Droša datu pārvaldība mākslīgā intelekta risinājumos

Python pamati datu un MI rīku pārvaldīšanai, 25h
Mākslīgā intelekta risinājumi drošai un efektīvai biznesa datu pārvaldībai, 75h

Datora lietošana.
Nav nepieciešamas priekšzināšanas programmēšanā un darbā ar mākslīgā intelekta rīkiem.

Python pamati datu un MI rīku pārvaldīšanai
1. Python darba vides sagatavošana. VSCode, Jupyter Notebooks un Google Colab vides pielāgošana tālākai darbībai;
2. Python programmēšanas valodas pamati datu apstrādei;
3. Objekt orientētas programmēšanas pamati Pyton;
4. Python rīki, kurus izmanto kopā ar mākslīgā intelekta rīkiem, lai paplašinātu to pielietošanas iespējas (piem. Pandas, Pydantic).
5. Python lielo datu pārvaldības rīki, kas ļauj efektīvi strādāt lokālā vidē (piem. DuckDB, Polars, Dask, Vaex, Modin);
6. Python rīki datu šifrēšanai (encryption) un atšifrēšanai (decryption).

Mākslīgā intelekta risinājumi drošai un efektīvai biznesa datu pārvaldībai
1. MI risinājumi datubāzu pārvaldīšanai, SQL un ne-SQL datubāzes, vektoru datubāzes. Kontekstā balstīta meklēšana (Semantic search).
2. MI pamati. Mašīnmācīšanās  un dziļā mācīšanās. Neironu tīkli;
3. Federatīvā mašīnmācīšanās (Federated learning).  MI modeļu trenēšana lokāli bez datu nosūtīšanas uz centrālo serveri, ar pielietojumu sensitīvu datu apstrādē;
4. Pārneses mašīnmācīšanās ("Transfer Learning") ar Hugging Face transformeriem un Keras 3. Iepriekš apmācītu LLM modeļu pielāgošana lokāli, nodrošinot datu drošību un privātumu;
5. GenAI rīku lokālā ieviešana un uzturēšana ar Ollama;
6. Lielo valodas modeļu (LLM) — GPT, Gemini, TinyLlama pamati biznesa datu pārvaldīšanai;
7. Uzvedņu inženierijas (Prompt engineeing) pamati;
8. MI risinājumi darbam ar strukturētiem datiem. JSON pamati, Pydantic modeļu pielietošana ar MI rīkiem. SQL pamati ar Postgres. MI Teksta uz SQL risinājumi.
9. Datu pārvaldības procesa automatizācija ar LangChain;
10. RAG (Ieguves paplašinātas ģenerēšanas) pamati dokumentu pārvaldes automatizācijai. Risinājumi datu iegūšanai no vairākiem avotiem (dažāda formāta faili, tīmekļa vietnes, datu bāzes, API u.c.) ar MI rīkiem.
11. Datu straumēšana reāllaika apstrādei ar MI risinājumiem.
12. Daudz-­aģentu MI sistēmas datu pārvaldības procesa automatizācijai un datu drošības nodrošināšanai.

Nepieciešams dators ar vismaz 8GB RAM, interneta pieslēgumu, pārlūks Mozilla Firefox, Google Chrome vai Microsoft Edge. Skandas vai mobilais tālrunis ar Android vai iOS operētājsistēmu un Mozilla Firefox vai Google Chrome pārlūku.
Vēlams mikrofons. Ļoti ieteicams otrs monitors.
Operētājsistēma: Microsoft Windows 10 vai jaunāka, Linux ar grafisko lietotāja vidi, macOS.

Programmatūra, kas būs jāinstalē pirms nodarbībām vai nodarbību laikā:

• Python,
• Visual Studio Code,
• Node.js,
• Docker,
• Postgres

Google (Gmail) konts piekļuvei bezmaksas Google servisiem, Mākslīgā intelekta rīku piekļuvei (piemēram, ChatGPT).