Реализуйте базовый планировщик задач. Определите политику составления расписания (например, монотонное составление расписания) для определения порядка выполнения на основе приоритетов задач. Шаг 5. Смоделируйте планирование задач во время выполнения. Шаг 6. Внесите временные ограничения в задачи. Установите крайние сроки для каждой задачи и обеспечьте их соблюдение во время выполнения. Шаг 7. Смоделируйте сценарии, в которых задачи могут не уложиться в срок, чтобы подчеркнуть аспект реального времени. Шаг 8. Выложите файл в LMS Odin. Задание № 9. Аналитика данных в IoT Шаг 1. Смоделируйте сбор данных IoT, генерируя случайные значения для объявленных параметров. Шаг 2. Реализуйте основные функции анализа данных, такие как вычисление среднего, минимального и максимального значения собранных IoT-данных (вы также можете рассчитать другие статистические данные или реализовать простые алгоритмы обнаружения аномалий). Шаг 3. Реализуйте базовую визуализацию данных на основе анализа. Шаг 4. Выложите файл в LMS Odin. Задание № 10. Управление устройствами IoT Шаг 1. Объявите переменные для представления IoT-устройств, таких как лампы, вентиляторы или другие управляемые объекты. Шаг 2. Инициализируйте состояние каждого IoT-устройства. Для простоты можно начать с состояния по умолчанию, например, свет выключен, вентиляторы не работают. Шаг 3. Позвольте пользователю выбрать устройство для управления. Шаг 4. Реализуйте функции для управления каждым типом IoT-устройств. Например, вы можете создать функции для включения/выключения света, запуска/остановки вентилятора и т. д. Шаг 5. Обновляйте состояние выбранного устройства на основе пользовательского ввода. Шаг 6. Реализуйте базовую обработку ошибок для обработки неверных пользовательских вводов или действий по управлению устройством. Шаг 7. Выложите файл в LMS Odin. Примечание: задания могут быть скорректированы или изменены преподавателем.
