DE1069 Ievads datu analīzē ar mašīnmācīšanos

Kods	DE1069
Nosaukums	Ievads datu analīzē ar mašīnmācīšanos
Statuss	Obligātais/Ierobežotās izvēles
Līmenis un tips	Pamatstudiju, Akadēmiskais
Tematiskā joma	Datorika
Struktūrvienība	Datorzinātnes, informācijas tehnoloģijas un enerģētikas fakultāte
Mācībspēks	Ilze Birzniece
Kredītpunkti	6.0
Daļas	1
Anotācija	Datu apjoms pasaulē pieaug ik dienu, un šajos datos slēpjas potenciāla vērtība. Jaunu sakarību izpēte un atklāšana datos mūsdienās ir būtiska zināšanu attīstības sastāvdaļa dažādās zinātnes nozarēs. Datu izpēte, vizualizācija, statistiskā analīze un informācijas paneļi veido datu analīzes pamatu. Zināšanu atklāšana datos ir process, kas ietver datu izgūšanu, datu priekšapstrādi, atbilstošu analīzes metožu izvēli un pielietošanu, kā arī rezultātu interpretēšanu. Datizrace (data mining) ir statistikas un mašīnapmācības metožu lietojums vēsturiskajiem vai eksperimentālajiem datiem ar mērķi iegūt skaidrojumus, atklāt likumsakarības vai veidot prognozes.. Studiju kursā tiek apskatītas galvenās datizraces pieejas pārraudzītajā un nepārraudzītajā apmācībā – regresija, klasifikācija, klasterēšana – iepazīstoties ar populārākajām metodēm katrā no tām. Kā aktuāla joma tiek aplūkota teksta datu (nestrukturētu un daļēji strukturētu) analīze, kā arī ģeneratīvā mākslīgā intelekta rīku izmantošana datu analītikā.. Studiju kursa uzsvars tiek likts uz analītikas izpratnes veidošanu un praktisku darbošanos, ar bezkoda rīkiem un Python programmēšanas valodu veicot datu analīzi reālām datu kopām un interpretējot iegūtās sakarības.. Studenti strādā komandās un pielieto apgūtās zināšanas un prasmes datu analīzē, izstrādājot integrētu kursa projektu. . Studiju kursa apguvei nav nepieciešamas iepriekšējās zināšanas datizracē vai programmēšanā..
Studiju kursa saturs	Saturs Pilna un nepilna laika klātienes studijas Nepilna laika neklātienes studijas Kontaktstundas Patstāvīgais darbs Kontaktstundas Patstāvīgais darbs Ievads datu analīzē 4 4 0 0 Datu apstrāde un izpēte: datu tipi, priekšapstrāde, datu tīrīšana un normalizēšana 8 8 0 0 Statistika eksperimentu datu analīzei: aprakstošā statistika, secinošā statistika (hipotēžu pārbaude ar parametriskajiem un neparametriskajiem testiem), korelāciju analīze, netipisku vērtību noteikšana 16 16 0 0 Datu atspoguļošana un visualizācija 4 4 0 0 Datizrace un sakarību atklāšana datos 4 4 0 0 Regresijas analīze 4 4 0 0 Klasifikācija, izmantojot lēmumu kokus un likumus, gadījuma mežus un mākslīgos neironu tīklus 4 4 0 0 Prognožu novērtēšana, metrikas 4 4 0 0 Klasterēšana, izmantojot K-vidējo algoritmu, hierarhiskās pieejas un DBSCAN algoritmu 4 4 0 0 Tekstizrace un nestrukturētu datu analīze izmantojot vektoru telpas modeli ar TF–IDF un lielos valodu modeļus 4 4 0 0 Datu analīzes rīki – bezkoda un koda 2 2 0 0 Datu un to analīzes ētiskie aspekti 4 4 0 0 Datu analītikas projekta izstrāde un prezentēšana 16 16 0 0 Kopā: 78 78 0 0
Mērķis un uzdevumi, izteikti kompetencēs un prasmēs	Studiju kursa mērķis ir attīstīt studējošo izpratni par datu analītikas iespējām un prasmes izvēlēties un lietot atbilstošas pieejas konkrētām datu apstrādes vajadzībām. Studiju kursa uzdevumi: - iepazīstināt studējošos ar datu analīzes vajadzībām un iespējām dažādās jomās; - veidot izpratni par datu ieguves un apstrādes procesiem, lai iegūtu datos balstītas zināšanas; - attīstīt prasmes darbā ar datizraces metodēm un rīkiem biznesa lēmumu atbalstam; - veicināt analītiskās spējas, kritisko domāšanu un akadēmiskās rakstīšanas prasmes.