| Kods | DE0717 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Nosaukums | Mākslīgais intelekts humanitārās zinātnēs | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Statuss | Obligātais/Ierobežotās izvēles | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Līmenis un tips | Augstākā līmeņa, Akadēmiskais | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Tematiskā joma | Datorika | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Struktūrvienība | Datorzinātnes, informācijas tehnoloģijas un enerģētikas fakultāte | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Mācībspēks | Alla Anohina-Naumeca | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Kredītpunkti | 3.0 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Daļas | 1 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Anotācija |
Mākslīgais intelekts ir datorzinātnes apakšnozare, kas nodarbojas ar tādu datorsistēmu projektēšanu un izstrādi, kurām piemīt raksturojumi (spēja risināt problēmas, atspoguļot zināšanas, secināt, mācīties, utt.), kas ir saistīti ar intelektu cilvēku uzvedībā. Mūsdienās mākslīgā intelekta metožu, tehnoloģiju un lietojumu attīstība ir ļoti strauja ne tikai inženierjomās, bet arī humanitāro un sociālo zinātņu jomās. Sarunboti, preču rekomendācijas sistēmas, ziņu lasīšanas boti, virtuālie asistenti, neironu tīklos balstītā medicīnas diagnostika, emocionāli intelektuālas mācību sistēmas, digitālā māksla un kultūrmantojuma attēlu klasifikācija digitālajās bibliotēkās ir tikai daži piemēri esošajām izstrādnēm. Šāda strauji augoša mākslīgā intelekta loma mūsdienu un nākotnes sabiedrībā nosaka vajadzību pēc akadēmiski izglītotiem speciālistiem, kas ir apguvuši mākslīgā intelekta pamatus, zina tā perspektīvas, un kuriem ir pieredze mākslīgā intelekta uzdevumu risināšanā, lai tiktu galā ar problēmu dažādību, ar kurām sastopas finanšu speciālisti, izglītības un medicīnas darbinieki, muzeju un bibliotēku personāls, u.tml. Šajā studiju kursā galvenā uzmanība ir pievērsta problēmu stāvokļu telpu konstruēšanai un risinājumu atrašanai, izmantojot neinformētas un heiristiski informētas pārmeklēšanas algoritmus (pārmeklēšana), zināšanu par problēmu atspoguļošanai ar dažādām zināšanu atspoguļošanas shēmām (zināšanu atspoguļošana), pagātnē savākto datu modeļu atklāšanai un vispārināšanai, lai šos modeļus piemērotu jauniem datiem tādos uzdevumos kā klasifikācija, prognozēšana, datu līdzības atrašana un citos (mašīnmācīšanās), kā arī dabiskas valodas apstrādes un datorredzes pamatiem. Studiju kursā apgūstamas metodes tiek demonstrētas, apskatot to pielietošanas piemērus tieši humanitāro un sociālo zinātņu jomās. Praktiskais darbs par zināšanu atspoguļošanu ļauj studentiem trenēties problēmu zināšanu atspoguļošanā un praksē pielietot šim nolūkam izstrādātos rīkus. Ar datu kopas atlasi, analīzi un apstrādi saistīts praktiskais darbs nodrošina zināšanu nostiprināšanu mašīnmācīšanās jomā. Studiju kursā tiek izmantota apgrieztas klases pieeja (flipped classroom approach), kurā studenti patstāvīgi apgūst e-studiju kursā pieejamos studiju materiālus, lekciju laiku veltot praktisku uzdevumu risināšanai, tai skaitā strādājot pāros vai mazās grupās. Lekcijās piedāvātie praktiskie uzdevumi var tikt risināti gan manuāli, gan izmantojot brīvpieejamus datorizētus rīkus konkrētu uzdevumu izpildei.. |
||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Studiju kursa saturs |
|
||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
Mērķis un uzdevumi, izteikti kompetencēs un prasmēs |
