Biznesa procesu automatizācija ar mākslīgā intelekta risinājumiem

STUDIJU MODUĻA MĒRĶIS:
Apgūt mākslīgā intelekta (MI) izmantošanas pamatus tiem, kas nodarbojas ar biznesa procesu vadību. 
Apgūt Python programmēšanas pamatus efektīvam darbam ar MI rīkiem un risinājumiem.

STUDIJU MODUĻA UZDEVUMI:
Sniegt zināšanas par MI, risinājumiem biznesa procesu automatizācijai;
Sniegt zināšanas par Python programmēšanas valodu efektīvam darbam ar MI rīkiem, automatizācijas rīkiem.

SAGAIDĀMIE REZULTĀTI:
Zināšanas:
MI pamati. Mašīnmācīšanās  un dziļā mašīnmācīšanās;
Datu sagatavošana mašīnmācīšanām;
Mākslīgie neironu tīkli un to veidošana;
AutoML un GenAI rīki;
Lielo valodas modeļu (LLM);
RAG (Ieguves paplašinātas ģenerēšanas);
Prognozēšana ar MI rīkiem;
Biznesa procesu automatizācija ar MI rīkiem;
Tīmekļa un mobilo aplikāciju veidošana uz MI pamata. 
Python programmēšanas pamati;
Python rīki automatizācijai, sadarbībai ar MI rīkiem

Prasmes:
Neironu tīklu modeļu veidošana;
MI rīku pielietošana biznesa procesu automatizācijai;
MI rīku pielietošana biznesa problēmu risināšanā;
MI rīku pielietošana darbam ar dažāda veida datu avotiem un failiem;
Lielo valodas modeļu (LLM) pielietošana biznesa problēmu risināšanā;
Daudz-aģentu MI sistēmu pielietošanā biznesa procesu automatizācijai;
Tīmekļa un mobilo aplikāciju veidošana biznesa procesu automatizācijai uz MI pamata
spēt pielietot Python programmēšanas pamatzināšanas, strādāt Python darba vidēs;
prast izmantot Pyton rīkus biznesa procesu automatizācijai, rīkus, kurus izmanto kopā ar MI rīkiem.

Python pamati biznesa procesu automatizācijai un MI rīku pārvaldīšanai:

Python darba vides sagatavošana. VSCode un GoogleColab vides pielāgošana tālākai darbībai;
Python programmēšanas valodas pamati;
Objekt orientētas programmēšanas pamati Python;
Python skripti biznesa procesu automatizācijai;
Robotizētas procesu automatizācijas (RPA) pamati. Python rīki biznesa procesu automatizācijai;
Python rīki, kurus izmanto kopā ar mākslīgā intelekta rīkiem, lai paplašinātu to  pielietošanas iespējas (piem. Lielo datu pārvaldes rīki un datu orķestrēšanas rīki).

Mākslīgā intelekta risinājumi biznesa procesu automatizācijai:

Mākslīgā intelekta (MI) pamati. Mašīnmācīšanās un dziļā mācīšanās. Neironu tīkli;
Klasiskie mašīnmācīšanās rīki (piem. Tensorflow, Keras, Scikit-Learn) un to pielietošana. Neironu tīklu modeļu veidošana;
AutoML un pārneses mācības rīku pielietošana darbam ar tekstu, attēliem un datu tabulām;
Datorredzes pamati. Darbs ar attēliem. Datu izgūšana no attēlu failiem;
GenAI rīki. Lielo valodas modeļu (LLM): GPT, Gemini, Llama, Ollama un Mistral AI pamati biznesa procesu automatizācijai. Uzvedņu inženierijas (Prompt engineeing) pamati;
RAG (Ieguves paplašinātas ģenerēšanas) pamati biznesa procesu un dokumentu pārvaldes automatizācijai;
Ārējo datu avotu un sistēmu integrācija ar Lieliem valodas modeļiem (LLM). Darba plūsmu automatizācijas konveijeru izveide. Automatizācijas aģentu izveide. Biznesa procesu automatizācija ar LangChain un LlamaIndex;
Daudz-aģentu MI sistēmas sarežģītu biznesa procesu automatizācijai;
Pastiprinājuma mācīšanās pamati. Pašapmācīties spējīgu biznesa procesa automatizācijas sistēmu izveide;
Automatizēta datu izgūšana, apkopošana un apstrāde ar MI risinājumiem. Risinājumi automatizētai datu ieguvei  no vairākiem avotiem (dažāda formāta faili, tīmekļa vietnes, datu bāzes, API u.c.);
Dokumentu pārvaldes sistēmu veidošana ar MI risinājumiem. Vektora datubāzes. Kontekstā balstīta meklēšana (Semantic search);
Tīmekļa meklēšanas un skrāpēšanas automatizācija izmantojot MI risinājumus;
E-pastu pārvaldes automatizācijas risinājumi;
MI balstītu tīmekļa un mobilo aplikāciju izstrāde. Dinamisku uzvedņu inženierija (Dynamic prompt engineeing).

Nepieciešams dators ar 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.
Ļoti ieteicams otrs monitors vai otrs dators. Vēlams mikrofons.