| Kods | DID506 | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Nosaukums | Datu ieguves tehnoloģijas | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Statuss | Obligātais/Ierobežotās izvēles | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Līmenis un tips | Augstākā līmeņa, Profesionālais | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Tematiskā joma | Datorika | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Struktūrvienība | Datorzinātnes, informācijas tehnoloģijas un enerģētikas fakultāte | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Mācībspēks | Sergejs Paršutins, Arnis Kiršners | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Kredītpunkti | 3.0 (4.5 ECTS) | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Daļas | 1 | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Anotācija |
Datu ieguve ir tehnoloģija, kas apvieno tradicionālās datu analīzes metodes ar moderniem algoritmiem, lai apstrādātu lielus datu apjomus. Tas paver plašas iespējas jaunu, kā arī jau esošo datu tipu pētīšanai un analīzei, izmantojot jaunas metodes. Kursa ietvaros tiek apskatītas datu pirmapstrādes tehnoloģijas; klasifikācijas un klasterizācijas metodes un algoritmi; secību ieguves virkņu datos metodes un algoritmi; mākslīgie neironu tīkli; laika rindu analīzes un apstrādes pieejas. Šo datu ieguves tehnoloģiju izmantošana, kursa ietvaros, tiek sasaistīta ar vadības informācijas tehnoloģijas nozarē risināmajiem uzdevumiem.. |
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Studiju kursa saturs |
|
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
Mērķis un uzdevumi, izteikti kompetencēs un prasmēs |
Sniegt zināšanas datu ieguvē metožu un algoritmu izmantošanā un pielietot tās praktiskajos uzdevumos informācijas tehnoloģiju problēmu risināšanā. | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
Sasniedzamie studiju rezultāti un to vērtēšana |
Spēj definēt datu pirmapstrādes soļus, izvēlētie metodes un pielietot tās datu pirmapstrādei - Veiksmīga patstāvīgā darba izpilde par tēmu „Datu pirmapstrāde” Spēj pielietot un analizēt datu klasifikācijas algoritmus - Veiksmīga patstāvīgā darba izpilde par tēmu „Datu ieguves klasifikācijas algoritmi” Spēj pielietot un analizēt datu klasterizācijas algoritmus - Veiksmīga patstāvīgā darba izpilde par tēmu „Datu ieguves klasterizācijas algoritmi” Spēj interpretēt, risināt uzdevumus, kas saistīti ar secību ieguvi virkņu datos un diskutēt par uzdevuma risināšanas procesu un pielietotām metodēm - Veiksmīga patstāvīgā darba izpilde par tēmu „Secību ieguve virkņu datos”. Diskusijas procesā students demonstrē zināšanas par secību ieguvi virkņu datos. Spēj analizēt laika rindas ar datu ieguves metodēm un algoritmiem - Veiksmīga patstāvīgā darba izpilde par tēmu „Datu ieguves metodes laika rindu analīzei” Spēj analizēt mākslīgos neironu tīklus - Veiksmīga patstāvīgā darba izpilde par tēmu „Neironu tīkli” |
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Priekšzināšanas | DID308 – Ievads datu ieguvē | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Studiju kursa plānojums |
|
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||