แมชชีนเลิร์นนิงสำหรับระบบอัตโนมัติในการออกแบบอิเล็กทรอนิกส์ (Electronic Design Automation)

ความซับซ้อนที่เพิ่มขึ้นของการออกแบบเซมิคอนดักเตอร์สมัยใหม่ต้องการมากกว่าวิธีการทางอัลกอริทึมแบบดั้งเดิม แต่ต้องการพลังในการทำนายของปัญญาประดิษฐ์ (artificial intelligence) หลักสูตรนี้จะแนะนำคุณให้รู้จักกับจุดตัดของ machine learning และ Electronic Design Automation (EDA) โดยแสดงให้เห็นถึงวิธีที่คุณสามารถใช้ประโยชน์จากข้อมูลเพื่อแก้ไขปัญหาทางวิศวกรรมฮาร์ดแวร์ คุณจะเปลี่ยนจากการทำความเข้าใจ flow การออกแบบชิปพื้นฐานไปสู่การนำโมเดลอัจฉริยะที่สามารถทำนายประสิทธิภาพและเพิ่มประสิทธิภาพ layout มาใช้ เมื่อจบคอร์สนี้ คุณจะสามารถระบุได้ว่า machine learning เข้ากันได้กับวงจรชีวิต VLSI อย่างไร และประยุกต์ใช้อัลกอริทึมเฉพาะเพื่อปรับปรุงประสิทธิภาพการออกแบบ คุณจะได้รับความเข้าใจที่ชัดเจนเกี่ยวกับวิธีเปลี่ยนข้อมูลฮาร์ดแวร์ดิบให้เป็นข้อมูลเชิงลึกที่นำไปปฏิบัติได้ เพื่อการพัฒนาชิปที่เร็วขึ้นและแม่นยำยิ่งขึ้น สิ่งที่คุณจะได้เรียนรู้: - ทำความเข้าใจหมวดหมู่พื้นฐานของ machine learning ที่เกี่ยวข้องกับ CAD และ EDA - ประยุกต์ใช้ regression models เพื่อประมาณค่าพารามิเตอร์ทางกายภาพ เช่น resistance และ capacitance - ดำเนินการวิเคราะห์ข้อมูลเชิงสำรวจ (exploratory data analysis) และ normalization บนชุดข้อมูลเฉพาะของฮาร์ดแวร์ - ใช้เทคนิค dimensionality reduction เพื่อจัดการข้อมูลการออกแบบขนาดใหญ่ได้อย่างมีประสิทธิภาพ - ฝึกสร้าง linear classifiers และ logistic regression models สำหรับการเพิ่มประสิทธิภาพการออกแบบ - สำรวจแนวโน้มสมัยใหม่ในการสังเคราะห์ที่ขับเคลื่อนด้วย AI และการตรวจสอบ layout อัตโนมัติ หลักสูตรเริ่มต้นด้วยคำจำกัดความพื้นฐานของ machine learning และการออกแบบอิเล็กทรอนิกส์ ก่อนที่จะเข้าสู่การเตรียมข้อมูลเชิงปฏิบัติและเทคนิค supervised learning คุณจะได้อ่านคำอธิบายโดยละเอียดเกี่ยวกับวิธีการประยุกต์ใช้โมเดลทางคณิตศาสตร์เหล่านี้กับ technology nodes และข้อจำกัดในการออกแบบในโลกแห่งความเป็นจริง หลักสูตรนี้ออกแบบมาสำหรับผู้เริ่มต้นในโดเมนฮาร์ดแวร์หรือซอฟต์แวร์ที่ต้องการทำความเข้าใจการทำงานร่วมกันระหว่าง ML และ EDA ไม่จำเป็นต้องมีประสบการณ์ด้าน machine learning มาก่อน เริ่มเรียนรู้วิธีสร้างเครื่องมือออกแบบอัจฉริยะยุคถัดไปได้แล้ววันนี้