понедельник, 9 сентября 2013 г.

Начинает свою работу страница курса "Цифровая обработка изображений" специальности "Радиотехника".

В настоящем разделе размещена единая информация, затрагивающая лекционный материал и задания к практическим работам.

Место проведения: Физический факультет (2-ой учебный корпус), к. 217.

Время: Лекция раз в две недели по средам с 10.15 до 11.50 (знаменатель).

Темы лекционных занятий
  1. Введение и обзор материала курса (презентация .pptxпрезентация .pdf). Чудеса фотографии "Восстановление фотографического наследия С.М. Прокудина-Горского" (ссылка1, ссылка2).
  2. Формирование изображений. Камера и ее основные характеристики  (презентация .pptxпрезентация .pdf). Awareness Test - "тест на внимательность" (ссылка).
  3. Цифровая обработка изображений в среде Matlab (презентация .pptxпрезентация .pdf). Seam Carving Algorithm - "контурное вырезание по шву" (описание, презентация .pptxпрезентация .pdfпример реализации .rar).
  4. Фильтрация и улучшение изображений. Часть 1 (презентация .pptxпрезентация .pdf). Hybrid Images - "гибридные изображения" (описание). Дополнительную информацию про Bilateral Filter (билатеральный фильтр) и Non-Local Means Algorithm (алгоритм вычисления нелокальных средних) можно найти здесь и здесь  соответственно.
  5. Фильтрация и улучшение изображений. Часть 2 (презентация .pptxпрезентация .pdf).
  6. Оценка качества цифровых изображений (презентация .pptxпрезентация .pdfm-файлы .rar). Описание и Matlab-реализацию Structural SIMilarity (SSIM) index - коэффициент структурного подобия (КСП) можно найти здесь. Рекомендации ITU-R BT.500-11 Methodology for the Subjective Assessment of the Quality of Television Pictures - методология для субъективной оценки качества телевизионных изображений (ссылка). Про субъективную оценку качества можно также почитать здесь.
  7. Цвет и обработка цветных изображений (презентация .pptxпрезентация .pdf). Awareness Test - "тест на внимательность" (ссылка). Tiny images - "крошки картинки" (ссылка). Смотрим визуальные иллюзии на Planet Perplex (ссылка). Про трекинг глаз читаем здесь. Так же интересно почитать следующую книгу Yarbus Alfred L. Eye Movements and Vision. Plenum Press, 1967 (ссылка). Пример законченного кода для самостоятельного исследования по методу K-средних, а также анализу главных компонент из курса Andrew Ng "Machine Learning" на www.coursera.org (ссылка).
  8. Сжатие изображений. Стандарт JPEG (презентация .pptxпрезентация .pdf). Хорошо написанная статья и ссылки для самостоятельного изучения по стандарту JPEG могут быть найдены здесь. Стандарт JPEG (ссылка). Также рекомендуется проанализировать источники [7, 8] в дополнительных материалах.
  9. Вопросы к зачету (вопросы .pdf).
Практические задания
  1. Фильтрация изображений (описание .pdfизображения .rar). Срок сдачи задания - 06.11.2013.
  2. Цифровая хроматография изображений Российской Империи, полученных С.М. Прокудиным-Горским (описание .pdfизображения .rar). Срок сдачи задания - 11.12.2013.
    Дополнительные материалы
    1. Peters R.A. Image Processing (EECE / CS 253) , 2007. Vanderbilt University School of Engineering (ссылка).
    2. Крылов А., Лукин А. Интегральные преобразования в обработке изображений, введение в цифровую обработку мультимедийной информации, 2011. МГУ им. М.В. Ломоносова (ссылка). Примечание: здесь можно послушать аудиозаписи лекторов, посмотреть соответствующие презентация, попробовать выполнить предлагаемые практические задания, ну и понять чему учат в МГУ по аналогичным курсам.
    3. Ватолин Д. Методы обработки и сжатия видео, 2010-2011. МГУ им. М.В. Ломоносова (ссылка).
    4. Волохов В. Курс "Цифровая обработка изображений" 2011. Лаборатория цифровые цепи и сигналы при физическом факультете ЯрГУ (ссылка).
    5. Волохов В. Курс "Цифровая обработка изображений" 2012. Лаборатория цифровые цепи и сигналы при физическом факультете ЯрГУ (ссылка).
    6. Волохов В. Курс Компьютерное зрение, 2011. Лаборатория цифровые цепи и сигналы при физическом факультете ЯрГУ (ссылка).
    7. Волохов В. Курс Компьютерное зрение, 2012. Лаборатория цифровые цепи и сигналы при физическом факультете ЯрГУ (ссылка).
    8. Приоров А.Л., Апальков И.В., Хрящев В.В. Цифровая обработка изображений: учебное пособие. - Ярославль: ЯрГУ, 2007 (ссылка).
    9. Wallace G.K. The JPEG Still Picture Compression Standard // IEEE Trans. Consumer Electronics. 1992. V. 38, №1. P. xviii - xxxiv (ссылка).
    10. Efros A. Computational Photography (15-463 / 15-862), 2013. Carnegie Mellon University (ссылка).
    Руководитель курса: ст. преп. каф. ДЭС Волохов В.А.

