RA0697 Mākslīgais intelekts un biotehnoloģijas

Kods RA0697
Nosaukums Mākslīgais intelekts un biotehnoloģijas
Statuss Obligātais/Ierobežotās izvēles
Līmenis un tips Augstākā līmeņa, Akadēmiskais
Tematiskā joma Datorika
Struktūrvienība Rēzeknes akadēmija
Mācībspēks Sergejs Kodors, Imants Zarembo, Ilmārs Apeināns
Kredītpunkti 6.0
Daļas 1
Anotācija Studiju kurss ir paredzēts maģistrantūras studentiem bez priekšzināšanām mākslīgajā intelektā (turpmāk MI), lai viņi pārzinātu MI darba principus, taksonomiju, attīstības tendences un MI pielietošanas iespējas biotehnoloģijās. Studiju kurss pamatots uz no-coding risinājumiem..
Studiju kursa saturs
Saturs Pilna un nepilna laika klātienes studijas Nepilna laika neklātienes studijas
Kontaktstundas Patstāvīgais darbs Kontaktstundas Patstāvīgais darbs
Kas ir mākslīgais intelekts? MI pielietošana biotehnoloģijās. Būtiskākie stratēģiskie dokumenti. MI taksonomija un attīstības tendences. 4 10 0 0
Trustworthy AI. EU AI Act. MI lietošanas riski un negatīvā ietekme. 2 10 0 0
Vidējās vērtības nozīme. Datu normalizācija un denormalizācija. Regresijas modeļi. Lēmumu koki. Optimizācijas algoritmi (ģenētiskie algoritmi un ceļa meklēšanas algoritmi). Citi algoritmi. 4 0 0 0
Datu analīze ar KNIME rīku. 4 0 0 0
Praktisko uzdevumu izpilde (bloks “Datu zinātne”). 4 20 0 0
Kas ir neironu tīkli? Attēlu atpazīšanas risinājumi. Piemērs ar Google TeachableMachine, kā apmācās neironu tīkli. 4 10 0 0
Apmācības, validācijas un testēšanas apakškopas. Datu kopu repozitoriji un to licences. Datu marķēšana (piemērs ar makesense.ai). Apmācības rīki (no-coding piemērs). 6 0 0 0
Seminārs (bloks “Datorredze”): ceļa karte – kā apmācīt neironu tīklu apstrādāt attēlus. Diskusija. Semināra laikā studenti aizpilda aptaujas formu, sastādot plānu (tēma, kādus rīkus pielietos, kāda datu kopa noderēs). 4 20 0 0
Kas ir lielie valodu modeļi? Pielietošanas veidi un to taksonomija (text-to-image, text-to-text, audio-to-text, text-to-audio). Halucinācijas būtība un RAG tehnoloģijas risinājums. 4 10 0 0
Publikācijas rakstīšanas atbalsta rīki (text-to-text). Piemērs ar ChatGPT, ChatPDF un SciSpace. Lielo valodas modeļu lietošanas ētika. 4 0 0 0
Attēlu ģenerēšanas rīki (text-to-image) un teksta atskaņošanas rīki (text-to-audio). 4 0 0 0
Seminārs (bloks “Lielie valodu modeļi”): ceļa karte – kā izveidot publikāciju un prezentāciju, pielietojot MI. Diskusija. Semināra laikā studenti aizpilda aptaujas formu, sastādot plānu (tēma, nodaļas, instrukcijas, kādu attēlu ģenerēt, kādu rīku pielietot). 4 28 0 0
Kopā: 48 108 0 0
Mērķis un uzdevumi, izteikti
kompetencēs un prasmēs
Studiju kursa mērķis ir nodrošināt pamatzināšanas mākslīgajā intelektā maģistrantūras līmeņa studentiem bez priekšzināšanām. Studiju kursa uzdevumi: - izskaidrot MI darba principus, pielietošanas iespējas, taksonomiju un attīstības tendences; - iemācīt studentus pielietot MI zinātnisko darbu izstrādē; - iemācīt studentus pielietot MI datu un attēlu analīzē.
Sasniedzamie studiju
rezultāti un to vērtēšana
Pārzina MI metodes un MI rīkus. - Izpildīt elektronisko testu.
Prot pielietot MI metodes un rīkus datu zinātnes uzdevumos. - Izpildīt divus mājasdarbus.
Prot apmācīt neironu tīklus atpazīt objektus attēlos. - 1. individuāls projekts.
Spēj pielietot MI rīkus zinātniskās publikācijas izstrādei. - 2. un 3. individuāls projekti.
Spēj pielietot MI metodes un rīkus. - Eksāmens.
Studiju rezultātu vērtēšanas kritēriji
Elektroniskais tests par MI metodēm, rīkiem, darba principiem un attīstības tendencēm. - 20%
Divi mājasdarbi par MI metožu un rīku pielietošanu datu zinātnes uzdevumos. - 20%
1. individuāls projekts: - Vienkāršs variants (10%): pielietojot Teachablemachine rīku, apmācīt neironu tīklu lietderīgu biotehnoloģijas uzdevumam; - Sarežģīts variants (20%): atrast gatavu datu kopu vai sagatavot nelielu datu kopu apmācībai (10%). Pielietot MI rīku, lai apmācītu neironu tīklu risināt kādu dabaszinātnes problēmu (10%). - 20%
2. individuāls projekts: - Vienkāršs variants (10%): students uzraksta publikāciju (2 lpp.) par tēmu, kas saistīta ar biotehnoloģijām, pielietojot MI rīkus; - Sarežģītāks variants (20%): students sagatavo 3-5 lpp. nelielu literatūras analīzes publikāciju ar MI rīku palīdzību par tēmu, kas saistīta ar biotehnoloģijām. - 20%
3. individuāls projekts - prezentācija, izstrādāta ar MI rīku palīdzību: - ģenerēt prezentācijas attēlus, tekstu un struktūru no publikācijas (10%); - sagatavot 1-2 min. prezentācijas video par publikāciju, pārtulkojot un atskaņojot prezentācijas tekstu angļu valodā (10%). - 20%
Eksāmens (1.-3. individuālo projektu prezentēšana, elektroniskā testa pildīšana) - 0%
 
Priekšzināšanas Spēj strādāt ar datoru.
Studiju kursa plānojums
Daļa KP Stundas Pārbaudījumi
Lekcijas Prakt. d. Lab. Ieskaite Eksāmens Darbs
1 6.0 32.0 16.0 0.0 *

Pieteikties uz šo kursu

[Kursa apraksts PDF formātā]