Mākslīgā intelekta praktiskie pielietojumi
Studiju kursa īstenotājs
Dzirciema iela 16, Rīga, szf@rsu.lv
Par studiju kursu
Mērķis
Iepazīstināt studentus ar mākslīgā intelekta (MI) un augstas veiktspējas skaitļošanas (HPC) pamatprincipiem un pielietojumiem, īpašu uzmanību pievēršot datorredzei un dabiskās valodas apstrādei (NLP).
Priekšzināšanas
Studentiem jābūt pieredzei Python programmēšanā, izmantojot bibliotēkas kā NumPy, Pandas un TensorFlow/PyTorch. Jāprot strādāt ar mašīnmācīšanās modeļiem, īpaši neironu tīkliem, un jābūt izpratnei par datorredzes (CNN, attēlu apstrāde) un dabiskās valodas apstrādes (tokenizācija, word embeddings, transformer modeļi) pamatiem.
Studiju rezultāti
Zināšanas
1.Pārzinās teorētiskos pamatus datorredzē un/vai dabiskās valodas apstrādē (NLP)
2.Pratīs pielietot neironu tīklu un mašīnmācīšanās metodes
3.Zinās attēlu un teksta apstrādes algoritmus
4.Pārzinās dziļās mācīšanās modeļu, piemēram, CNN un Transformeru arhitektūras, darbības principus
5.Pratīs pielietot mākslīgā intelekta un mašīnmācīšanās rīkus (TensorFlow, PyTorch, OpenCV, spaCy)
Prasmes
1.Attēlu un teksta apstrādes metožu praktiska pielietošana
2.Datu analīze un priekšapstrāde modeļu trenēšanai
3.Neironu tīklu modeļu trenēšana un optimizēšana
4.Python programmēšana un bibliotēku pielietošana datorredzē un NLP
5.Eksperimentu veikšana un rezultātu interpretācija
Kompetences
1.Spēja izstrādāt un pielāgot datorredzes un NLP risinājumus konkrētām vajadzībām
2.Kritiska domāšana un problēmu risināšanas prasmes
3.Spēja analizēt un interpretēt lielus attēlu un teksta datus
4.Zinātniskās pētniecības un tehnisko ziņojumu sagatavošanas prasmes
5.Sadarbība starpdisciplināros projektos un AI tehnoloģiju pielietošana reālās situācijās
Vērtēšana
Patstāvīgais darbs
|
Virsraksts
|
% no gala vērtējuma
|
Vērtējums
|
|---|---|---|
|
1.
Pašpārbaudes tests par tēmu Datorredze |
20,00% no gala vērtējuma
|
10 balles
|
|
Pašpārbaudes tests par attiecīgo tēmu |
||
|
2.
Pašpārbaudes tests par tēmu NLP |
20,00% no gala vērtējuma
|
10 balles
|
|
3.
Pašpārbaudes tests par tēmu HPC |
20,00% no gala vērtējuma
|
10 balles
|
Pārbaudījums
|
Virsraksts
|
% no gala vērtējuma
|
Vērtējums
|
|---|---|---|
|
1.
Kursa darbs |
40,00% no gala vērtējuma
|
Ieskaite
|
Studiju kursa tēmu plāns
-
Lekcija
|
Modalitāte
|
Norises vieta
|
Kontaktstundas
|
|---|---|---|
|
Klātiene
|
Mācību telpa
|
2
|
Tēmas
|
Datorredze
Apraksts
Datorredze ir mākslīgā intelekta apakšnozare, kas nodarbojas ar vizuālās informācijas apstrādi un analīzi, ļaujot datoriem „redzēt” un interpretēt attēlus vai video. Šī joma apvieno dažādas metodes no attēlu apstrādes, dziļās mācīšanās un statistikas, lai izstrādātu risinājumus tādām problēmām kā objektu atpazīšana, attēlu klasifikācija, sejas atpazīšana, autonomā transporta vadība un medicīniskās attēlveidošanas analīze. |
-
Lekcija
|
Modalitāte
|
Norises vieta
|
Kontaktstundas
|
|---|---|---|
|
Klātiene
|
Mācību telpa
|
2
|
Tēmas
|
Datorredze
Apraksts
Datorredze ir mākslīgā intelekta apakšnozare, kas nodarbojas ar vizuālās informācijas apstrādi un analīzi, ļaujot datoriem „redzēt” un interpretēt attēlus vai video. Šī joma apvieno dažādas metodes no attēlu apstrādes, dziļās mācīšanās un statistikas, lai izstrādātu risinājumus tādām problēmām kā objektu atpazīšana, attēlu klasifikācija, sejas atpazīšana, autonomā transporta vadība un medicīniskās attēlveidošanas analīze. |
