Mākslīgā intelekta un datu zinātnes rīki (SZF_171)
Īsumā par studiju kursu
Mērķis
Kursa mērķis ir sniegt studējošajiem zināšanas un praktiskas prasmes, lai izmantotu jaunākās mākslīgā intelekta (MI) un datu zinātnes tehnoloģijas un ar tām saistītos rīkus biznesa vai organizācijas kontekstā.
Apgūstot tādu tehnoloģiju un rīku izvēli un pielietojumu kā kognitīvie pakalpojumi, ģeneratīvā mākslīgā intelekta platformas, malas skaitļošanas (edge computing) un mašīnmācīšanās modeļu izvietošanas paņēmieni mākoņvidē un DevOps, studējošie iemācīsies organizēt atbilstošu izstrādes vidi, iespējot inovācijas un uzlabot operacionālo efektivitāti, sasniedzot organizācijas nospraustos mērķus ar MI un datu zinātnes pielietojumu saistītās jomās.
Apvienojot teoriju un praksi, kurss sagatavos nākotnes līderus, kas zinās kādus rīkus un darba metodes pielietot, lai izmantotu tehnoloģiju iespējas.
Priekšzināšanas
Pamatzināšanas Python programmēšanā, datu zinātnes un mašīnmācīšanās pamati, studējošie ir pazīstami ar datu vizualizācijas metodēm. Iepriekšēja pieredze ar mākoņplatformām (piemēram, AWS, Azure) ir vēlama, taču nav obligāta. Šīs zināšanas palīdzēs studējošajiem apgūt kursā apskatītos mākslīgā intelekta rīkus un metodes.
Rezultāti
1.Studenti spēs atšķirt, definēt, aprakstīt un skaidrot MI un datu zinātnes tehnoloģiju un ar to saistīto rīku nozīmi un pielietošanas veidu MI un datu zinātnes risinājumu radīšanas procesā.
1.Studenti spēs konfigurēt un uzsākt izmantot ar MI un datu zinātnes tehnoloģiju saistītos rīkus, lai tos izmantotu jaunu MI un datu zinātnes risinājumu izstrādē. Studenti spēs izvēlēties piemērotus rīkus balstoties uz informāciju par sasniedzamo darba mērķi, datu veidu un riskiem.
1.Studenti spēs analizēt, izvērtēt un prezentēt MI un datu zinātnes risinājumu radīšanai vajadzīgo rīku alternatīvas, opcijas un pielietojumu organizācijas kontekstā. Studenti spēs analizēt un izskaidrot dažādu rīku pielietojumu viena MI vai datu zinātnes projekta izstrādes ietvaros atkarībā no projekta darbaplūsmas vai fāzes.
