Учебно-методические комплексы

Лекции

Документ представляет собой полный курс лекций по модулю МДК 01.02 «Разработка мобильных приложений с поддержкой искусственного интеллекта» для специальности 09.02.13 Интеграция решений с применением технологий искусственного интеллекта.

Структура и содержание:
• Введение в мобильную разработку — платформы (Android, iOS, кроссплатформа), языки (Java, Kotlin, Swift), архитектура приложений, жизненный цикл Activity, разрешения.
• Инструменты — установка и настройка Android Studio, создание эмуляторов (AVD), подключение реального устройства, структура первого проекта.
• Основы Java для Android — работа с Activity, элементами UI (Views), Intents, многопоточность, SharedPreferences, RecyclerView, файлы, HTTP-запросы.
• Пользовательский интерфейс — Layout-ы (Linear, Relative, Constraint), ресурсы (strings, colors, dimens), адаптивность (dp/sp), Material Design.
• Интеграция ИИ — TensorFlow Lite: конвертация моделей, добавление в проект, инференс, оптимизация (квантование, обрезка, дистилляция).
• Предобученные модели — распознавание изображений (MobileNetV2), объектов (SSDLite), текста (OCR), речи (SpeechRecognizer), анализ тональности (BERT).
• Интерактивные ИИ-приложения — обработка камеры в реальном времени, голосовое управление, работа с сенсорами (акселерометр, GPS).
• Тестирование и развёртывание — Git/GitHub, автоматическое тестирование (JUnit, Espresso), публикация в Google Play и App Store с учётом требований к ИИ.

Особенности:
• Лекции разбиты на темы с указанием часов (всего ~40 часов).
• Содержат примеры кода (Java, XML, Python), сравнительные таблицы, схемы, практические советы.
• Учтены современные данные (2024–2025), требования Google Play к ИИ-приложениям, методы оптимизации для мобильных устройств.
• Каждая лекция завершается списком того, что студенты должны запомнить.

Сборник практических работ

Документ представляет собой полный сборник практических работ по модулю МДК 01.02 «Разработка мобильных приложений с поддержкой искусственного интеллекта» для специальности 09.02.13 Интеграция решений с применением технологий искусственного интеллекта.

Структура и содержание:
Тема 1.2.1. Платформы и инструменты мобильной разработки — установка Android Studio, создание эмулятора AVD, первый проект, работа с LinearLayout/ConstraintLayout, ресурсы (strings/colors/dimens), SharedPreferences, RecyclerView.
Тема 1.2.2. Интеграция ИИ в мобильные приложения — конвертация модели MNIST в TensorFlow Lite, загрузка модели в Android, инференс, GPU Delegate, квантование (Float16/Int8), обрезка (pruning), сравнение архитектур (MobileNetV2, EfficientNet, YOLO).
Тема 1.2.3. Разработка интерактивных ИИ-приложений — работа с камерой и галереей, интеграция MobileNetV2 (классификация) и SSDLite (детекция), распознавание в реальном времени (CameraX + frame skipping), голосовой помощник (SpeechRecognizer + TextToSpeech), распознавание эмоций по голосу.
Тема 1.2.4. Развертывание и тестирование — автоматические UI-тесты (Espresso), мок-тестирование ИИ-модели, тесты производительности, CI/CD (GitHub Actions, Firebase Test Lab), подготовка подписанного AAB, публикация в Google Play, декларация ИИ.

Особенности:
• Каждая практическая работа содержит пошаговые задания с указанием времени выполнения.
• Включены готовые фрагменты кода (Java, XML, Python, Gradle, YAML, bash).
• Присутствуют методические указания для преподавателя с планами занятий, вопросами для проверки, типичными ошибками и критериями оценки.
• Всего предусмотрено ~50 часов практических занятий (10 пар).

Оценочные средства

Документ представляет собой комплект оценочных средств (ФОС) по модулю МДК 01.02 «Разработка мобильных приложений с поддержкой искусственного интеллекта» для специальности 09.02.13 Интеграция решений с применением технологий искусственного интеллекта.

Структура и содержание:
Билеты для текущего контроля (8 билетов) — охватывают темы 1.2.1–1.2.4: платформы, жизненный цикл Activity, разрешения, Intent, SharedPreferences, RecyclerView, TensorFlow Lite, конвертация моделей, квантование, GPU Delegate, предобученные модели, работа с камерой, SpeechRecognizer, TextToSpeech, CameraX, frame skipping, сенсоры, тестирование Espresso, публикация в Google Play.
Вопросы для зачёта/экзамена (20 билетов) — каждый билет содержит:
3 теоретических вопроса (по 10 баллов)
Практическое задание (50 баллов) на создание работающего приложения
Практические задания включают разработку приложений для:
• Классификации изображений (MobileNetV2)
• Детекции объектов (SSDLite)
• Распознавания рукописных цифр (MNIST)
• Голосового управления и озвучивания результатов
• Распознавания в реальном времени с камеры
• Тестирования производительности и памяти
• Публикации в Google Play
Оценочный лист студента — детальная форма для выставления баллов (теория до 30, практика до 50, защита до 20, итого 100).
Критерии оценки — подробные шкалы для теоретической части, практического задания и защиты.

Особенности:
• Всего 20 экзаменационных билетов.
• Форма экзамена: комбинированный (теория + практика + защита) — 6 часов.
• Присутствуют рекомендации для экзаменатора: подготовка, расписание, ответы на частые вопросы студентов.

Сборник заданий для самостоятельной работы

Документ представляет собой сборник заданий для самостоятельной работы и консультаций по модулю МДК 01.02 «Разработка мобильных приложений с поддержкой искусственного интеллекта» для специальности 09.02.13 Интеграция решений с применением технологий искусственного интеллекта.

Структура и содержание:
Задания по темам курса:
Тема 1.2.1 (Инструменты и платформы) — установка Android Studio, изучение жизненного цикла Activity, создание интерфейса с ConstraintLayout.
Тема 1.2.2 (Интеграция ИИ) — конвертация собственной модели в TFLite, сравнение производительности MobileNetV2 и EfficientNet-Lite, исследование квантования (Float32 / Float16 / Int8).
Тема 1.2.3 (Интерактивные ИИ-приложения) — распознавание текста (OCR) с ML Kit, голосовое управление, приложение-шагомер на акселерометре.
Тема 1.2.4 (Тестирование и развёртывание) — написание Espresso-тестов, подготовка к публикации в Google Play (AAB, скриншоты, описание, декларация ИИ, политика конфиденциальности), подключение Firebase Analytics и Crashlytics.
Индивидуальные мини-проекты (для сильных студентов) — распознавание жестов с камеры (MediaPipe), чат-бот на устройстве (BERT), распознавание эмоций по лицу, наложение стикеров на распознанные объекты.
Контрольные вопросы для самопроверки по всем 4 темам (более 20 вопросов).
Форма отчёта — шаблон для оформления результатов самостоятельной работы (код, скриншоты, ответы на вопросы, трудности и выводы).
Критерии оценки — от «Не зачтено» до «Зачтено (отлично)».

Особенности:
• Задания снабжены временными нормами (от 1 до 2 часов на каждое).
• Присутствуют готовые фрагменты кода (Python для обучения моделей, Java/XML для Android).
• Для каждого задания указаны контрольные вопросы и/или критерии оценки.
• Предусмотрены задания повышенной сложности для мотивированных студентов.