| Kods | DE1030 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Nosaukums | Mākslīgā intelekta virzītas procesu vadības sistēmas | ||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Statuss | Obligātais/Ierobežotās izvēles | ||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Līmenis un tips | Augstākā līmeņa, Akadēmiskais | ||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Tematiskā joma | Datorika | ||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Struktūrvienība | Datorzinātnes, informācijas tehnoloģijas un enerģētikas fakultāte | ||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Mācībspēks | Agris Ņikitenko | ||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Kredītpunkti | 6.0 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Daļas | 1 | ||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Anotācija |
Studiju kurss sniedz zināšanas par industriālu sistēmu modelēšanu un vadību, izmantojot mūsdienu datorvadības paņēmienus. Studenti tiek iepazīstināti ar sistēmu veidiem un to vadību izmantojot dažādus algoritmus un paņēmienus. Metožu klāsts ietver lineāras vadība sistēmas, nelineāras vadības sistēmas, mākslīgā intelekta virzītas vadības sistēmas, kā arī tiek aplūkoti dažādi vadāmo sistēmu piemēri un vadības izaicinājumi reālos apstākļos. Lai nodrošinātu studentu izpratni par procesu vadības sistēmu izaicinājumiem, tie tiek iepazīstināti ar galvenajām sensoru grupām atgriezeniskās saites nodrošināšanai, kā arī datu priekšapstrādes metodēm un risinājumiem. Lai nodrošinātu izpratni par vadības sistēmu praktiskiem ierobežojumiem, studentiem tiek sniegta iespēja izstrādāt sensoru datu iegūšanas un apstrādes praktiskos darbus, izmantojot RTU sensoru infrastruktūru, kā arī attālinātās laboratorijas praktiskai vadības sistēmu izstrādei. Studiju kurss sniedz nepieciešamās zināšanas, iemaņas un prasmes, kombinējot teorētisko mācību materiālu ar tam atbilstošām praktiskajām nodarbībām un patstāvīgiem uzdevumiem.. |
||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Studiju kursa saturs |
|
||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
Mērķis un uzdevumi, izteikti kompetencēs un prasmēs |
Studiju kursa mērķis ir sniegt zināšanas un prasmes par industriālu sistēmu uzbūvi, to vadību, kā arī prasmes pielietot mākslīgā intelekta metodes un paņēmienus, lai nodrošinātu šādu sistēmu efektīvu vadības praktisku vadības uzdevumu risināšanai. Studiju kursa uzdevumi: - sniegt zināšanas par tehnisku sistēmu veidiem un to vadības izaicinājumiem; - attīstīt prasmes atpazīt un grupēt praksē sastopamas sistēmas pēc to veida un vadības paņēmiena; - nodrošināt spēju analizēt vadības sistēmu galvenās prasības konkrētu sistēmu efektīvai vadībai; - nodrošināt spēju identificēt atgriezeniskās saites iegūšanas sensoru sistēmas, to īpatnības un pielietot praksē konkrētu sensoru datu apstrādes algoritmus un metodes; - sniegt zināšanas par galvenajām mākslīgā intelekta metožu grupām vadības sistēmu īstenošanai, kā arī nodrošināt spēju noteikt to pielietojuma ierobežojumus konkrētas sistēmas vadības uzdevuma ietvaros; - attīstīt spēju veikt patstāvīgu lietišķu pētījumu dažādu mākslīgā intelekta metožu pielietojumu ierobežojumu atklāšanai konkrēta uzdevuma ietvaros; - attīstīt spēju izstrādāt un praktiski īstenot vadības sistēmas ar mākslīgā intelekta algoritmu izmantojumu; - sniegt zināšanas par mākslīgā intelekta virzītu vadības sistēmu izstrādes un pārvaldības galvenajiem izaicinājumiem un labajā praksēm. | ||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
Sasniedzamie studiju rezultāti un to vērtēšana |
Pārzina sistēmu veidus to vadības izaicinājumus. - Teorētiski jautājumi eksāmenā. Spēj atpazīt un grupēt praksē sastopamas sistēmas pēc veida un vadības paņēmiena. - Teorētiski jautājumi eksāmenā. Spēj noteikt un analizēt galvenās konkrētas sistēmas vadības prasības. - Patstāvīgi veicams individuāls darbs, teorētiski jautājumi eksāmenā. Spēj identificēt atgriezeniskās saites iegūšanas sensoru sistēmas, kā arī spēj pielietot sensoru datu apstrādes algoritmus un metodes. - Patstāvīgi veicams individuāls darbs, teorētiski jautājumi eksāmenā. Pārzina galvenās mākslīgā intelekta metožu grupas vadības sistēmu īstenošanai, kā arī spēj noteikt to pielietojuma ierobežojumus konkrētas sistēmas vadības uzdevuma ietvaros. - Teorētiski jautājumi eksāmenā. Spēj patstāvīgi veikt lietišķu pētījumu par dažādu mākslīgā intelekta metožu ierobežojumiem konkrēta uzdevuma ietvaros. - Patstāvīgi veicams individuāls darbs, teorētiski jautājumi eksāmenā. Spēj praktiski īstenot vadības sistēmas ar mākslīgā intelekta algoritmu izmantojumu. - Patstāvīgi veicams individuāls darbs. Pārzina mākslīgā intelekta virzītu vadības sistēmu izstrādes un pārvaldības galvenos izaicinājumus un labās prakses. - Teorētiski jautājumi eksāmenā. |
||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Studiju rezultātu vērtēšanas kritēriji |
Patstāvīgi individuāli darbi (vismaz četri) - 70%
Eksāmens - 30% |
||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Priekšzināšanas | Algoritmizēšanas un programmēšanas pamati, vispārējas datorprasmes, augstākās matemātika - atvasināšana, funkciju analīzes pamati, matricu rēķini. | ||||||||||||||||||||||||||||||||||||||||||||||||||||||
| Studiju kursa plānojums |
|
||||||||||||||||||||||||||||||||||||||||||||||||||||||