Mākslīgā intelekta pamati un mašīnmācīšanās (SZF_167)
Īsumā par studiju kursu
Mērķis
Students iemācīsies pielietot AI/ML tehnikas, lai risinātu biznesa problēmas, veiktu datu analīzi, veidotu prognozēšanas modeļus un pieņemtu uz datiem balstītus lēmumus, vienlaikus nodrošinot ētisku AI izmantošanu.
Priekšzināšanas
Iepriekšēja pieredze MI vai mašīnmācīšanās jomā nav nepieciešama. Tomēr pamatizpratne par matemātiku, īpaši lineāro algebru, statistiku un varbūtību teoriju, ir noderīga. Zināšanas par Python programmēšanu (piemēram, mainīgie, cilpas, funkcijas) un darbs ar strukturētiem datiem (piemēram, izklājlapām vai CSV failiem) atbalstīs iesaisti kursa apguvē. Par labu nāk arī spēcīgas analītiskās prasmes un interese par problēmu risināšanu.Piemēram:https://www.udacity.com/course/introduction-to-python--ud1110https://ww…
Rezultāti
1.Izskaidrot galvenos algoritmus uzraudzītās un neuzraudzītās mācīšanās, tostarp regresijas, klasifikācijas, klasteru veidošanas un apkopošanas metodes.
1.Veikt pētniecisko un vizuālo datu analīzi un pamata datu pirmapstrādes paņēmienus.
1.Interpretēt modeļa rezultātus un metrikas, lai pieņemtu uz datiem balstītus biznesa lēmumus
Plānojums
| Studiju programma | Studiju semestris | Programmas līmenis | Studiju kursa kategorija | Docētāji | Grafiks |
|---|---|---|---|---|---|
| Digitālās stratēģijas un mākslīgā intelekta vadība | 2 | 2. cikla (Maģistra) | Obligāts | Nataliia Kinash | |
| Digitālās stratēģijas un mākslīgā intelekta vadība | 2 | 2. cikla (Maģistra) | Obligāts | Nataliia Kinash |