    воскресенье, 8 сентября 2013 г.

    Начинает свою работу страница курса-факультатива "Методы машинного обучения".

    В настоящем разделе размещена информация, затрагивающая литературу, ссылки, лекционный материал по тематике курса и примеры реализаций алгоритмов.

    Место и время проведения 

    Физический факультет (2-ой учебный корпус), к. 203, каждую неделю по понедельникам, с 16.00 до 17.35.

    Темы лекционных занятий
    1. Введение и обзор материала курса. Линейная регрессия с одной переменной (презентация .pptx). Про автономный вертолет читаем здесь. Законченная реализация алгоритма линейной регрессии с одной и несколькими переменными из online курса Andrew Ng "Machine Learning" на www.coursera.org (ссылка). С оригинальным Стэнфордским курсом по машинному обучению Andrew Ng можно ознакомиться здесь или здесь. Неплохо написанную книжку по машинному обучению Stephen Marsland "Machine Learning: An Algorithmic Perspective" можно скачать здесь. Эта книга хорошо подходит для понимания базовых концепций в данной области. В ней есть примеры реализации алгоритмов машинного обучения на языке Python. Рекомендуется ознакомиться с книжкой написанной Александром Борисовичем Мерковым (к.т.н., сотрудник Института системного анализа РАН) "Введение в методы статистического обучения" (ссылка). Книга написана просто, доступно и дает хороший обзор современных методов распознавания. Также рекомендуется ознакомиться с отечественным профессиональным информационно-аналитическим ресурсом, который посвящен машинному обучению, распознаванию образов и интеллектуальному анализу данных (ссылка).
    2. Линейная регрессия со множеством переменных. Классификация. Логистическая регрессия (презентация .pptx). Законченная реализация алгоритма логистической регрессии с регуляризацией и без нее из online курса Andrew Ng "Machine Learning" на www.coursera.org (ссылка).
    3. Искусственные нейронные сети (представление) (презентация .pptx). Законченная реализация алгоритма логистической регрессии с регуляризацией и нейронной сети прямого распространения для решения задачи многоклассовой классификации на базе данных рукописных цифр MNIST из online курса Andrew Ng "Machine Learning" на www.coursera.org (ссылка). Обращаю внимание на то, что в предложенной реализации по умолчанию используется только 5000 тренировочных примеров (вместо изначальных 60000) из базы данных MNIST, а также на то, что тестирование рассматриваемых алгоритмов осуществляется на примерах, которые использовались на этапе обучения. Поэтому сравнить полученные результаты с уже имеющимися на аналогичной базе данных (ссылка) нельзя! Несколько баз данных для обучение, в том числе MNIST (в удобном, родном для Matlab формате mat) можно найти здесь. Интересно почитать следующую статью про сверточную нейронную сеть LeNet 5 (ссылка).
    4. Искусственные нейронные сети (обучение) (презентация .pptx). Законченная реализация алгоритма обучения нейронной сети прямого распространения для решения задачи многоклассовой классификации на базе данных рукописных цифр MNIST из online курса Andrew Ng "Machine Learning" на www.coursera.org (ссылка). Автономное вождение / проект ALVINN (видео позаимствовано из курса Andrew Ng "Machine Learning" на www.coursera.org).
    5. Рекомендации по применению алгоритмов машинного обучения. Построение систем машинного обучения. Оптическое распознавание символов. Данные, данные, данные ... (презентация .pptx). Пример законченного кода для самостоятельного исследования по регуляризованной линейной регрессии, а также таких понятий как смещение и дисперсия из курса Andrew Ng "Machine Learning" на www.coursera.org (ссылка).
    6. Детектирование лиц на основе алгоритма Виола / Джонса (презентация .pptx). Ссылка на статью Viola P., Jones M. Robust Real-time Object Detection // Int. J. Computer Vision. 2004. V. 57, 2. P. 137–154 (ссылка).
    7. Анализ главных компонент. Распознавание лиц (презентация .pptx). Ссылка на статью Turk M., Pentland А. Eigenfaces for Recognition // Journal of Cognitive neuroscience. 1991. V. 3, №1. P. 73–86 (ссылка). Ссылка на копию оригинальной статьи К. Пирсона 1901 г., в которой было предложено описание анализа главных компонент (ссылка). Пример законченного кода для самостоятельного исследования по анализу главных компонент, а также методу K-средних из курса Andrew Ng "Machine Learning" на www.coursera.org (ссылка). Дополнительно про анализ главных компонент и другие методы сокращения размерности можно почитать в книге Stephen Marsland "Machine Learning: An Algorithmic Perspective" (ссылка). Опционально, про применение анализа главных компонент в задаче шумоподавления на цифровых изображениях можно узнать из следующего источника (ссылка).
    8. Кластеризация (презентация .pptx). Пример законченного кода для самостоятельного исследования по методу K-средних, а также анализу главных компонент из курса Andrew Ng "Machine Learning" на www.coursera.org (ссылка).
    9. Детектирование аномалий (презентация .pptx).  Пример законченного кода для самостоятельного исследования по алгоритму детектирования аномалий, а также системам рекомендаций из курса Andrew Ng "Machine Learning" на www.coursera.org (ссылка). Пример реализации простого алгоритма детектирования номерных знаков, основанного на детектировании аномалий, в среде Matlab (ссылка).
    10. Машинное обучение на больших базах данных (презентация .pptx).
    Темы для самостоятельного изучения

