Course Tag: path6

P6-C3: Mākslīgais intelekts un ekspertu sistēmas

Kurss 3: Mākslīgais intelekts un ekspertu sistēmas

Kursa plāns

Šajā kursā jūs uzzināsiet

  • Pārskats par mākslīgo intelektu (MI), tā nozarēm un pielietojumu dažādās nozarēs
  • Ekspertu sistēmas un zināšanu atspoguļošana, cilvēku zināšanu izgūšanai un izmantošanai uz zināšanām balstītu lēmumu pieņemšanā.
  • Mašīnmācīšanās (uzraudzīta mācīšanās, neuzraudzīta mācīšanās un stimulētā mācīšanās, dziļā mācīšanās un neironu tīkli, federatīva mācīšanās).
  • Cilvēka faktori uz mākslīgo intelektu balstītu lēmumu pieņemšanā, izskaidrojams mākslīgais intelekts (angl. Explainable Artificial intelligence- XAI), mākslīgā intelekta sistēmu interpretējamības un pārredzamības uzlabošana.
  • Mākslīgā intelekta izmantošana, lai uzlabotu darba aktivitātes un darba procesus.
  • Praktisku pielietojumu un programmatūras risinājumu piemēri (automatizācija ar MI, MI integrācija darba plūsmā, MI lielajiem datiem u. c.).

Organizatoriska informācija:

  • Šajā kursā ir 7 nodarbības.
  • Nodarbības ietver rakstisku saturu.
  • Lai pabeigtu šo kursu, ir nepieciešamas 180 minūtes.
  • Jūs varat jebkurā laikā apturēt kursu un atgriezties vietā, kur apstājies, kad vien vēlaties.
  • Jūs varat sekot kursam oriģinālajā plānojumā vai savā tempā, mainot nodarbību secību.
  • Kursa beigās jūs pildīsiet testu ar 8 jautājumiem.  
  • Testu varat kārtot 2 reizes, ja nepieciešams.  
  • Lai saņemtu oficiālu sertifikātu par kursa pabeigšanu, jums jāiegūst vismaz 85 % pareizo atbilžu.

Nepieciešama sīkāka informācija?

Dalībnieku grūtības

Mēs zinām, ka…

Saskaroties ar mākslīgā intelekta jēdzieniem, studentiem var rasties grūtības saprast, kā iegūt un izmantot cilvēka zināšanas uz zināšanām balstītu lēmumu pieņemšanai. Arī dažādas mašīnmācīšanās pieejas var būt grūti izprotamas.

Lai integrētu MI darba procesos, ir nepieciešams izprast organizatorisko dinamiku, pārmaiņu vadību un praktiskos izaicinājumus, kas saistīti ar mākslīgā intelekta integrēšanu esošajās darba plūsmās. Lai saprastu, kā ieviest MI reālās darbības scenārijos, ir nepieciešams iegūt trūkstošās praktiskās iemaņas.

Sekot līdzi ar MI saistīto tehnoloģiju attīstībai un nozares tendencēm var būt sarežģīti un laikietilpīgi, īpaši ņemot vērā nepārtraukto jaunu algoritmu un tehnoloģiju attīstību. Turklāt MI straujā attīstība rada sāpīgu problēmu saistībā ar iespējamo prasmju novecošanu, jo studentiem var būt grūti saglabāt savu nozīmību darba tirgū bez pastāvīgas apmācības.

Dalībnieku ieguvumi

Tāpēc mēs izstrādājām šo kursu, kurā...

Šīs zināšanas ir pamats, lai izprastu MI tehnoloģiju plašo ietekmi. Izpratne par ekspertu sistēmām un zināšanu atspoguļošanu sniedz studentiem iemaņas, lai strukturētā veidā apkopotu cilvēku zināšanas. Mašīnmācīšanās jēdzienu apguve nodrošina studentiem stabilu pamatu galvenajās tehnoloģijās, kas ir mākslīgā intelekta attīstības virzītājspēks.

Izpratne par mākslīgā intelekta ieviešanu, lai veicinātu darba aktivitātes un uzlabotu procesus, ļauj studentiem saskatīt un veicināt mākslīgā intelekta integrāciju dažādās nozarēs. Šīs zināšanas ir īpaši svarīgas strauji mainīgās jomās, kur mākslīgā intelekta tehnoloģijas pārveido tradicionālās darba plūsmas.

Tas uzlabo studentu nodarbinātības iespējas dažādās nozarēs, kurās MI tehnoloģijas arvien vairāk kļūst par neatņemamu sastāvdaļu. Sākot ar amatiem datu zinātnes jomā līdz MI pētniecībai un izstrādei - studenti var veidot daudzveidīgu karjeru. Iegūstot padziļinātu izpratni par MI lietojumiem, studenti spēj ieraudzīt iespējas inovācijām un uzņēmējdarbībai.

