| Kods | DSP713 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Nosaukums | Mašīnapmācība | ||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Statuss | Obligātais/Ierobežotās izvēles | ||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Līmenis un tips | Augstākā līmeņa, Akadēmiskais | ||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Tematiskā joma | Datorika | ||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Struktūrvienība | Datorzinātnes, informācijas tehnoloģijas un enerģētikas fakultāte | ||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Mācībspēks | Agris Ņikitenko | ||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Kredītpunkti | 3.0 (4.5 ECTS) | ||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Daļas | 1 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Anotācija |
Studiju kursa ietvaros tiek aplūkots jautājums, kā nodrošināt datoru spēju mācīties no to iepriekšējās pieredzes. Tiek aplūkoti galvenie mākslīgā intelekta, statistikas, informācijas teorijas u.c. termini un tehnikas tik lielā mērā, cik tas ir attiecināms uz mašīnapmācību.. |
||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Studiju kursa saturs |
|
||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
Mērķis un uzdevumi, izteikti kompetencēs un prasmēs |
Studiju kursa mērķis ir dot zināšanas par būtiskākiem algoritmiem un teorijām, kas veido mašīnmācības pamatu, kā arī sniegt atbilstošas praktiskās iemaņas. Studiju kursa uzdevumi ir nodrošināt zināšanas un iemaņas, lai: - pielietotu studiju kursā aplūkotās mašīnmācīšanās tehnikas, izmantojot Python vai līdzvērtīgu programmēšanas valodu; - pielietotu metodēm atbilstošas programmatūras rīkus un bibliotēkas. - spētu identificētu konkrētai problēmai atbilstošu metodi un rīku - spētu atkļūdot metodi realizējošo kodu, kā arī veikt konkrētu metožu hiperparametru noskaņošanu; - spētu interpretēt iegūtos rezultātus un pieņemt lēmumus par pielietotās metodes un hiperparametru vērtību atbilstību sagaidītajam rezultātam. | ||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
Sasniedzamie studiju rezultāti un to vērtēšana |
Spēj raksturot mašīnapmacības galvenos principus, ierobežojumus, priekšrocības un pielietojuma sfēras. - Tēmai atbilstoši jautājumi eksāmenā. Spēj pielietot un noskaņot klāsterēšanas metodes. - Tēmai atbilstoši jautājumi eksāmenā. Individuālā praktiskā darba novērtējums. Spēj pielietot un noskaņot klasifikācijas metodes. - Tēmai atbilstoši jautājumi eksāmenā. Individuālā praktiskā darba novērtējums. Spēj pielietot un noskaņot mākslīgo neironu tīklu metodes. - Tēmai atbilstoši jautājumi eksāmenā. Individuālā praktiskā darba novērtējums. Spēj pielietot un noskaņot teksta analīzes metodes. - Tēmai atbilstoši jautājumi eksāmenā. Individuālā praktiskā darba novērtējums. Spēj pielietot un noskaņot ģenētiskās optimizēšanas metodes. - Tēmai atbilstoši jautājumi eksāmenā. Individuālā praktiskā darba novērtējums. Spēj pielietot laikrindu analīzes un klasifikācijas metodes. - Tēmai atbilstoši jautājumi eksāmenā. Individuālā praktiskā darba novērtējums. |
||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Studiju rezultātu vērtēšanas kritēriji |
Individuāls praktiskais darbs - 50%
Eksāmens - 50% |
||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Priekšzināšanas | Matemātika, varbūtību teorija. | ||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Studiju kursa plānojums |
|
||||||||||||||||||||||||||||||||||||||||||||||||||||||