3. Mākslīgā intelekta risinājumu pielietošana un datu vizualizācija praksē
Programmu cikls: Mākslīgais intelekts un datu analītika
Kursa mērķis
Sagatavot dalībniekus praktiskai MI un datu analīzes risinājumu ieviešanai organizācijās, akcentējot datu vizualizāciju, BI rīkus un vienkāršus MI integrācijas piemērus ikdienas procesos.
Mērķauditorija
Personas vecumā no 18 gadiem ar pabeigtu vismaz vidējo izglītību, no dažādām grupām – nodarbinātie, bezdarbnieki, studējošie u.tml., kas vēlas iegūt IKT jomas prasmes, lai pārkvalificētos un/vai uzsāktu darbu datu apstrādes un analīzes jomā.
Kursa mērķis
Sagatavot dalībniekus praktiskai MI un datu analīzes risinājumu ieviešanai organizācijās, akcentējot datu vizualizāciju, BI rīkus un vienkāršus MI integrācijas piemērus ikdienas procesos.
Mērķauditorija
Personas vecumā no 18 gadiem ar pabeigtu vismaz vidējo izglītību, no dažādām grupām – nodarbinātie, bezdarbnieki, studējošie u.tml., kas vēlas iegūt IKT jomas prasmes, lai pārkvalificētos un/vai uzsāktu darbu datu apstrādes un analīzes jomā.
Tehnoloģijas
MS Excel, PowerBI
Mācīšanās rezultāti
Pēc veiksmīgas izglītības programmas apgūšanas dalībnieks spēs:
Veidot interaktīvas atskaites un dashboardus ar Power BI
Pielietot vienkāršus MI modeļus organizācijas procesos
Izmantot automatizācijas rīkus (piem., Power Automate) rutīnas uzdevumu atvieglošanai
Sagatavot un prezentēt datu risinājumu vadībai
Novērtēt risinājumu atbilstību ētikas un datu aizsardzības prasībām
Lietojumprogrammu dizains, inovācijas, informācijas un zināšanu pārvaldība, projektu un portfeļa pārvaldība, informācijas drošības pārvaldība.
DIGCOMP 2.2.
Tehnisku problēmu risināšana (6. līmenis)
Digitālā satura veidošana (7. līmenis)
Programmēšana (6. līmenis)
Personas datu un privātuma aizsardzība (6. līmenis)
E-kompetences un caurviju kompetences
E-kompetences un caurviju kompetences
Add paragraph text. Click “Edit Text” to update the font, size and more. To change and reuse text themes, go to Site Styles.
Add paragraph text. Click “Edit Text” to update the font, size and more. To change and reuse text themes, go to Site Styles.
Add paragraph text. Click “Edit Text” to update the font, size and more. To change and reuse text themes, go to Site Styles.
Priekšzināšanas
Sekmīgi apgūtas programmas “Datu analīzes pamati un programmēšana ar Python” un “Praktiskā mašīnmācīšan ās un prognozēšanas modeļi” vai līdzvērtīgas zināšanas (Python datu apstrāde un pamata ML algoritmi). Vismaz vidējā izglītība, angļu valodas pamatzināšanas (rīku saskarnes un dokumentācijas izpratnei).
Priekšzināšanas
Sekmīgi apgūtas programmas “Datu analīzes pamati un programmēšana ar Python” un “Praktiskā mašīnmācīšanās un prognozēšanas modeļi” vai līdzvērtīgas zināšanas (Python datu apstrāde un pamata ML algoritmi). Vismaz vidējā izglītība, angļu valodas pamatzināšanas (rīku saskarnes un dokumentācijas izpratnei).
Add paragraph text. Click “Edit Text” to update the font, size and more. To change and reuse text themes, go to Site Styles.
Add paragraph text. Click “Edit Text” to update the font, size and more. To change and reuse text themes, go to Site Styles.
Add paragraph text. Click “Edit Text” to update the font, size and more. To change and reuse text themes, go to Site Styles.
E-kompetences un caurviju kompetences
E-kompetences un caurviju kompetences
Lietojumprogrammu dizains, inovācijas, informācijas un zināšanu pārvaldība, projektu un portfeļa pārvaldība, informācijas drošības pārvaldība.
DIGCOMP 2.2.
Tehnisku problēmu risināšana (6. līmenis)
Digitālā satura veidošana (7. līmenis)
Programmēšana (6. līmenis)
Personas datu un privātuma aizsardzība (6. līmenis)
Kursa tēmas
1. Biznesa procesu analīze un MI loma
1.1. Procesu kartēšana un datu plūsmas
1.2. MI un datu analīzes loma lēmumu pieņemšanā
2. Datu vizualizācija ar Power BI
2.1. Datu avotu pieslēgšana
2.2. Informācijas paneļa izveide (diagrammas, KPI)
2.3. Rezultātu prezentācija
3. Procesu automatizācija ar RPA un bez koda (no-code) rīkiem
3.1.Power Automate, Zapier
3.2.Automatizācijas piemēri (failu apstrāde, e-pasti)
4. MI modeļu praktiskā integrācija
4.1. Modeļu izvietošana (deployment)
4.2. API izmantošana
4.3. Gatavi risinājumi (teksta klasifikācija, sentimenta analīze)
5. Ētika, datu aizsardzība un GDPR prasības
5.1.Atbildīga MI izmantošana
5.2. Datu drošības pamati
5.3. Privātuma nozīme MI projektos
6. Projekta darbnīca un prezentācija
6.1. Gala projekta sagatavošana
6.2. Savstarpējā atgriezeniskā saite
6.3. Prezentācija
Materiāli kursa dalībniekiem
Mācību materiāli latviešu valodā.
Mācību norise un nepieciešamais aprīkojums
Mācības notiek pašvadītas mācīšanās pieejā - dalībnieks mācās patstāvīgi, sev piemērotā laikā, izmantojot pieejamos mācību materiālus un mentora atbalstu. Sekmīgai dalībai mācībās dalībniekam ir nepieciešams dators ar Windows operētājsistēmu, webkameru un mikrofonu, kā arī stabils interneta pieslēgums. Mācību programmas apgūšanai nepieciešamos materiālus un programmatūru nodrošina izglītības iestāde.
Pašvadīta mācīšanās
Praktiska pieredze
Projekta izstrāde
Atsauksmes