P6-C2: Cilvēka un mašīnas mijiedarbība, skārienjūtīgās saskarnes un pieejamas grafiskās saskarnes

Kurss 2: Cilvēka un mašīnas mijiedarbība, skārienjūtīgās saskarnes un pieejamas grafiskās saskarnes

Kursa plāns

Šajā kursā jūs uzzināsiet

  • Cilvēka - mašīnas mijiedarbība un tās loma Industrijā 4.0.
  • Saskarnes tehnoloģijas (pieskārienu, balss, žestu, haptiskās un multimodālās tehnoloģijas).
  • Cilvēka - mašīnas mijiedarbība industriālā vidē (agresīva vide, drošības prasības, redzamība dažādos apgaismojuma apstākļos un lietojamība ar aizsardzības līdzekļiem).
  • Pieejamas grafiskās saskarnes dizains (uz lietotāju orientēts dizains, kognitīvā slodze, lietotāja pieredze (UX), dizaina principi attiecībā uz pieejamību).
  • Jaunās tendences, t. i., uz papildināto realitāti balstīta attālināta palīdzība, valkājamas saskarnes, smadzeņu-datora saskarnes u. c.
  • Virtuālās realitātes un papildinātās realitātes tehnoloģiju ieviešana, lai radītu aizraujošu pieredzi darbiniekiem un darbavietām.
  • Praktisku lietojumu un programmatūras risinājumu piemēri (piemēram, SCADA, HMI, DCS, PLC).

Organizatoriska informācija:

  • Šajā kursā ir 6 nodarbības.
  • Nodarbībās ir ietverts rakstisks un vizuāls saturs, papildus materiāli un saites uz video.
  • Lai pabeigtu šo kursu, ir nepieciešamas 120 minūtes.
  • Jūs varat jebkurā laikā apturēt kursu un atgriezties vietā, kur apstājies, kad vien vēlaties.
  • Jūs varat sekot kursam oriģinālajā plānojumā vai savā tempā, mainot nodarbību secību.
  • Kursa beigās jūs pildīsiet testu ar 8 jautājumiem.  
  • Testu varat kārtot 2 reizes, ja nepieciešams.  
  • Lai saņemtu oficiālu sertifikātu par kursa pabeigšanu, jums jāiegūst vismaz 85 % pareizo atbilžu.

Nepieciešama sīkāka informācija?

Dalībnieku grūtības

Mēs zinām, ka…

Dažādu cilvēka-mašīnas mijiedarbības aspektu tehniskā sarežģītība, saskarņu tehnoloģijas un jaunās tendences var būt izaicinājums cilvēkiem bez spēcīgas tehniskās sagatavotības. Var būt grūti saprast tādus jēdzienus kā atgriezeniskās saites mehānismi, ievades-izvades sistēmas un pamatā esošie algoritmi, kas regulē šo mijiedarbību.

Kursa apguvei nepieciešamas zināšanas no vairākām disciplīnām, piemēram, psiholoģijas, inženierzinātnes, dizaina un cilvēka un datora mijiedarbības. Starpdisciplinaritāte sniedz studentiem dažādas specializētas valodas, pētniecības metodes un problēmu risināšanas pieejas.

Ierobežota piekļuve resursiem un praktiskās pieredzes trūkums var novest pie nepilnīgām praktiskajām iemaņām šajā kursā minēto tehnoloģiju implementēšanā un testēšanā reālās pasaules scenārijos. Tāpat tas var ietekmēt dalībnieku iekļaušanos darba tirgū ņemot vērā tā rūpnieciskās prasības un ierobežojumus, piemēram, agresīvu vidi, drošības prasības, redzamību mainīgos apgaismojuma apstākļos un lietojamību ar aizsardzības līdzekļiem. Šie praktiskie apsvērumi var radīt problēmas tiem izglītojamajiem, kuri nav iepazinušies ar rūpniecisko kontekstu.

Dalībnieku ieguvumi

Tāpēc mēs izstrādājām šo kursu, kurā...

Studenti apgūs kompetences dažādās saskarnes tehnoloģijās (pieskārienu, balss, žestu, haptiskās un multimodālās) un programmatūras risinājumos, lai uzlabotu tehnoloģiskās prasmes, tādējādi sagatavojot viņus amatiem, kuros nepieciešamas zināšanas par Industrijas 4.0 tehnoloģijām. Izpratne par jaunām tendencēm, piemēram, uz papildināto realitāti balstītu attālinātu palīdzību, valkājamām saskarnēm un smadzeņu-datora saskarnēm, sagatavo studentus pielāgoties jaunajām tehnoloģijām, ļaujot viņiem kļūt par šīs jomas inovatoriem.

Daudznozaru zināšanu apguve, iepazīstoties ar cilvēka-mašīnas mijiedarbību, saskarņu tehnoloģijām un citām saistītām tēmām, ļauj studentiem pārvarēt plaisas starp tādām jomām kā inženierzinātnes, psiholoģija, dizains un datorzinātnes. Starpdisciplinārie kursi veicina sadarbību starp cilvēkiem ar atšķirīgu pieredzi. Studenti attīsta efektīvas komunikācijas prasmes un mācās strādāt komandās, un tas sagatavo viņus sadarbībai darba vidē.

