Padziļinātā mašīnmācīšanās (SZF_168)
Īsumā par studiju kursu
Mērķis
Līdz šī kursa beigām studenti iemācīsies pielietot uzlabotas mašīnmācīšanās metodes, tostarp neironu tīklus, LLM, pastiprināšanas mācīšanos, GAN un automātiskos kodētājus, lai risinātu biznesa problēmas. Viņi iemācīsies veidot, izvietot, uzraudzīt un izskaidrot modeļus, nodrošinot ētisku izmantošanu un stratēģisku uzņēmējdarbības ietekmi.
Priekšzināšanas
"Mākslīgā intelekta un mašīnmācīšanās pamati" kurss vai līdzvērtīgs kurss
Rezultāti
1.- Izpratne par uzlabotām mašīnmācīšanās koncepcijām, modeļiem un algoritmiem.
- Iepazīšanās ar progresīvām neironu tīklu arhitektūrām (CNN, RNN, GAN, LLM), to priekšrocībām un ierobežojumiem.
- Izpratne par stiprināšanas mācībām.
- Zināšanas par ētiskiem apsvērumiem, neobjektivitāti un godīgumu saistībā ar AI.
- Izpratne par modeļu ieviešanas un uzraudzības procesiem.
1.- Veidojiet un precizējiet uzlabotos mašīnmācīšanās modeļus.
- Izmantojiet dabiskās valodas apstrādes metodes, tostarp tūlītēju inženieriju.
- Izvietot mašīnmācīšanās modeļus.
- Izmantojiet izskaidrojamas AI metodes, piemēram, SHAP un LIME, lai nodrošinātu modeļa interpretāciju.
1.- Izvēlieties un lietojiet mašīnmācības risinājumus, lai uzlabotu biznesa lēmumu pieņemšanu un efektivitāti.
- Efektīvi paziņojiet modeļa rezultātus un ieskatus netehniskajām ieinteresētajām personām.
- Nodrošināt ētiskas AI prakses integrāciju.
- Mašīnmācīšanās modeļu pielāgošana dinamiskā vidē.
Plānojums
| Studiju programma | Studiju semestris | Programmas līmenis | Studiju kursa kategorija | Docētāji | Grafiks |
|---|---|---|---|---|---|
| Digitālās stratēģijas un mākslīgā intelekta vadība | 2 | 2. cikla (Maģistra) | Obligāts | ||
| Digitālās stratēģijas un mākslīgā intelekta vadība | 2 | 2. cikla (Maģistra) | Obligāts |
