| Kods | DE0683 | ||||||||||||||||||||||||||||||||||||||||||||
| Nosaukums | Sistēmu teorija | ||||||||||||||||||||||||||||||||||||||||||||
| Statuss | Obligātais/Ierobežotās izvēles | ||||||||||||||||||||||||||||||||||||||||||||
| Līmenis un tips | Augstākā līmeņa, Profesionālais | ||||||||||||||||||||||||||||||||||||||||||||
| Tematiskā joma | Elektronika un telekomunikācijas | ||||||||||||||||||||||||||||||||||||||||||||
| Struktūrvienība | Datorzinātnes, informācijas tehnoloģijas un enerģētikas fakultāte | ||||||||||||||||||||||||||||||||||||||||||||
| Mācībspēks | Elans Grabs | ||||||||||||||||||||||||||||||||||||||||||||
| Kredītpunkti | 6.0 | ||||||||||||||||||||||||||||||||||||||||||||
| Daļas | 1 | ||||||||||||||||||||||||||||||||||||||||||||
| Anotācija |
Studiju kurss ir veltīts sistēmas teorijas padziļinātajai apgūšanai. Sistēmas teorija apvieno plašo metožu kopumu, kas var būt pielietoti ļoti daudzās jomās, taču šajā kursā galvenais uzsvars būs likts uz metodēm un to pielietošanu intelektuālajās transporta sistēmās. Studiju kurss sniedz teorētiskus pamatus gan par klasiskajām metodēm, tādām kā Kalmana filtrācija, gan par mūsdienās populārajām metodēm, tādām kā mašīnmācīšanās un datorredzes algoritmi. Studiju kursā ir arī paredzēts veltīt daudz laika arī praktiskajām nodarbībām, lai pēc studiju kursa apgūšanas studenti spētu kompetenti pielietot apskatītus algoritmus un metodes.. |
||||||||||||||||||||||||||||||||||||||||||||
| Studiju kursa saturs |
|
||||||||||||||||||||||||||||||||||||||||||||
|
Mērķis un uzdevumi, izteikti kompetencēs un prasmēs |
Studiju kursa galvenais mērķis ir sniegt padziļinātas teorētiskās zināšanas par sistēmu teorijas metodēm intelektuālo transporta sistēmu kontekstā un attīstīt praktiskās iemaņas šādu metožu pielietošanā. Studiju kursa galvenie uzdevumi ir: • sniegt zināšanas par sistēmu teorijas analīzes paņēmieniem un kļūdu novērtēšanas metodēm; • iepazīstināt ar klasiskās sistēmu teorijas metodēm, t.sk. Kalmana filtrāciju; • sniegt teorētiskās zināšanas par mašīnmācīšanas modeļu veidošanu, apmācīšanu un precizitātes analīzi; • Attīstīt praktiskās iemaņas darbā ar mašīnmācīšanas modeļiem izmantojot Matlab un Python programmēšanas valodas; • attīstīt prasmes datorredzes paņēmienu teorētiskos pamatos un praktiskās izmantošanas paņēmienus intelektuālajās transporta sistēmās. | ||||||||||||||||||||||||||||||||||||||||||||
|
Sasniedzamie studiju rezultāti un to vērtēšana |
Pārzina klasiskās sistēmu teorijas metodes: Minimālo Kvadrātu metodi, Vīnera un Kalmana filtrāciju. - Eksāmens. Laboratorijas darbi. Kompetenti orientējās mašīnmācīšanas modeļu veidošanā un apmācīšanā, datu sagatavošanā. - Eksāmens. Laboratorijas darbi. Spēj pielietot augstā līmeņa programmēšanas valodas Matlab un Python mašīnmācīšanas metožu izmantošanai. - Eksāmens. Laboratorijas darbi. Pārzina datorredzes apstrādes algoritmu pamatus un spēj pielietot tos intelektuālo transporta sistēmu uzdevumos. - Eksāmens. Laboratorijas darbi. |
||||||||||||||||||||||||||||||||||||||||||||
| Studiju rezultātu vērtēšanas kritēriji |
Laboratorijas darbi - 50%
Eksāmens - 50% |
||||||||||||||||||||||||||||||||||||||||||||
| Priekšzināšanas | Varbūtību teorija, statistikas pamati, Regulēšanas teorija | ||||||||||||||||||||||||||||||||||||||||||||
| Studiju kursa plānojums |
|
||||||||||||||||||||||||||||||||||||||||||||