Iegūtās zināšanas par šo tēmu ļaus studentiem pielāgoties mainīgajām tehnoloģijām, padarot viņus par inovatoriem šajā jomā. Darba devēji dažādās nozarēs meklē speciālistus ar zināšanām cilvēka-mašīnas mijiedarbībā un saskarņu tehnoloģijās.

P6-C1: Lietu internets un mūsdienīga mobilā savienojamība (5G)

Kurss 1: Lietu internets un mūsdienīga mobilā savienojamība (5G)

Kursa plāns

Šajā kursā jūs uzzināsiet

  • Kas ir lietu internets (galvenie principi, fizisko un digitālo sistēmu integrācija)
  • Lietu interneta sistēmas arhitektūra un komponenti (dažāda veida sensori un ierīces, ko izmanto lietu internetam)
  • Lietu interneta ierīču savienojamības iespējas un 5G nozīme datu vākšanā, pārsūtīšanā un apstrādē
  • Integrācija ar citām tehnoloģijām, piemēram, mākoņdatošanu, lielo datu analītiku, mākslīgo intelektu un robotiku
  • Drošība un privātums lietu interneta kontekstā
  • Ietekme un priekšrocības darbiniekiem un procesiem organizācijās
  • Praktisku pielietojumu piemēri (viedie biroji, noliktavu darbība, ražošana u. c.)

Organizatoriska informācija:

  • Šajā kursā ir 7 nodarbības.
  • Nodarbības ietver rakstisku saturu.
  • Lai pabeigtu šo kursu, ir nepieciešamas 180 minūtes.
  • Jūs varat jebkurā laikā apturēt kursu un atgriezties vietā, kur apstājies, kad vien vēlaties.
  • Jūs varat sekot kursam oriģinālajā plānojumā vai savā tempā, mainot nodarbību secību.
  • Kursa beigās jūs pildīsiet testu ar 8 jautājumiem.  
  • Testu varat kārtot 2 reizes, ja nepieciešams.  
  • Lai saņemtu oficiālu sertifikātu par kursa pabeigšanu, jums jāiegūst vismaz 85 % pareizo atbilžu.

Nepieciešama sīkāka informācija?

Dalībnieku grūtības

Mēs zinām, ka…

Lietu interneta principi var sagādāt grūtības cilvēkiem, kas ir iesācēji sensoru tīklu, datu pārraides un plašākas lietu interneta ekosistēmas, kā arī aparatūras, programmatūras un tīklu koncepciju izpratnē. Lietu interneta sistēmas arhitektūra un komponenti ietver plašu sensoru un ierīču klāstu. Studentiem var šķist pārlieku sarežģīti izprast dažādus sensoru veidus un to lietojumus dažādos lietu interneta kontekstos.

Lai lietu interneta tehnoloģijas integrētu ar citām tehnoloģijām, piemēram, mākoņdatošanu, lielo datu analītiku, mākslīgo intelektu un robotiku, nepieciešama visaptveroša izpratne par šīm jomām. Studentiem var rasties grūtības saprast, kā šīs tehnoloģijas saskanīgi darbojas kopā.

Šāda nepietiekama praktiska pieredze var kavēt studentu spēju izprast sarežģītību un problēmas, ar kurām saskaras reālā lietu interneta ieviešanā. Lai gan praktisko pielietojumu piemēri (viedie biroji, noliktavu darbība, ražošana u. c.) nodrošina reālu kontekstu, bez praktiskas pieredzes studentiem var būt grūti savienot teorētiskos jēdzienus ar praktisko realizāciju.

Dalībnieku ieguvumi

Tāpēc mēs izstrādājām šo kursu, kurā...

Šīs zināšanas kalpo par pamatu plašākas lietu interneta ekosistēmas izpratnei. Šis kurss sniedz tehnisku izpratni par lietu interneta sistēmas arhitektūru un sastāvdaļām. Studenti iepazīstas ar dažādiem lietu interneta izmantoto sensoru un ierīču veidiem, apgūstot ar lietu interneta tehnoloģijām saistītas aparatūras, programmatūras un tīklu veidošanas prasmes

Šī praktiskā pieeja ne tikai nodrošina studentus ar tehniskajām zināšanām, lai orientētos lietu interneta sarežģītībā, bet arī veicina inovatīvu domāšanas veidu, mudinot viņus proaktīvi pētīt jaunus lietojumus un risināt dažādus izaicinājumus pastāvīgi mainīgajā lietu interneta tehnoloģiju vidē.

Studenti mācās sadarboties dažādās jomās, kas ir būtiska prasme mūsdienu darba vietā. Kurss atbilst to nozaru prasībām, kurās tiek izmantotas lietu interneta tehnoloģijas. Absolventi ir labi sagatavoti, lai atbilstu darba tirgus prasībām, kas arvien vairāk novērtē speciālistus ar zināšanām par lietu internetu.

Skip to content