    В настоящем разделе приводятся темы для самостоятельного изучения из курса  Andrew Ng "Machine Learning" на www.coursera.org.
    1. Машины опорных векторов. Пример законченного кода для самостоятельного исследования по машинам опорных векторов из курса Andrew Ng "Machine Learning" на www.coursera.org (ссылка).
    2. Системы рекомендаций. Пример законченного кода для самостоятельного исследования по системам рекомендаций, а также алгоритму детектирования аномалий из курса Andrew Ng "Machine Learning" на www.coursera.org (ссылка).
    Практические задания

    Для всех желающих здесь будут выкладываться исходные практические задания из курса Andrew Ng "Machine Learning" на www.coursera.org, которые можно решать самостоятельно. Разбор решений будет производиться на лекциях, решенные задания будут последовательно выкладываться в разделе "Темы лекционных занятий".
    1. Линейная регрессия (ссылка).
    2. Логистическая регрессия (ссылка).
    3. Многоклассовая классификация и нейронные сети (ссылка).
    4. Обучение нейронных сетей (ссылка).
    5. Регуляризованная линейная регрессия. Смещение против дисперсии (ссылка).
    6. Машины опорных векторов (ссылка).
    7. Алгоритм кластеризации на основе К-средних. Анализ главных компонент (ссылка).
    8. Детектирование аномалий и системы рекомендаций (ссылка).
    Дополнительные материалы
    1. Ng A. Machine Learning (CS 229), 2009. Stanford University (ссылка 1ссылка 2).
    2. Ng A. Unsupervised Feature Learning and Deep Learning. Stanford University (ссылка 1ссылка 2).
    3. Сайт посвященный новой области машинного обучения - глубокому обучению (Deep Learning). Глубокое обучение введено с целью смещения машинного обучения к одной из его первоначальных целей - искусственному интеллекту (Artificial Intelligence) (ссылка 1ссылка 2).
    4. Воронцов К.В. Машинное обучение, 2012/2013. ШАД Яндекс (ссылка).
    5. Профессиональный информационно-аналитический ресурс, который затрагивает машинное обучение, а также распознавание образов и интеллектуальный анализ данных (ссылка).
    6. Szelicki R. Computer Vision: Algorithms and Applications. Springer, 2010 (ссылка).
    7. Сетевой журнал "Компьютерная графика и мультимедиа" (ссылка).
    8. Конушин A. Семантическая классификация изображений (видеолекции), 2010. Сomputer Science клуб при ПОМИ РАН (ссылка).
    9. Ерухимов В. Компьютерное зрение и библиотека OpenCV (видеолекции), 2011. Сomputer Science клуб при ПОМИ РАН (ссылка).
    10. Конушин А. Курсы "Введение в компьютерное зрение" и "Доп. главы компьютерного зрения" (видеолекции), 2011. Лаборатория компьютерной графики при ВМК МГУ (ссылка).
    11. Efros A. Learning-Based Methods in Vision (16-721), 2009. Carnegie Mellon University (ссылка).
    12. Kemelmacher I., Rao R., Seitz S., Shapiro L. Computer Vision (CSE 455), 2003 - 2010. University of Washington (ссылка).
    13. Lazebnik S. Computer Vision (COMP 776), 2008 - 2011. The University of North Carolina at Chapel Hill (ссылка).
    14. Thrun S. Computer Vision / Introduction to Computer Vision (CS 223b), 2004 - 2009. Stanford University (ссылка).
    Online курсы