-
Lekcija
|
Modalitāte
|
Norises vieta
|
Kontaktstundas
|
|---|---|---|
|
Klātiene
|
Mācību telpa
|
2
|
Tēmas
|
Datorredze
Apraksts
Datorredze ir mākslīgā intelekta apakšnozare, kas nodarbojas ar vizuālās informācijas apstrādi un analīzi, ļaujot datoriem „redzēt” un interpretēt attēlus vai video. Šī joma apvieno dažādas metodes no attēlu apstrādes, dziļās mācīšanās un statistikas, lai izstrādātu risinājumus tādām problēmām kā objektu atpazīšana, attēlu klasifikācija, sejas atpazīšana, autonomā transporta vadība un medicīniskās attēlveidošanas analīze. |
-
Lekcija
|
Modalitāte
|
Norises vieta
|
Kontaktstundas
|
|---|---|---|
|
Klātiene
|
Mācību telpa
|
2
|
Tēmas
|
Datorredze
Apraksts
Datorredze ir mākslīgā intelekta apakšnozare, kas nodarbojas ar vizuālās informācijas apstrādi un analīzi, ļaujot datoriem „redzēt” un interpretēt attēlus vai video. Šī joma apvieno dažādas metodes no attēlu apstrādes, dziļās mācīšanās un statistikas, lai izstrādātu risinājumus tādām problēmām kā objektu atpazīšana, attēlu klasifikācija, sejas atpazīšana, autonomā transporta vadība un medicīniskās attēlveidošanas analīze. |
-
Pārbaudījums
|
Modalitāte
|
Norises vieta
|
Kontaktstundas
|
|---|---|---|
|
Attālināti
|
E-studiju vide
|
2
|
Tēmas
|
Datorredze
Apraksts
Datorredze ir mākslīgā intelekta apakšnozare, kas nodarbojas ar vizuālās informācijas apstrādi un analīzi, ļaujot datoriem „redzēt” un interpretēt attēlus vai video. Šī joma apvieno dažādas metodes no attēlu apstrādes, dziļās mācīšanās un statistikas, lai izstrādātu risinājumus tādām problēmām kā objektu atpazīšana, attēlu klasifikācija, sejas atpazīšana, autonomā transporta vadība un medicīniskās attēlveidošanas analīze. |
-
Lekcija
|
Modalitāte
|
Norises vieta
|
Kontaktstundas
|
|---|---|---|
|
Klātiene
|
Mācību telpa
|
2
|
Tēmas
|
Dabiskās valodas apstrāde
Apraksts
Dabiskās valodas apstrāde (Natural Language Processing, NLP) ir mākslīgā intelekta apakšnozare, kas nodarbojas ar datoru spēju saprast, analizēt un ģenerēt cilvēku valodu. Šī joma apvieno lingvistiku, mašīnmācīšanos un dziļo mācīšanos, lai attīstītu tehnoloģijas, kas ļauj datoriem apstrādāt tekstu un runu līdzīgi kā cilvēki. |
-
Lekcija
|
Modalitāte
|
Norises vieta
|
Kontaktstundas
|
|---|---|---|
|
Klātiene
|
Mācību telpa
|
2
|
Tēmas
|
Dabiskās valodas apstrāde
Apraksts
Dabiskās valodas apstrāde (Natural Language Processing, NLP) ir mākslīgā intelekta apakšnozare, kas nodarbojas ar datoru spēju saprast, analizēt un ģenerēt cilvēku valodu. Šī joma apvieno lingvistiku, mašīnmācīšanos un dziļo mācīšanos, lai attīstītu tehnoloģijas, kas ļauj datoriem apstrādāt tekstu un runu līdzīgi kā cilvēki. |
-
Lekcija
|
Modalitāte
|
Norises vieta
|
Kontaktstundas
|
|---|---|---|
|
Klātiene
|
Mācību telpa
|
2
|
Tēmas
|
Dabiskās valodas apstrāde
Apraksts
Dabiskās valodas apstrāde (Natural Language Processing, NLP) ir mākslīgā intelekta apakšnozare, kas nodarbojas ar datoru spēju saprast, analizēt un ģenerēt cilvēku valodu. Šī joma apvieno lingvistiku, mašīnmācīšanos un dziļo mācīšanos, lai attīstītu tehnoloģijas, kas ļauj datoriem apstrādāt tekstu un runu līdzīgi kā cilvēki. |
-
Lekcija
|
Modalitāte
|
Norises vieta
|
Kontaktstundas
