Mākslīgais intelekts humanitārās zinātnēs

• Studiju kurss ir paredzēts pedagogiem un iepazīstina ar mākslīgā intelekta (MI) būtību un tā lietojumiem humanitāro zinātņu un izglītības kontekstā. Mākslīgais intelekts ir datorzinātnes apakšnozare, kas nodarbojas ar tādu sistēmu izveidi, kas spēj risināt problēmas, mācīties no datiem, atspoguļot zināšanas un pieņemt lēmumus. Kurss aptver dažādus MI piemērus, sākot no sarunbotu un mācību palīgsistēmu izstrādes līdz digitālās mākslas un kultūrmantojuma klasifikācijai.
• 
  
• Pedagogi apgūs mākslīgā intelekta definīcijas, pārmeklēšanas algoritmus, zināšanu atspoguļošanas metodes, mašīnmācīšanās pamatus un dabiskas valodas apstrādes tehnikas, izmantojot brīvpieejamus rīkus, piemēram, ChatGPT, IBM Watson, TensorFlow un Scikit-learn. Šis kurss sagatavos pedagogus pielietot MI metodes un rīkus mācību procesa uzlabošanā un jaunu tehnoloģiju apguvē.
• 
  
• Lai sekmīgi apgūtu kursu, nepieciešamas datorpratības zināšanas un programmēšanas pamatu izpratne. Studiju kurss ietver 32 kontaktstundas un 48 stundas patstāvīgā darba.
• 
  
• Šis kurss sagatavos pedagogus pielietot MI metodes un rīkus mācību procesa uzlabošanā un jaunu tehnoloģiju apguvē.

• 1. Mākslīgā intelekta definīcija: Pārskats par to, ko nozīmē intelekts un kā tiek definēts mākslīgais intelekts, ar piemēriem par agrīnām definīcijām un to attīstību. Tiks izmantoti tādi rīki kā ChatGPT un Google AI, lai demonstrētu AI definīciju piemērus;
• 2. Mākslīgais intelekts izglītībā: AI loma datorzinātnēs un tā pielietojumi izglītībā. Tiks apskatīti rīki, piemēram, IBM Watson un Microsoft Azure AI, lai demonstrētu AI pielietojumu mācīšanas un mācīšanās uzlabošanā;
• 3. Pārmeklēšanā balstīta problēmrisināšana: Ievads pārmeklēšanas algoritmos un problēmrisināšanā. Izglītojamie sapratīs, kā pārmeklēšanas stratēģijas var automatizēt un uzlabot lēmumu pieņemšanu izglītības rīkos. Tiks izmantoti rīki kā AI Planner un Google Scholar;
• 4. Zināšanu atspoguļošana: Kā AI sistēmas uzglabā un reprezentē zināšanas, izmantojot ekspertsistēmas un semantiskos tīklus. Tiks izmantoti rīki kā Prolog un WolframAlpha;
• 5. Mašīnmācīšanās izglītībā: Pamata mašīnmācīšanās jēdzieni un pārraudzītas mācīšanās algoritmi. Izglītojamie apgūs TensorFlow un Scikit-learn, lai saprastu, kā AI mācās no datiem un veido adaptīvas mācību pieredzes;
• 6. Dabiskas valodas apstrāde: Dabiskas valodas apstrādes metodes un to pielietojums valodu apguvē un skolēnu atsauksmju sistēmās. Izglītojamie iepazīsies ar Google NLP un SpaCy;
• 7. AI programmēšanas pamati: Skolotāji iepazīsies ar AI programmēšanas pamatiem, izmantojot Python un atbilstošas bibliotēkas, piemēram, Keras un PyTorch. Tiks parādīts, kā izveidot pamata AI modeļus, kurus var pielietot izglītības kontekstā.

Dators (minimāli i3 procesors, Microsoft, Linux GUI vai MacOs operētājsistēma) ar interneta pieslēgumu, mikrofons un kamera.

Video lekcijas tiks translētas izmantojot Microsoft Teams platformu, nodrošinot pieslēguma saiti studentiem E-pastā.

Praktisko darbu realizācijai tiks izmantoti Rīgas Tehniskas universitātes tehniskie risinājumi, kas, nepieciešamības gadījumā, ļaus pieslēgties virtuālajam darbstacijām praktisko uzdevumu izpildei.

Bakalaura studijas (Bakalaura diploms)