    Информация по наиболее интересным online курсам приведена в первой презентации. Напоминаю, что с 2011 года ряд западных университетов начал практику создания online курсов (www.coursera.orgwww.udacity.org) по различным дисциплинам. Например, "Искусственный интеллект", "Машинное обучение", "Компьютерное зрение" и т.д. Для ознакомления с материалами курсов (видеолекциями, практическими заданиями и т.д.) нужна регистрация!

    Руководитель курса: ст. преп. каф. ДЭС Волохов В.А.

    Начинает свою работу единая страница курсов "Цифровая фильтрация", "Основы цифровой обработки сигналов" специальности "Радиофизика и электроника" и направлений "Инфокоммуникационные технологии и системы связи" и "Радиотехника", соответственно.

    В настоящем разделе размещена единая информация, затрагивающая в первую очередь лабораторный практикум (состоящий из 6-ти лабораторных работ, выполняемых в пакете Matlab), по указанным выше курсам. Информация по лекционному материалу и проведению итоговой аттестации может быть получена у лектора.

    Место проведения: Физический факультет (1-ый учебный корпус), к. 306.

    Время
    1. Специальность "Радиофизика и электроника" (группа РЭ-41СО) раз в две недели по вторникам с 16.00 до 17.35 (знаменатель).
    2. Направление "Инфокоммуникационные технологии и системы связи" (группа ИТС-31БО) раз в две недели по пятницам, с 14.15 до 15.50 (числитель/знаменатель разделение на подгруппы).
    3. Направление "Радиотехника" (группа РТ-31БО) раз в две недели по пятницам, с 10.15 до 11.50 (числитель/знаменатель разделение на подгруппы).
    Темы лабораторных работ
    1. Синтез цифровых КИХ-фильтров методом окон (описание .pdfприложение .pdf, m-файлы .rar).
    2. Синтез цифровых БИХ-фильтров методом билинейного z-преобразования (описание .pdfприложение .pdf, m-файлы .rar).
    3. Синтез оптимальных по Чебышёву КИХ-фильтров (описание .pdfприложение .pdf, m-файлы .rarмодель simulink .rar).
    4. Многоскоростная цифровая обработка сигналов (описание .pdf, m-файлы .rar).
    5. Обработка сигналов на основе вейвлет-преобразования (описание .pdf, приложение .pdfm-файлы .rar).
    6. Применение адаптивной фильтрации в обработке цифровых сигналов (описание .pdfm-файлы .rar).
    7. Список опечаток в книге Приоров А.Л., Волохов В.А., Лаврентьев А.М. Основы цифровой обработки сигналов. Лабораторный практикум.  Ярославль: ВУНЦ ВВС «ВВА им. профессора Н.Е. Жуковского и Ю.А. Гагарина» (филиал г. Ярославль), 2012 (список .pdf). Замечание: пожалуйста, в случае нахождения опечаток или неточностей в вышеозначенной книге, сообщите о них мне в комментах здесь или на электронную почту. Заранее спасибо!
    Дополнительные материалы
    1. Список рекомендуемой литературы (список .pdf).
    2. Волохов В.А. Лекция по разностным уравнениям. ЯрГУ, 2010 (описание .djvu).
    3. Хрящев В.В., Приоров А.Л., Волохов В.А. Основы теории цепей. Сборник задач. Глава 4. ЯрГУ, 2008 (описание .pdf).
    4. Волохов В.А. Синтез цифровых КИХ-фильтров методом окон. Сборник задач. ЯрГУ, 2010 (описание .pdf).
    5. Волохов В.А. Синтез цифровых БИХ-фильтров методом билинейного z-преобразования. Сборник задач. ЯрГУ, 2011 (описание .pdf).
    6. Лукин А.С., Крылов А.С. "Интегральные преобразования в обработке изображений, введение в цифровую обработку мультимедийной информации" 2011 (ссылка).
    7. Волохов В.А. Курсы "Цифровая фильтрация", "Основы цифровой фильтрации", "Цифровые фильтры" 2010 (ссылка).
    8. Волохов В.А. Курсы "Цифровая фильтрация", "Основы цифровой фильтрации", "Цифровые фильтры" 2011 (ссылка).
    9. Freeman D. Signal and Systems (6.003), 2010. Massachusetts Institute of Technology (ссылка).
    10. Lustig M. Digital Signal Processing (EE123), 2011. University of California, Berkeley (ссылка).
    11. Lustig M. Digital Signal Processing (EE123), 2012. University of California, Berkeley (ссылка).
    12. Kundur D. Real-Time Digital Signal Processing (ECEN448), 2011. Texas A&M University (ссылка).
    13. Gilbert S. Wavelets, Filter Banks and Application (18.327 / 1.130), 2003. Massachusetts Institute of Technology (ссылка).
    14. Gilbert S. Wavelets, Filter Banks and Application (18.327 / 1.130), 2004. Massachusetts Institute of Technology (ссылка). Примечание: здесь можно найти примеры Matlab-кодов по теме связанной с вейвлетами и вейвлет-преобразованием.
    15. Oppenheim A. V. Signals and Systems (6.007), 2011. Massachusetts Institute of Technology (ссылка).  Примечание: здесь можно найти видеолекции одного из ведущих специалистов в области "Цифровой обработки сигналов" - Алана Оппенгейма.
    16. Грибунин В.Г. Глоссарий по цифровой обработке сигналов (ссылка).
    Замечание: Вопросы, затрагивающие описание лабораторного практикума, трудности возникающие при написании программной части лабораторных работ, разбор листинга языка пакета Matlab и т.п., могут быть заданы в комментариях настоящего раздела или присланы по электронной почте.

