Mākslīgā intelekta pamati: dati, algoritmi un vizualizācija

Izglītības programma sniedz sistemātisku ievadu darbā ar datiem un mākslīgo intelektu, apvienojot teoriju ar praktisku pieredzi. Dalībnieki apgūst MI attīstības pamatprincipus, tā galvenos modeļus un rīkus, vienlaikus izprotot to ietekmi darba vidē, riskiem un ētiskajiem aspektiem. Programma ļauj apgūt dažādus datu avotus un metodes to kvalitatīvai ievākšanai, kā arī attīstīt prasmes strādāt ar strukturētiem un nestrukturētiem datiem, izmantojot SQL, Python un mūsdienīgus analītikas rīkus.

Nodarbību laikā dalībnieki trenējas veikt datu apstrādi, veidot vizualizācijas un interpretēt rezultātus, pārvēršot tos skaidros, saprotamos secinājumos. Apgūtās metodes ietver NLP pamatus, attēlu datu analīzi, interaktīvu vizualizāciju izstrādi Power BI vai Python vidē, kā arī datu stāstniecību. Programmas noslēgumā dalībnieki prot sagatavot pārskatāmus, uz datiem balstītus ziņojumus un prezentācijas, kas palīdz pieņemt pamatotus lēmumus un efektīvāk izmantot MI piedāvātās iespējas.

• IKT,   0,00 €,   Personas līdzfinansējums ir PVN 21% no apmērā no izglītības programmas izmaksām.

• iepriekšējas zināšanas programmēšanā vai datu analītikā nav obligātas;
• vēlams pamata digitālo prasmju līmenis (vismaz DigComp 4. līmenis*), kas nodrošina spēju patstāvīgi izmantot digitālus rīkus, strādāt e-vidē un veikt informācijas meklēšanu un apstrādi.

* dalībnieks prot izmantot datoru un internetu informācijas meklēšanai, datu apstrādei un ikdienas darba uzdevumu veikšanai, spēj droši darboties e-vidē un izmantot digitālos rīkus dokumentu, aprēķinu vai vizualizāciju sagatavošanai.

1. MI pamati:

• MI vēsture
• MI modeļi un risinājumi
•  MI pielietojums dažādos biznesa un procesu aspektos
• Tehnoloģiskā uzbūve un darbības pamatprincipi
• Riski un ētiskie jautājumi: pamati

2. Datu avoti un ievākšana:

• Datubāzes (SQL)
• API un datu eksporti
• Web scraping un atvērto datu kopas

3. Datu apstrādes pamati:

• SQL vaicājumi (SELECT, JOIN, GROUP BY)
• Python bibliotēkas (pandas, NumPy)
• Datu tīrīšana un transformācija

4. Nestrukturēto datu analīze:

• Teksta dati (NLP pamati MI kontekstā)
• Attēlu metadatu apstrāde
• Logfaili un sensordati

5. Datu vizualizācija:

• Vizualizācijas pamatprincipi
• Grafiki un diagrammas Python (Matplotlib, Seaborn, Plotly)
• Power BI interaktīvie paneļi

6. Datu interpretācija un prezentācija:

• Vizualizāciju analīze un stāstniecība (data storytelling)
• Lēmumu pieņēmēju vajadzībām pielāgoti pārskati

Pieeja datoram ar interneta pieslēgumu, web kameru un mikrofonu.
Vēlama Microsoft Teams aplikācija datorā attālināto mācību nodrošināšanai.