Mākslīgā intelekta risinājumi teksta, attēlu, audio un video datu apstrādei

STUDIJU KURSA MĒRĶIS:

Apgūt mākslīgā intelekta tehnoloģiju izmantošanas pamatus digitālo risinājumu izstrādē. Iemācīties veidot MI balstītus risinājumus teksta, attēlu, audio un video datu apstrādei, izmantojot atvērtā koda, zema koda un bezkoda tehnoloģijas.

STUDIJU KURSA UZDEVUMI:
● sniegt zināšanas par mākslīgā intelekta tehnoloģijām un to izmantošanu digitālo risinājumu izstrādē;
● sniegt zināšanas par lielo valodu modeļiem, ģeneratīvā MI un multimodālo MI sistēmu izmantošanas principiem;
● sniegt zināšanas par teksta, attēlu, audio un video datu apstrādes MI risinājumiem;
● sniegt zināšanas par atvērtā koda, zema koda un bezkoda MI platformu izmantošanu digitālā satura izveidei un automatizācijai;
● sniegt zināšanas par zināšanu sistēmu, RAG arhitektūru un MI asistentu izveides principiem;
● sniegt zināšanas par MI risinājumu drošības, datu aizsardzības un atbildīgas izmantošanas principiem.

SAGAIDĀMIE REZULTĀTI:

Zināšanas:
●    par mākslīgā intelekta tehnoloģiju darbības principiem teksta, attēlu, audio un video datu apstrādei;
●    par lielo valodu modeļu (LLM), redzes valodas modeļu (Vision Language Models) un ģeneratīvā MI risinājumu izmantošanas iespējām;
●    par atvērtā koda, zema koda un bezkoda MI risinājumu izmantošanas principiem digitālo risinājumu izstrādē;
●    par dažādiem MI rīkiem un platformām digitālā satura ģenerēšanai, analīzei un automatizācijai;
●    par zināšanu sistēmu un papildinātās ģenerēšanas ar informācijas izgūšanu (Retrieval-Augmented Generation – RAG) risinājumu pamatprincipiem;
●    par MI risinājumu drošības, datu aizsardzības un atbildīgas izmantošanas aspektiem.

Prasmes:
●    spēt analizēt dažādas MI tehnoloģijas un izvēlēties piemērotākos risinājumus teksta, attēlu, audio un video datu apstrādei;
●    spēt izmantot atvērtā koda, zema koda un bezkoda MI rīkus digitālā satura izveidei un automatizācijai;
●    spēt veidot un konfigurēt MI darbplūsmas praktisku digitālo uzdevumu risināšanai;
spēt izmantot MI risinājumus dokumentu, zināšanu bāzu un dažādu datu tipu apstrādei;
●    spēt izveidot vienkāršus MI balstītus zināšanu sistēmu un RAG risinājumus, izmantojot gatavas platformas un rīkus;
●    spēt novērtēt MI radītā satura kvalitāti, precizitāti un atbilstību definētajām prasībām;
●    spēt dokumentēt izveidotos MI risinājumus un izmantotās tehnoloģijas.

Kompetences:
● analizēt dažādas MI tehnoloģijas un izvēlēties piemērotāko risinājumu digitālo uzdevumu veikšanai;
● izmantot MI tehnoloģijas digitālā satura izveidei, apstrādei un automatizācijai;
● izstrādāt vienkāršus MI balstītus risinājumus teksta, attēlu, audio un video datu apstrādei;
● veidot un konfigurēt MI darbplūsmas atbilstoši definētajām lietotāju un organizāciju prasībām;
● integrēt dažādus MI rīkus un platformas automatizētu digitālo procesu izveidei;
● izmantot zināšanu sistēmas un RAG risinājumus informācijas apstrādei un pieejamības uzlabošanai;
● izvērtēt MI risinājumu kvalitāti, ierobežojumus un iespējamos riskus;
● ievērot drošības, datu aizsardzības un atbildīgas MI izmantošanas principus;
● patstāvīgi apgūt jaunas MI tehnoloģijas un pielāgot tās digitālo risinājumu izstrādes vajadzībām