    Руководитель лабораторного практикума: ст. преп. каф. ДЭС Волохов В.А.

    Начинает свою работу страница курса "Инженерная и компьютерная графика" направлений "Инфокоммуникационные технологии и системы связи" и "Радиотехника".

    В настоящем разделе размещена единая информация, затрагивающая лабораторный практикум (выполняемый в пакете КОМПАС-3D) и лекционный материал.

    Место проведения: Физический факультет (2-ой учебный корпус), к. 114 (лабораторный практикум), к. 217 (лекционные и практические занятия).

    Время
    1. Направление "Инфокоммуникационные технологии и системы связи" (группа ИТС-11БО) лабораторный практикум раз в две недели по вторникам, с 12.00 до 13.35 (числитель/знаменатель разделение на подгруппы), практические занятия раз в две недели по вторникам с 10.15 до 11.50 (знаменатель), лекции раз в две недели по вторникам с  10.15 до 11.50  (числитель).
    2. Направление "Радиотехника" (группа РТ-11БО) лабораторный практикум раз в две недели по вторникам, с  14.15 до 15.50  (числитель/знаменатель разделение на подгруппы), практические занятия раз в две недели по вторникам с 8.30 до 10.05 (числитель), лекции раз в две недели по вторникам с  10.15 до 11.50  (числитель).
    Темы лекционных занятий
    1. Введение. Стандарты ЕСКД по графическому оформлению конструкторской документации (материалы .rar).
    2. Метод проекций как основа построения чертежа. Примечание: материал рассматривается в рамках источника [6] в дополнительных материалах ниже, стр. 5-11.
    3. Ортогональные проекции элементарных геометрических образов. Примечание: материал рассматривается в рамках источника [6] в дополнительных материалах ниже, стр. 11-55. Более краткое изложение данной темы может быть найдено в источнике [11] на стр. 19-31.
    4. Аксонометрические проекции. Примечание: материал рассматривается в рамках источника [6] в дополнительных материалах ниже, стр. 143-154. Окружность в аксонометрии (ссылка). Про пересечение поверхностей в аксонометрии читаем здесь.
    5. Изображения - виды, разрезы, сечения. Примечание: материал рассматривается в рамках источника [6] в дополнительных материалах ниже, стр. 155-170.
    6. Схемы используемые в РЭА.  Примечание: материал рассматривается в рамках источника [5] в дополнительных материалах ниже, стр. 349-355, 359-364. Распечатки к лекции частично были позаимствованы из следующей методички (ссылка).
    7. Виды и комплектность изделий и конструкторских документов. Примечание: материал рассматривается в рамках источника [7] в дополнительных материалах ниже (ГОСТ 2.101-68 - Виды изделий; ГОСТ 2.102-68 - Виды и комплектность конструкторских документов).
    8. Стадии разработки. Примечание: материал рассматривается в рамках источника [7] в дополнительных материалах ниже (ГОСТ 2.103-68 - Стадии разработки).
    9. Основы компьютерной графики (презентация .pptxпрезентация .pdf).
    10. Применение компьютерных технологий для выполнения и оформления графической конструкторской документации. Примечание: материал рассматривается в рамках задач, решаемых в лабораторном практикуме курса "Инженерная и компьютерная графика".
    Темы лабораторных работ
