| Kods | DE0937 | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Nosaukums | Mašīnmācīšanās algoritmi | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Statuss | Obligātais/Ierobežotās izvēles | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Līmenis un tips | Augstākā līmeņa, Akadēmiskais | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Tematiskā joma | Datorika | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Struktūrvienība | Datorzinātnes, informācijas tehnoloģijas un enerģētikas fakultāte | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Mācībspēks | Gints Jēkabsons | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Kredītpunkti | 6.0 | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Daļas | 1 | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Anotācija |
Mašīnmācīšanās ir mākslīgā intelekta apakšnozare, kas izstrādā un pēta statistiskus algoritmus, kas spēj mācīties no datiem un vispārināt tajos esošo informāciju, ļaujot veikt uzdevumus bez iepriekš sagatavotām konkrētām instrukcijām. Studiju kursā studējošie apgūst mašīnmācīšanās algoritmu darbību, to realizēšanu programmatūrā, praktiskus pielietojumus, kā arī risinātajam uzdevumam atbilstoša algoritma izvēles principus. Īpaša uzmanība tiek pievērsta šo algoritmu darbības izprašanai un praktiskai realizēšanai, izmantojot piemērotu programmēšanas valodu.. |
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Studiju kursa saturs |
|
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
Mērķis un uzdevumi, izteikti kompetencēs un prasmēs |
Studiju kursa mērķis ir sniegt studējošajiem teorētiskās zināšanas un praktiskās iemaņas mašīnmācīšanās jomā un tās praktiskajos lietojumos. Studiju kursa uzdevumi: - veicināt studējošo izpratni par mašīnmācīšanās pamatiem un tās risinātajiem uzdevumiem; - attīstīt studējošo kompetenci mašīnmācīšanās algoritmu darbībā un praktiskā realizēšanā; - attīstīt studējošo prasmes praktiski pielietot mašīnmācīšanās algoritmus, izmantojot atbilstošus programmatūras līdzekļus; - attīstīt studējošo kompetenci pareizi novērtēt ar mašīnmācīšanās algoritmiem iegūtos rezultātus un korekti izvēlēties konkrētu uzdevumu risināšanai piemērotākos algoritmus. | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
Sasniedzamie studiju rezultāti un to vērtēšana |
Pārzina mašīnmācīšanās pamatus. - Kontroldarbi, laboratorijas darbi, eksāmens. Kritēriji: students demonstrē izpratni par jomas problēmu veidiem un to atbilstošajiem konceptuālajiem risinājumiem. Pārzina mašīnmācīšanās algoritmu darbības principus un to praktisko realizēšanu. - Kontroldarbi, laboratorijas darbi, eksāmens. Kritēriji: students demonstrē algoritmu darbības izpratni, kā arī demonstrē prasmes veikt šo algoritmu praktisku realizēšanu. Prot izmantot mašīnmācīšanās algoritmus konkrētu problēmu risināšanai, izmantojot atbilstošus programmatūras līdzekļus. - Kontroldarbi, laboratorijas darbi, eksāmens. Kritēriji: students demonstrē prasmes apgūto algoritmu praktiskā pielietošanā, izmantojot atbilstošus programmatūras līdzekļus. Prot novērtēt un interpretēt iegūtos rezultātus un korekti izvēlēties piemērotus algoritmus konkrētu problēmu risināšanai. - Kontroldarbi, laboratorijas darbi, eksāmens. Kritēriji: students demonstrē kompetenci iegūto rezultātu interpretēšanā un tālākā apstrādē. |
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Studiju rezultātu vērtēšanas kritēriji |
Kontroldarbi - 30%
Laboratorijas darbi - 50% Eksāmens - 20% |
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Priekšzināšanas | Matemātika, varbūtību teorija un matemātiskā statistika. | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Studiju kursa plānojums |
|
|||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||