|
|---|---|---|
|
Klātiene
|
Mācību telpa
|
2
|
Tēmas
|
Dabiskās valodas apstrāde
Apraksts
Dabiskās valodas apstrāde (Natural Language Processing, NLP) ir mākslīgā intelekta apakšnozare, kas nodarbojas ar datoru spēju saprast, analizēt un ģenerēt cilvēku valodu. Šī joma apvieno lingvistiku, mašīnmācīšanos un dziļo mācīšanos, lai attīstītu tehnoloģijas, kas ļauj datoriem apstrādāt tekstu un runu līdzīgi kā cilvēki. |
-
Patstāvīgais darbs
|
Modalitāte
|
Norises vieta
|
Kontaktstundas
|
|---|---|---|
|
Attālināti
|
E-studiju vide
|
1
|
Tēmas
|
Dabiskās valodas apstrāde
Apraksts
Dabiskās valodas apstrāde (Natural Language Processing, NLP) ir mākslīgā intelekta apakšnozare, kas nodarbojas ar datoru spēju saprast, analizēt un ģenerēt cilvēku valodu. Šī joma apvieno lingvistiku, mašīnmācīšanos un dziļo mācīšanos, lai attīstītu tehnoloģijas, kas ļauj datoriem apstrādāt tekstu un runu līdzīgi kā cilvēki. |
-
Lekcija
|
Modalitāte
|
Norises vieta
|
Kontaktstundas
|
|---|---|---|
|
Klātiene
|
Mācību telpa
|
2
|
Tēmas
|
HPC
Apraksts
HPC (no angļu valodas High Performance Computing) ļauj risināt sarežģītus skaitļošanas uzdevumus īsākā laikā. Skaitļošana notiek uz datoriem (koplietotas atmiņas lieldators, skaitļošanas klasteris), kuru veido daudzi paralēli procesori. Mūsdienās HPC ir jebkuras modernas universitātes neatņemama sastāvdaļa, un tas tiek izmantots dažādām vajadzībām – sākot ar inženiertehniskiem uzdevumiem Mathworks MATLAB vidē un beidzot ar lielo datu (Big Data) analītiku un mašīnmācīšanos. Vairums HPC sistēmu tiek būvētas kā skaitļošanas klasteri, kas sastāv no daudziem atsevišķiem serveriem, kas saslēgti kopā ar ātru datortīklu (piemēram, InfiniBand). HPC klasteris ir piemērots gan paralēlajai skaitļošanai, nodrošinot viena liela uzdevuma paralēlu izpildi, gan distributīvajai skaitļošanai, izpildot daudzus neatkarīgus uzdevumus uz atsevišķiem serveriem vai procesoriem. |
-
Lekcija
|
Modalitāte
|
Norises vieta
|
Kontaktstundas
|
|---|---|---|
|
Klātiene
|
Mācību telpa
|
2
|
Tēmas
|
HPC
Apraksts
HPC (no angļu valodas High Performance Computing) ļauj risināt sarežģītus skaitļošanas uzdevumus īsākā laikā. Skaitļošana notiek uz datoriem (koplietotas atmiņas lieldators, skaitļošanas klasteris), kuru veido daudzi paralēli procesori. Mūsdienās HPC ir jebkuras modernas universitātes neatņemama sastāvdaļa, un tas tiek izmantots dažādām vajadzībām – sākot ar inženiertehniskiem uzdevumiem Mathworks MATLAB vidē un beidzot ar lielo datu (Big Data) analītiku un mašīnmācīšanos. Vairums HPC sistēmu tiek būvētas kā skaitļošanas klasteri, kas sastāv no daudziem atsevišķiem serveriem, kas saslēgti kopā ar ātru datortīklu (piemēram, InfiniBand). HPC klasteris ir piemērots gan paralēlajai skaitļošanai, nodrošinot viena liela uzdevuma paralēlu izpildi, gan distributīvajai skaitļošanai, izpildot daudzus neatkarīgus uzdevumus uz atsevišķiem serveriem vai procesoriem. |
-
Lekcija
|
Modalitāte
|
Norises vieta
|
Kontaktstundas
|
|---|---|---|
|
Klātiene
|
Mācību telpa
|
2
|
Tēmas
|
HPC
Apraksts