    1. Изучение основных приемов работы в среде КОМПАС-3D (описание и доп. материалы .rar).
    2. Построение и редактирование геометрических объектов (описание .rar).
    3. Построение третьей проекции фигуры по двум известным (описание и доп. материалы .rar). Видеоролик - создание чертежа ортогональных проекций детали в КОМПАС-3D (ссылка).
    4. Аксонометрические проекции (описание и доп. материалы .rar). Видеоролик - построение аксонометрических проекций в КОМПАС-3D (ссылка).
    5. Создание и редактирование трехмерных моделей деталей (описание и доп. материалы .rar). Видеоролик - создание трехмерной детали в КОМПАС-3D (ссылка).
    6. Создание и редактирование трехмерных моделей деталей. Сечения. Разрезы сложные (описание и доп. материалы .rar). Примечание: материал настоящей лабораторной работы рассматривается в рамках источника [9] в дополнительных материалах ниже, стр. 25-53. Видеоролик - создание трехмерной детали вала в КОМПАС-3D (ссылка 1ссылка 2). Азбука КОМПАС-3D, ЗАО АСКОН, 2010 - Урок № 2. Создание рабочего чертежа, стр. 74-91 (ссылка).
    7. Создание и редактирование сборки (описание и доп. материалы .rar)Видеоролик - создание сборки в КОМПАС-3D (ссылка 1ссылка 2ссылка 3).
    Дополнительные материалы
    1. Список рекомендуемой литературы (список .pdf).
    2. Бесплатный PDF-конвертер - doPDF (dopdf-7 .exe). Официальный сайт (ссылка).
    3. Миронов Б.Г., Панфилова Е.С. Сборник упражнений для чтения чертежей по инженерной графике: учеб. пособие для студ. учреждений сред. проф. образования. - 3-е изд., стер. - М.: Издательский центр "Академия", 2010 (ссылка).
    4. Чекмарев А.А. Задачи и задания по инженерной графике: учеб. пособие для студ. техн. спец. вузов - 2-е изд., стер. - М.: Издательский центр "Академия", 2007, стр. 2-26 (ссылка).
    5. Чекмарев А.А. Задачи и задания по инженерной графике: учеб. пособие для студ. техн. спец. вузов - 3-е изд., стер. - М.: Издательский центр "Академия", 2008. Аксонометрические проекции, стр. 34-36 (ссылка).
    6. Чекмарев А.А. Начертательная геометрия и черчение: учеб. для студ. высш. учеб. заведений. – 2-е изд., перераб. и доп. – М. Гуманит. изд. центр ВЛАДОС, 2002 (ссылка).
    7. ГОСТ «Единая система конструкторской документации». – М.: Издательство стандартов, 2001 (ссылка).
    8. Вольхин К.А. Учебные пособия: начертательная геометрия, конструкторские документы и правила их оформления, инженерная и прикладная компьютерная графика, геометрические основы построения чертежа (ссылка).
    9. Система автоматизированного проектирования bCAD-студент. ЗАО ПроПро Группа, 2004 (ссылка).
    10. Ляшков А.А., Куликов Л.К., Панчук К.Л. Сборник заданий по начертательной геометрии и инженерной графике. – Омск: ОмГТУ, 2005 (ссылка).
    11. Сараева Г.П. Графика: учеб. пос. (часть 1). – Томск: Центр учебно-методической литературы ТГПУ, 2004 (ссылка).
    Замечание: Вопросы, затрагивающие описание лабораторного практикума, трудности возникающие при рассмотрении теоретических вопросов и решении задач по данному курсу, могут быть заданы в комментариях настоящего раздела или присланы по электронной почте.

    Руководитель курса: ст. преп. каф. ДЭС Волохов В.А.

    Поехали! С уважением, Владимир Волохов.