| Kods | RA0744 | |||||||||||||||||||||||||||||||||||||||
| Nosaukums | Lielo datu apstrāde | |||||||||||||||||||||||||||||||||||||||
| Statuss | Brīvās izvēles | |||||||||||||||||||||||||||||||||||||||
| Līmenis un tips | Doktora, Akadēmiskais | |||||||||||||||||||||||||||||||||||||||
| Tematiskā joma | Datorika | |||||||||||||||||||||||||||||||||||||||
| Struktūrvienība | Rēzeknes akadēmija | |||||||||||||||||||||||||||||||||||||||
| Mācībspēks | Edmunds Teirumnieks, Pēteris Grabusts | |||||||||||||||||||||||||||||||||||||||
| Kredītpunkti | 3.0 | |||||||||||||||||||||||||||||||||||||||
| Daļas | 1 | |||||||||||||||||||||||||||||||||||||||
| Anotācija |
Kursa laikā tiek uzlabota doktorantu pētnieciskā kompetence, t.i., kursa laikā doktorants padziļināti pēta kvantitatīvo datu izpētes metodes un pētījumu metodoloģijas pamatjautājumus, prot prasmīgi izmantot kvantitatīvās pētniecības metodes, veicot zinātniskus pētījumus datu analīzē un uzņēmējdarbībā un ar to saistītās starpdisciplinārās jomās.. |
|||||||||||||||||||||||||||||||||||||||
| Studiju kursa saturs |
|
|||||||||||||||||||||||||||||||||||||||
|
Mērķis un uzdevumi, izteikti kompetencēs un prasmēs |
Kursa mērķis ir dot iespēju doktorantiem uzlabot savu pētījumu un akadēmisko kompetenci lielo datu analīzes un pētījumu metožu izmantošanā. Doktoranti uzzinās, kā attīstīt kritisko un analītisko pamatojumu par lielo datu apstrādi, kā arī analizēt un risināt problēmas, kas rodas organizācijās, kas strādā pie tehnoloģiski novatoriskiem projektiem, izmantojot lielos datus. Uzdevumi: - Izprot lielo datu iegūšanas un pielietošanas tehnoloģijas, to nozīmi lāzertehnoloģijās. - Izprot mākslīgā intelekta un neironu tīklu pielietojumu lāzertehnoloģijās un to izmantošanu promocijas darba izstrādē. - Spēj patstāvīgi un sistemātiski atrast, analizēt un sintezēt informāciju saistītu ar lielo datu apstrādi. | |||||||||||||||||||||||||||||||||||||||
|
Sasniedzamie studiju rezultāti un to vērtēšana |
Izprot kvantitatīvās izpētes metodes un atbilstošās zinātniskās teorijas un secinājumus. - Prezentācijas, diskusijas, semināri. Prot formulēt un analītiski aprakstīt informāciju, datu analīzes zinātnes problēmas un risinājumus, tos izskaidrot un izdarīt pamatotus secinājumus. - Prezentācijas, diskusijas, semināri. Prot patstāvīgi novērtēt un izvēlēties zinātniskiem pētījumiem piemērotas kvantitatīvās pētīšanas metodes un metodiku. - Prezentācijas, diskusijas, eksāmens. Prot pielietot jaunākās tehnoloģijas datu apstrādē un analīzē, lai izstrādātu oriģinālus zinātniskus pētījumus, kuru pamatā ir kvalitatīvas pētījumu metodes, kā arī spēj pieņemt lēmumus un risināt problēmas lielo datu zinātnes jomā. - Prezentācijas, diskusijas, eksāmens. |
|||||||||||||||||||||||||||||||||||||||
| Studiju rezultātu vērtēšanas kritēriji |
Aktivitāte nodarbību laikā un semināros. - 10%
Izpildīti individuālie uzdevumi, sagatavotas prezentācijas. - 40% Eksāmens. - 50% |
|||||||||||||||||||||||||||||||||||||||
| Priekšzināšanas | Jebkāds maģistratūras kurss par datu analīzi, datormodelēšanu utml. | |||||||||||||||||||||||||||||||||||||||
| Studiju kursa plānojums |
|
|||||||||||||||||||||||||||||||||||||||