STUDIJU KURSA MĒRĶIS:
Apgūt mākslīgā intelekta atbalstītu datu analīzes un programmēšanas principus, izmantojot Python, MI asistentus, lielos valodu modeļus un mūsdienīgas datu apstrādes tehnoloģijas biznesa datu pārvaldībai, analīzei un automatizācijai.
| Pieteikties par projekta līdzekļiem | Reģistrēties par saviem līdzekļiem |
UZDEVUMI
● sniegt zināšanas par Python un MI rīku izmantošanu datu apstrādes un analīzes uzdevumos;
● sniegt zināšanas par MI asistentu, LLM, RAG un MI aģentu izmantošanu datu analītikas procesos;
● attīstīt prasmes analizēt, transformēt un vizualizēt datus, izmantojot programmēšanas un MI atbalsta rīkus;
● attīstīt prasmes veidot automatizētas datu analīzes darbplūsmas, izmantojot MI tehnoloģijas;
● attīstīt prasmes kritiski izvērtēt MI ģenerēto informāciju, ievērojot datu aizsardzības un atbildīgas MI izmantošanas principus.
GALVENĀS TĒMAS:
1. Mākslīgā intelekta darba vides sagatavošana un AI atbalstīta programmēšana
Mākslīgā intelekta darba vides sagatavošana datu analītikas uzdevumiem. Google Colab un Visual Studio Code izmantošana darbam ar Python un MI asistentiem. Python pamati datu analīzei: mainīgie, datu tipi, kolekcijas, funkcijas, darbs ar bibliotēkām. MI asistentu izmantošana koda ģenerēšanai, analīzei un optimizācijai.2. Python pamati. Mainīgie, datu tipi, kolekcijas, funkcijas, zarošanās struktūras, cikli, OOP pamati.
2. Uzvedņu inženierijas pamati datu analītikai un MI atbalstīta programmēšana
Uzvedņu inženierijas (Prompt Engineering) principi darbam ar lielajiem valodu modeļiem. Efektīvu uzvedņu izstrāde datu analīzes, programmēšanas un automatizācijas uzdevumiem, izmantojot Google AI Studio (Gemini modeļi) un ChatGPT (GPT modeļi). Brīvā programmēšana ar MI (Vibe Coding), dinamiska uzvedņu pielāgošana un MI izmantošana koda ģenerēšanai, analīzei un optimizācijai.
3. Datu analīze un vizualizācija ar MI atbalstu
Mākslīgā intelekta asistentu izmantošana datu analīzes procesā. Strukturētu datu apstrāde, izmantojot Python un Pandas bibliotēku, ar MI palīdzību veidojot datu atlases, transformācijas un analīzes risinājumus. Datu kvalitātes uzlabošana, datu sagatavošana analīzei un automatizēta analītisko uzdevumu veikšana. Datu vizualizācija, izmantojot Python rīkus (Matplotlib, Seaborn), kā arī MI atbalstīta vizuālo datu interpretācija un secinājumu formulēšana.
4. MI aģenti programmēšanai un datu analītikai: Cline, MCP un Skills
Mūsdienīgas MI aģentu izmantošanas pieejas programmēšanā un datu analītikā. Darbs ar AI kodēšanas aģentiem, piemēram, Cline, un to integrācija ar ārējiem rīkiem, izmantojot Model Context Protocol (MCP). Prasmju aprakstu (skills.md) izmantošana specializētu MI darba plūsmu izveidei. Datu iegūšana, apstrāde un analīze ar MI aģentu palīdzību.4. Darbs ar tabulām mākslīgā intelekta darba vidē. Datu vizualizācija un vizuālo datu analīze ar MI rīkiem.
5. Biznesa datu un dokumentu analīze ar LLM un RAG
Lielo valodu modeļu izmantošana biznesa informācijas analīzē. Retrieval-Augmented Generation (RAG) principi, dokumentu indeksēšana, iegultnes (Embeddings) un vektoru datubāzes. RAG risinājumu izveide ar LangChain vai LlamaIndex. Praktisks pielietojums dokumentu analīzē, zināšanu bāzu izveidē un uzņēmuma informācijas pārvaldības automatizācijā.
6. Daudzaģentu MI sistēmas un automatizētas darbplūsmas datu analītikai un automatizācijai
Daudzaģentu mākslīgā intelekta sistēmu darbības principi un to izmantošana sarežģītu datu analīzes uzdevumu automatizācijā. Specializētu MI aģentu sadarbība, lomu sadalījums, uzdevumu plānošana un rezultātu koordinēšana. Automatizētu analītikas darbplūsmu (workflow automation) izveide, izmantojot MI aģentus, rīku izsaukšanu (Tool Calling) un aģentu sadarbības mehānismus. Daudzaģentu risinājumu izstrāde, izmantojot, piemēram, CrewAI, un to pielietošana datu izgūšanai, apstrādei, analīzei un analītisko pārskatu sagatavošanai.
PASNIEDZĒJS:
Deniss Vasiļjevs, MSc, DipM, lektors
Kopējais stundu (akadēmiskais) skaits: 60 stundas, 2 ECTS kredītpunkti. Tiešsaistē 24 kontaktstundas, patstāvīgais darbs 36 stundas. Mācības notiek attālināti.
LĪDZFINANSĒJUMS:
Moduļa cena 309,00 EUR
Taisnīgas pārkārtošanās fonda projekta Nr. 6.1.1.5/1/25/I/001 "Prasmes reģionu iedzīvotājiem ekonomikas pārejai uz klimatneitralitāti" ietvaros mācību izmaksas 70% apjomā sedz no projekta līdzekļiem.
MĀCĪBU SĀKUMS UN LAIKS:
Platformā STARS redzams to grupu saraksts, kurām var pieteikties. Grupas lielums līdz 25 personām.
Dokuments par kursa apguvi:
Augstskolu likuma 59².panta 3.daļā paredzētā apliecība par studiju moduļa apguvi.
Jautājumi?
Zvaniet 20040047, 67606101