.
Padziļinātā mašīnmācīšanās (SZF_168)
Īsumā par studiju kursu
Struktūrvienība: Sociālo zinātņu fakultāte
ECTS:5
Kursa vadītājs:Nataliia Kinash
Studiju tips:Nepilna laika, Pilna laika
Līmenis:2. cikla (Maģistra)
Mērķauditorija:Uzņēmējdarbības vadība; Vadībzinātne
Valoda:Angļu
Studiju kursa apraksts Pilns apraksts, Nepilna laika, Pilna laika
Zinātnes nozare:Citas elektrotehnikas, elektronikas, informācijas un komunikāciju tehnoloģiju apakšnozares; Elektrotehnika, elektronika, informācijas un komunikāciju tehnoloģijas
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
Zināšanas
1.Skaidrot padziļinātus mašīnmācīšanās konceptus, modeļus un algoritmus, tostarp to teorētiskos pamatus un praktiskās sekas.
Prasmes
1.Veidojiet un precizējiet uzlabotos mašīnmācīšanās modeļus.
Kompetences
1.Izvēlēties un lietot mašīnmācības risinājumus, lai uzlabotu biznesa lēmumu pieņemšanu un efektivitāti.
Plānojums
Plānošanas periods:2026. gada pavasara semestris
| 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 |
