Digitālā transformācija ar mākslīgā intelekta palīdzību

Šī programma sniedz praktisku un mērķtiecīgu ieskatu mākslīgā intelekta un mašīnmācīšanās rīku pielietošanā digitālās transformācijas procesos. Dalībnieki apgūst MI risinājumu prototipēšanas, integrācijas un uzturēšanas principus, sākot no gatavu API izmantošanas līdz CI/CD un MLOps pamatu izpratnei. Programma stiprina spēju analizēt procesus, noteikt automatizācijas iespējas un izstrādāt vienkāršus risinājumus, kā arī padziļina izpratni par lielapjoma datu apstrādi un mākoņpakalpojumu izmantošanu digitālo procesu nodrošināšanai.

Īpašs uzsvars likts uz drošības, privātuma un ētikas aspektiem, kas ir būtiski MI risinājumu atbildīgā pielietošanā. Dalībnieki apgūst personas datu aizsardzības pamatprincipus, spēj identificēt drošības riskus un izprot MI ētikas nozīmi. Noslēgumā viņi attīsta prasmes prezentēt datu analīzes un MI rezultātus, izmantot KPI un ROI pamatjēdzienus risinājumu vērtības pamatloģijai, kā arī sniegt argumentētu atgriezenisko saiti, veicinot domāšanu, kas balstīta datos un digitālās inovācijās.

• 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 modeļi un risinājumu prototipēšana:

• MI risinājumu integrācijas pamati – kas ir API un kā tie ļauj savienot datu un analītiskos rīkus  
• Gatavu MI API izmantošana (piem., ChatGPT API, Google AI Studio, Power BI Copilot u.c.) 
• Datu apmaiņas pamati starp sistēmām – vienkāršoti piemēri REST API vai CSV integrācijām 
• CI/CD un MLOps jēdzieni vienkāršotā līmenī – ko nozīmē nepārtraukta mācīšanās un atjaunošana 
• Modeļu versiju un atjauninājumu izpratne – kā novērtēt, kad nepieciešams jauns modelis 
• Risinājumu uzturēšanas pamati – datu drošība, resursu pārvaldība, lietotāju piekļuves kontrole 
• MI risinājumu prototipēšana – kā no datu kopas izveidot vienkāršu MI demonstrācijas risinājumu

2. Procesu automatizācija:

• Biznesa procesu analīzes pamati
• Procesu vizualizācija (blokshēmas)
• Vienkāršu RPA rīku izmantošana
• Automatizācijas scenāriju izstrādes pamati

3. Lielapjoma datu apstrāde:

• Lielapjoma dati un to apstrāde
• Mākoņdatošanas pamati un datu apstrādes rīki
• SQL un relāciju datubāzu atšķirības
• Reāllaika datu plūsmas jēdziens
• Datu glabāšanas principi

4. Drošība un ētika:

• Datu aizsardzība un privātums (GDPR pamati)
• Datu anonimizācija un droša apmaiņa
• Drošības risku atpazīšana
• MI ētikas pamati

5. Rezultātu prezentēšana:

• Atgriezeniskās saites sniegšanas pamati
• KPI un ROI jēdzienu izpratne
• Pārskatu sagatavošana un prezentēšana
• Inovāciju kultūras pamati (AI-first domāšana)

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