HPC (no angļu valodas High Performance Computing) ļauj risināt sarežģītus skaitļošanas uzdevumus īsākā laikā. Skaitļošana notiek uz datoriem (koplietotas atmiņas lieldators, skaitļošanas klasteris), kuru veido daudzi paralēli procesori. Mūsdienās HPC ir jebkuras modernas universitātes neatņemama sastāvdaļa, un tas tiek izmantots dažādām vajadzībām – sākot ar inženiertehniskiem uzdevumiem Mathworks MATLAB vidē un beidzot ar lielo datu (Big Data) analītiku un mašīnmācīšanos. Vairums HPC sistēmu tiek būvētas kā skaitļošanas klasteri, kas sastāv no daudziem atsevišķiem serveriem, kas saslēgti kopā ar ātru datortīklu (piemēram, InfiniBand). HPC klasteris ir piemērots gan paralēlajai skaitļošanai, nodrošinot viena liela uzdevuma paralēlu izpildi, gan distributīvajai skaitļošanai, izpildot daudzus neatkarīgus uzdevumus uz atsevišķiem serveriem vai procesoriem. |
-
Lekcija
|
Modalitāte
|
Norises vieta
|
Kontaktstundas
|
|---|---|---|
|
Klātiene
|
Mācību telpa
|
2
|
Tēmas
|
HPC
Apraksts
HPC (no angļu valodas High Performance Computing) ļauj risināt sarežģītus skaitļošanas uzdevumus īsākā laikā. Skaitļošana notiek uz datoriem (koplietotas atmiņas lieldators, skaitļošanas klasteris), kuru veido daudzi paralēli procesori. Mūsdienās HPC ir jebkuras modernas universitātes neatņemama sastāvdaļa, un tas tiek izmantots dažādām vajadzībām – sākot ar inženiertehniskiem uzdevumiem Mathworks MATLAB vidē un beidzot ar lielo datu (Big Data) analītiku un mašīnmācīšanos. Vairums HPC sistēmu tiek būvētas kā skaitļošanas klasteri, kas sastāv no daudziem atsevišķiem serveriem, kas saslēgti kopā ar ātru datortīklu (piemēram, InfiniBand). HPC klasteris ir piemērots gan paralēlajai skaitļošanai, nodrošinot viena liela uzdevuma paralēlu izpildi, gan distributīvajai skaitļošanai, izpildot daudzus neatkarīgus uzdevumus uz atsevišķiem serveriem vai procesoriem. |
-
Patstāvīgais darbs
|
Modalitāte
|
Norises vieta
|
Kontaktstundas
|
|---|---|---|
|
Attālināti
|
E-studiju vide
|
1
|
Tēmas
|
HPC
Apraksts
HPC (no angļu valodas High Performance Computing) ļauj risināt sarežģītus skaitļošanas uzdevumus īsākā laikā. Skaitļošana notiek uz datoriem (koplietotas atmiņas lieldators, skaitļošanas klasteris), kuru veido daudzi paralēli procesori. Mūsdienās HPC ir jebkuras modernas universitātes neatņemama sastāvdaļa, un tas tiek izmantots dažādām vajadzībām – sākot ar inženiertehniskiem uzdevumiem Mathworks MATLAB vidē un beidzot ar lielo datu (Big Data) analītiku un mašīnmācīšanos. Vairums HPC sistēmu tiek būvētas kā skaitļošanas klasteri, kas sastāv no daudziem atsevišķiem serveriem, kas saslēgti kopā ar ātru datortīklu (piemēram, InfiniBand). HPC klasteris ir piemērots gan paralēlajai skaitļošanai, nodrošinot viena liela uzdevuma paralēlu izpildi, gan distributīvajai skaitļošanai, izpildot daudzus neatkarīgus uzdevumus uz atsevišķiem serveriem vai procesoriem. |
Bibliogrāfija
Obligātā literatūra
Shanmugamani R. 2020. Deep Learning for Computer VisionPiemērots angļu valodas plūsmai
Forsyth D.A. un Ponce J. 2021. Computer Vision: A Modern ApproachPiemērots angļu valodas plūsmai
Rothman D. 2021. Transformers for Natural Language ProcessingPiemērots angļu valodas plūsmai
Tunstall L., Leandro von Werra, and Wolf T. 2022. Natural Language Processing with TransformersPiemērots angļu valodas plūsmai
Papildu literatūra
Sahu S.K., Balvir S.U., Sahu A.K., et.al. 2025. Advancing High Performance Computing for AI in the Era of Large-Scale Models A Research Roadmap. Parallel and High-Performance ComputiPiemērots angļu valodas plūsmai