Pag-aaral ng Makina (Machine Learning) para sa Electronic Design Automation

Ang tumataas na pagiging kumplikado ng modernong disenyo ng semiconductor ay nangangailangan ng higit pa sa tradisyonal na mga pamamaraan ng algorithmic; hinihingi nito ang kapangyarihan ng artificial intelligence sa paghula. Ipinapakilala sa iyo ng kursong ito ang pagtatagpo ng machine learning at Electronic Design Automation (EDA), na nagpapakita sa iyo kung paano gamitin ang data upang lutasin ang mga hamon sa hardware engineering. Lilipat ka mula sa pag-unawa sa mga pangunahing chip design flow patungo sa pagpapatupad ng mga matatalinong modelo na maaaring hulaan ang performance at i-optimize ang mga layout. Sa pagtatapos ng kursong ito, matutukoy mo kung saan nababagay ang machine learning sa loob ng VLSI lifecycle at magagamit ang mga tiyak na algorithm upang mapabuti ang kahusayan ng disenyo. Magkakaroon ka ng malinaw na pag-unawa kung paano baguhin ang raw hardware data sa mga actionable insight para sa mas mabilis at mas tumpak na pagbuo ng chip. Ano ang matututunan mo: - Unawain ang mga pangunahing kategorya ng machine learning na nauugnay sa CAD at EDA. - Maglapat ng mga regression model upang tantiyahin ang mga pisikal na parameter tulad ng resistance at capacitance. - Magsagawa ng exploratory data analysis at normalization sa mga hardware-specific dataset. - Gumamit ng mga dimensionality reduction technique upang mahusay na pamahalaan ang large-scale design data. - Magsanay sa pagbuo ng mga linear classifier at logistic regression model para sa design optimization. - Tuklasin ang mga modernong trend sa AI-driven synthesis at automated layout verification. Nagsisimula ang kurso sa mga pangunahing kahulugan ng machine learning at electronic design bago lumipat sa praktikal na data preparation at supervised learning techniques. Babasahin mo ang mga detalyadong paliwanag kung paano inilalapat ang mga mathematical model na ito sa real-world technology nodes at design constraints. Ang kursong ito ay idinisenyo para sa mga nagsisimula sa alinman sa hardware o software domain na gustong maunawaan ang synergy sa pagitan ng ML at EDA. Hindi kailangan ang naunang karanasan sa machine learning. Simulan ang pag-aaral kung paano bumuo ng susunod na henerasyon ng mga intelligent design tool ngayon.