1. MI tehnoloģiju pamati. Teksta, attēlu, audio un video datu apstrādes iespējas.
Mākslīgā intelekta tehnoloģiju darbības principi, teksta, attēlu, audio un video datu apstrādes iespējas, fundamentālie modeļi (Foundation Models), lielie valodu modeļi (LLM), redzes valodas modeļi (Vision Language Models – VLM) un ģeneratīvā MI tehnoloģijas. Tiek aplūkota atvērtā koda MI ekosistēma, lokālo MI modeļu izmantošana, dažādu modeļu izvēle konkrētiem uzdevumiem, kā arī zema koda un bezkoda pieejas MI risinājumu izveidei (piem. Ollama, Open WebUI, LM Studio, Hugging Face, Google AI Studio, ComfyUI).

2. Teksta datu apstrādes un ģenerēšanas risinājumi ar MI
Teksta datu analīzes, apstrādes un ģenerēšanas risinājumi, izmantojot lielos valodu modeļus un dabiskās valodas apstrādes tehnoloģijas. Dokumentu analīze, informācijas izgūšana, teksta apkopošana, klasifikācija, tulkošana, jautājumu-atbilžu sistēmas, MI asistenti, uzvedņu projektēšana (Prompt Engineering) un MI darbplūsmu izveide. Pieejas uzņēmumu dokumentu un zināšanu apstrādes automatizācijai.

3. Attēlu ģenerēšana un analīze ar MI risinājumiem
MI risinājumi attēlu izveidei, analīzei un transformācijai, izmantojot ģeneratīvā MI tehnoloģijas. Difūzijas modeļi, teksta-attēla ģenerēšana, attēlu rediģēšana, vizuālo darbplūsmu projektēšana, stila pārnese, attēlu analīze un digitālā satura automatizēta izveide (piemēram, izmantojot Google AI Studio, ComfyUI, Qwen-VL, YOLO).

4. Audio datu apstrāde un sintēze ar MI
MI risinājumi audio datu analīzei, sintēzei un automatizētai apstrādei. Runas atpazīšana (Speech-to-Text), teksta pārvēršana runā (Text-to-Speech), balss sintēze, balss pārveidošana, audio kvalitātes uzlabošana, skaņas ģenerēšana un audio satura automatizācija. Tiek apskatītas atvērtā koda alternatīvas komerciāliem balss un audio MI risinājumiem (piemēram, izmantojot Whisper, FFmpeg).

5. Video apstrāde un ģenerēšana ar MI
MI risinājumi video satura analīzei, izveidei un transformācijai. Teksta-video un attēla-video ģenerēšana, video montāžas automatizācija, objektu un kustību analīze, attēlu animācija, digitālie avatāri, lūpu sinhronizācija un MI asistēta video satura izveide (piemēram, izmantojot Stable Video Diffusion, OpenCV).

6. Zināšanu sistēmas, multimodālais RAG un MI risinājumu automatizācija
MI zināšanu sistēmu un digitālo risinājumu izveides principi, izmantojot dažādu veidu datus. Papildinātās ģenerēšanas ar informācijas izgūšanu (Multimodal Retrieval-Augmented Generation – RAG) pieeja, dokumentu un multimediju datu apstrāde, zināšanu bāzu izveide, semantiskā meklēšana, vektoru datubāzes, MI asistentu izstrāde un procesu automatizācija (piemēram, izmantojot LlamaIndex, Flowise, Chroma).

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.
Datorā jāvar instalēt un darbināt šādas pakotnes: Python, VS Code, NodeJS, Anaconda
Ļoti ieteicams otrs monitors vai otrs dators. Vēlams mikrofons.   

Vispārējā vidējā izglītība (atestāts par vispārējo vidējo izglītību)