Studiju kursa mērķis ir izveidot studentu zināšanu sistēmu par mākslīgā intelekta metodēm humanitāro un sociālo zinātņu problēmu risināšanai un attīstīt pamatprasmes pielietot šīs metodes reālo problēmu risināšanā. Studiju kursā tiek apskatītas pārmeklēšanas, zināšanu atspoguļošanas, mašīnmācīšanās, dabiskas valodas apstrādes un datorredzes metodes. Studiju kursa uzdevumi paredz attīstīt: a) studentu izpratni par mākslīgā intelekta, pārmeklēšanas, mašīnmācīšanās, zināšanu atspoguļošanas, dabiskas valodas apstrādes un datorredzes jēdzieniem un b) studentu prasmes atspoguļot problēmas ar stāvokļu telpas grafa palīdzību un tās risināt, realizējot pārmeklēšanas algoritmus, izmantot vairākus pārraudzītas un nepārraudzītas mašīnmācīšanās algoritmus, atspoguļot problēmsfēras zināšanas, lietojot vairākas zināšanu atspoguļošanas shēmas, izmantot dabiskas valodas apstrādei un datorredzes nolūkiem paredzētus rīkus. | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
Sasniedzamie studiju rezultāti un to vērtēšana |
Zina mākslīgā intelekta definīciju kategorijas, saknes, mērķus, pieejas, uzdevumus un metodes. - Pirmais tests, uzdevumu risināšana lekcijās. Zina stāvokļu telpas grafa definīciju, uzbūves elementus un raksturojumus, pārmeklēšanas procesa pamatprincipus, pārmeklēšanas virzienus, neinformētas pārmeklēšanas algoritmu realizācijas principus. - Pirmais tests, uzdevumu risināšana lekcijās. Prot realizēt neinformētas pārmeklēšanas algoritmus. - Uzdevumu risināšana lekcijās, pirmais tests, gala eksāmens. Zina heiristisku zināšanu definīciju un lietošanas situācijas, heiristiskā novērtējuma funkcijas sastāvdaļas, un heiristiski informētas pārmeklēšanas un realizācijas principus. - Pirmais tests, uzdevumu risināšana lekcijās. Prot realizēt heiristiski informētas pārmeklēšanas algoritmus. - Uzdevumu risināšana lekcijās, pirmais tests, gala eksāmens. Zina zināšanu atspoguļošanas, zināšanu bāzes un izveduma mehānisma definīciju un nolūku, kā arī dažādu zināšanu atspoguļošanas shēmu elementus, atspoguļošanas likumus, priekšrocības un trūkumus. - Uzdevumu risināšana lekcijās, otrais tests. Prot atspoguļot problēmsfēras zināšanas, izmantojot semantiskos tīklus un freimus. - Uzdevumu risināšana lekcijās, otrais tests, pirmais praktiskais darbs, gala eksāmens. Zina mašīnmācīšanās definīciju, tipus, pielietojuma situācijas un terminoloģiju, kā arī vairāku mašīnmācīšanās algoritmu būtību. - Otrais tests, uzdevumu risināšana lekcijās. Prot izmantot vairākus pārraudzītas un nepārraudzītas mašīnmācīšanās algoritmus. - Uzdevumu risināšana lekcijās, otrais praktiskais darbs, otrais tests, gala eksāmens. Zina dabiskas valodas apstrādes un datorredzes pamatus. - Uzdevumu risināšana lekcijās, otrais tests. Izprot mākslīgā intelekta metožu lietojumu humanitārās un sociālās zinātnēs. - Pētnieciskā eseja. |
||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Studiju rezultātu vērtēšanas kritēriji |
Testi - 20%
Praktiskie darbi - 30% Pētnieciskā eseja - 25% Gala eksāmens - 25% |
||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Priekšzināšanas | Studentiem ir jāpārzina dažādu datu struktūru, tādu kā saraksti, steki un rindas raksturojumi un apstrādes iespējas, kopas un darbības ar kopām, attieksmes, to veidi un īpašības, grafu teorijas pamatjēdzieni un grafu speciālie veidi – koki un tīkli. Papildus ir jābūt zināšanām matemātikā (lineārās un loģistiskās funkcijas, darbības ar matricām un vektoriem). | ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Studiju kursa plānojums |
|
||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||