BS0028 Ievads mākslīgajā intelektā

Kods BS0028
Nosaukums Ievads mākslīgajā intelektā
Statuss Obligātais/Ierobežotās izvēles
Līmenis un tips Pamatstudiju, Akadēmiskais
Tematiskā joma Datorika
Struktūrvienība Rīgas Biznesa skola
Mācībspēks Jānis Lazovskis
Kredītpunkti 8.0
Daļas 1
Anotācija Mākslīgais intelekts ir datorzinātņu nozare, kas pēta mašīnu saprātīgo uzvedību, apmācību un pielāgošanos. Tā ir sistēmas spēja pareizi interpretēt ārējos datus, mācīties no šādiem datiem un izmantot šīs zināšanas, lai sasniegtu konkrētus mērķus un uzdevumus, izmantojot elastīgu pielāgošanos. Līdz ar to mākslīgais intelekts bieži apzinās gan svarīgākos ētikas jautājumus, gan praktiskos atklājumus..
Studiju kursa saturs
Saturs Pilna un nepilna laika klātienes studijas Nepilna laika neklātienes studijas
Kontaktstundas Patstāvīgais darbs Kontaktstundas Patstāvīgais darbs
Ievads. 6 6 0 0
Lineārie klasifikatori, atdalāmība, perceptronu algoritms. 5 5 0 0
Maksimālās rezerves hiperplakne, zudums, regularizācija. 9 7 0 0
Stohastiskā gradienta nolaišanās, pārmērīga pielāgošana, vispārināšana. 4 5 0 0
Lineārā regresija. 5 9 0 0
Ieteikt problēmas, sadarbības filtrēšana. 6 8 0 0
Nelineārā klasifikācija, kodoli. 8 5 0 0
Mācību iespējas, neironu tīkli. 6 4 0 0
Atkārtoti neironu tīkli. 9 5 0 0
Vispārināšana, sarežģītība, VC dimensija. 8 7 0 0
Nepārraudzīta mācīšanās: klasterizācija. 8 5 0 0
Ģeneratīvie modeļi, maisījumi. 6 7 0 0
Maisījumi un EM algoritms. 5 8 0 0
Mācīšanās kontrolēt: pastiprināšanas mācības. 5 9 0 0
Pastiprināšanas mācības turpinājās. 5 6 0 0
Pielietojums: dabiskās valodas apstrāde. 5 4 0 0
Kopā: 100 100 0 0
Mērķis un uzdevumi, izteikti
kompetencēs un prasmēs 		Studiju kursa mērķis ir sniegt teorētiskās zināšanas un praktiskās iemaņas, lai izprastu mākslīgā intelekta pamatus, kā arī šīs tēmas iekļaut kopējā perspektīvā un sniegt praktiskās iemaņas AI problēmu risināšanā, izmantojot programmēšanas uzdevumus. Studiju kursa uzdevumi: - iemācīt risināt problēmas ar mākslīgo intelektu; - iemācīt izpildīt vairākus uzdevumus ar mākslīgo intelektu; - pilnveidot prasmi ļaut datoriem veikt tādus intelektuālus uzdevumus kā lēmumu pieņemšana, problēmu risināšana, uztvere, cilvēku komunikācijas izpratne (jebkurā valodā un tulkojumu starp tām).
Sasniedzamie studiju
rezultāti un to vērtēšana 		Izprot tādus mašīnmācīšanās problēmu principus kā klasifikācija, regresija, klasterizācija un mācīšanās pastiprināšana. - Iknedēļas pārbaudes darbi, programmēšanas uzdevumi, starpeksāmens, gala eksāmens.
Prot ieviest un analizēt modeļus, piemēram, lineāros modeļus, kodola mašīnas, neironu tīklus un grafiskos modeļus. - Iknedēļas pārbaudes darbi, programmēšanas uzdevumi, starpeksāmens, gala eksāmens.
Prot izvēlieties piemērotus modeļus dažādiem lietojumiem. - Iknedēļas pārbaudes darbi, programmēšanas uzdevumi, starpeksāmens, gala eksāmens.
Prot ieviest un organizēt mašīnmācīšanās projektus, sākot no apmācības, validācijas, parametru regulēšanas un beidzot ar funkciju inženieriju. - Iknedēļas pārbaudes darbi, programmēšanas uzdevumi, starpeksāmens, gala eksāmens.
Studiju rezultātu vērtēšanas kritēriji
Iknedēļas pārbaudes darbi - 15%
Programmēšanas uzdevumi - 30%
Starpeksāmens - 20%
Gala eksāmens - 35%
 
Priekšzināšanas Ievads datorzinībās.
Studiju kursa plānojums
Daļa KP Stundas Pārbaudījumi
Lekcijas Prakt. d. Lab. Ieskaite Eksāmens Darbs
1 8.0 40.0 60.0 0.0 *
Pieteikties uz šo kursu
[Kursa apraksts PDF formātā]