| Kods | DE0749 | ||||||||||||||||||||||||||||||||||||||||||||
| Nosaukums | Augsta līmeņa analītika un zināšanu tehnoloģijas | ||||||||||||||||||||||||||||||||||||||||||||
| Statuss | Obligātais/Ierobežotās izvēles | ||||||||||||||||||||||||||||||||||||||||||||
| Līmenis un tips | Augstākā līmeņa, Akadēmiskais | ||||||||||||||||||||||||||||||||||||||||||||
| Tematiskā joma | Datorika | ||||||||||||||||||||||||||||||||||||||||||||
| Struktūrvienība | Datorzinātnes, informācijas tehnoloģijas un enerģētikas fakultāte | ||||||||||||||||||||||||||||||||||||||||||||
| Mācībspēks | Ilze Birzniece, Mārīte Kirikova, Māra Romanovska | ||||||||||||||||||||||||||||||||||||||||||||
| Kredītpunkti | 6.0 | ||||||||||||||||||||||||||||||||||||||||||||
| Daļas | 1 | ||||||||||||||||||||||||||||||||||||||||||||
| Anotācija |
Augsta līmeņa analītika un modernās zināšanu tehnoloģijas ieņem arvien lielāku lomu strukturētas un nestrukturētas informācijas apstrādē, lai nodrošinātu organizācijas ar vērtīgu informāciju par iesaistītajām personām, ārējo vidi, procesiem un tehnoloģijām. Studiju kursā studenti iepazīsies ar zināšanu vadības pamatiem un izpratīs dažādu datu tipu apstrādes īpatnības. Studiju kurss sniegs ieskatu un prasmes atbilstošu analītikas metožu un rīku izmantošanā, lai efektīvi radītu, izgūtu, uzturētu, atjaunotu un izplatītu uzņēmumiem noderīgus datus un zināšanas.. |
||||||||||||||||||||||||||||||||||||||||||||
| Studiju kursa saturs |
|
||||||||||||||||||||||||||||||||||||||||||||
|
Mērķis un uzdevumi, izteikti kompetencēs un prasmēs |
Studiju kursa mērķis ir sniegt zināšanas par datu analīzes un zināšanu vadības nozīmi un iespējām uzņēmumu darbā, kā arī prasmes veikt datu apstrādi zināšanu izgūšanai no datiem. Studiju kursa uzdevumi ir: 1. attīstīt kompetences datu un zināšanu identificēšanā, izgūšanā un pārvaldībā; 2. iepazīstināt ar dažādu tipu datu analīzes iespējām un uzdevumiem; 3. sniegt praktiskas iemaņas augsta līmeņa analītikas un citu moderno zināšanu tehnoloģiju izvēlē un izmantošanā; 4. paplašināt izpratni par šo tehnoloģiju vietu organizācijas zināšanu vadībā. | ||||||||||||||||||||||||||||||||||||||||||||
|
Sasniedzamie studiju rezultāti un to vērtēšana |
Izprot zināšanu vadības lomu organizācijā. - Individuālais darbs (studentu prezentācijas par būtiskākajiem zināšanu vadības faktoriem). Izprot kopīgo un atšķirīgo dabiskajās un mākslīgajās zināšanās. - Individuālais darbs (studentu prezentācijas par būtiskākajām dabisko un mākslīgo zināšanu kopīgajām un atšķirīgajām īpašībām). Spēj raksturot galvenās analītikas pieejas un rekomendēt piemērotus risinājumus, sasaistot problēmsfēras iespējas un vajadzības ar pieejamajiem analītiskajiem risinājumiem. - Praktiskie darbi, projekts (grupu darbs), eksāmens. Prot izmantot kādu no programmatūras rīkiem datu analīzei un zināšanu atspoguļošanai, izvēloties datu īpašībām un biznesa vajadzībām atbilstošas metodes. - Praktiskie darbi, projekts (grupu darbs), eksāmens. Izprot lielo, atvērto un saistīto datu priekšrocības un izaicinājumus. - Eksāmens. Prot integrēt klasiskās zināšanu vadības metodes un modernās zināšanu tehnoloģijas. - Individuālais darbs (mājasdarbi). Orientējas augsta līmeņa analītikas risinājumos un iespējās dažādās jomās. - Individuālais darbs (studentu prezentācijas), eksāmens. Prot veikt dažāda tipa uzdevumus, ievērojot akadēmiskā godīguma un ētikas principus pētniecībā un biznesa vidē. - Individuālie darbi, praktiskie darbi, projekts (grupu darbs), eksāmens. |
||||||||||||||||||||||||||||||||||||||||||||
| Studiju rezultātu vērtēšanas kritēriji |
Individuālie darbi (prezentācijas, mājasdarbi) - 15%
Praktiskie darbi - 25% Projekts - 30% Eksāmens - 30% |
||||||||||||||||||||||||||||||||||||||||||||
| Priekšzināšanas | Datu bāzes un mākslīgā intelekta pamati. | ||||||||||||||||||||||||||||||||||||||||||||
| Studiju kursa plānojums |
|
||||||||||||||||||||||||||||||||||||||||||||