Pilnveido zināšanas mākslīgā intelekta un datu analītikas jomās

1. Izproti MI pamatus un tā ietekmi

• MI rašanās;
• Populārākie MI modeļi un risinājumi;
• MI modeļu pielietošana biznesā.

Tavi ieguvumi: izpratne par MI tehnoloģisko uzbūvi, darbības principiem, riskiem un ētiskajiem jautājumiem, kas nepieciešami tā atbildīgai izmantošanai.

2. Datu avoti: no datubāzēm līdz tīmekļa resursiem

• Dažādu datu avotu izmantošana – SQL datubāzes, API pieslēgumi, Web Scraping tehnikas un publiski pieejami datu kopumi.

Tavi ieguvumi: prasme iegūt kvalitatīvus datus, kas ir jebkura analītiska risinājuma pamats.

3. Datu apstrāde profesionālā līmenī

• SQL pamatvaicājumu (SELECT, JOIN, GROUP BY) un Python datu apstrādes bibliotēkas apgūšana (pandas un NumPy).

Tavi ieguvumi: prasme veikt “datu tīrīšanu”, transformāciju un sagatavošanu analīzei, kas ir kritiski svarīgi jebkuram MI un datu analītikas projektam.

4. Nestrukturēto datu pasaule

• Populārākās metodes darbam ar tekstiem, attēlu metadatiem, žurnālfailiem un sensoru datiem.

Tavi ieguvumi: izpratnes gūšana par NLP pamatiem MI kontekstā, kā arī spēja strādāt ar datiem, kas neiekļaujas klasiskajās tabulās.

5. Būtiskais datu vizualizācijā

• Datu vizualizācijas pamatprincipi;
• Grafiku izveide Python vidē (Matplotlib, Seaborn, Plotly);
• Power BI interaktīvo paneļu izstrāde.

Tavi ieguvumi: prasme izstrādāt rīkus, ar kuru palīdzību iespējams pārvērst sarežģītas datu kopas skaidros, saprotamos un biznesam noderīgos pārskatos.

6. Interpretē un prezentē datus kā profesionālis

• Pārliecinošu datu vizualizāciju un stāstu (data storytelling) veidošana;
• Tādu pārskatu sagatavošana, kas pielāgoti lēmumu pieņēmējiem.

Tavi ieguvumi: apgūtas iemaņas, kas būtiski paātrina un uzlabo jebkura uzņēmuma stratēģisko komunikāciju.

1. Izpratne par mašīnmācīšanos – pamati, kas iedarbina procesu

• Kas ir mašīnmācīšanās, un kā tā tiek izmantota ikdienas tehnoloģijās;
• Pārraudzītās un nepārraudzītās mācīšanās pamati;
• Galvenie algoritmu tipi;
• Statistikas loma datu interpretācijā.

Tavi ieguvumi: izpratne par optimizācijas pamatprincipiem – vienkāršā, intuitīvā līmenī.

2. Datu sagatavošana – pamats jebkuram veiksmīgam modelim

• Datu pareiza sadalīšana treniņa un testa kopās;
• Datu notīrīšana un formatēšana pēc iespējas precīzāku datu modeļu izstrādei.

Tavi ieguvumi: prasme identificēt dublējošos datus, pārbaudīt to kvalitāti un padarīt datu kopas pārskatāmas, efektīvas un lietojamas. Šī ir prasme, kas atšķir profesionālu datu speciālistu no iesācēja.

3. ML modeļu izstrāde – no datu kopas līdz funkcionējošam risinājumam

• Pilnais modeļa izstrādes cikls: datu sagatavošana, treniņš, testēšana un rezultātu interpretācija;
• Regresijas un klasifikācijas pamati;
• Klasterizācijas loģika un datu kombinēšana modeļa veiktspējas uzlabošanai.

Tavi ieguvumi: ieskata gūšana dziļās mācīšanās (deep learning) pieejās Tava tehniskā redzesloka paplašināšanai.

4. Modeļu novērtēšana – kā saprast, vai modelis patiešām strādā

• Modeļa precizitātes noteikšana, tā stipro un vājo pušu analizēšana;
• Dažādu datu modeļu salīdzināšana un rezultātu vizuāla attēlošana.

Tavi ieguvumi: izpratnes gūšana par interpretējamības nozīmi un to, kā profesionāli pieiet kļūdu analīzei – pat tad, ja tā tiek veikta vienkāršotos gadījumos.

5. Modeļu pārvaldība un dokumentēšana – profesionāla pieeja datu projektiem

• Modeļu izstrādes dokumentēšana un reproducējamības nodrošināšana;
• Skaidru tehnisko kopsavilkumu izveide, izmantojot sagatavotas veidnes.

Tavi ieguvumi: prasme veidot vizualizācijas modeļu rezultātiem un strukturēt informāciju tā, lai Tavu darbu spētu izmantot arī citi.

1. MI modeļi un prototipēšana – padari idejas par funkcionējošiem risinājumiem

• Dažādu datu un analītisko rīku savienošana, izmantojot API;
• Gatavo MI pakalpojumu – ChatGPT API, Google AI Studio, Power BI Copilot un citu – izmantošana;
• Datu apmaiņas pamati starp dažādām sistēmām (REST, CSV);
• CI/CD un MLOps pamatprincipi;
• Modeļu uzturēšana, to versiju pārvaldība un risinājumu drošības nodrošināšana.

Tavi ieguvumi: prasme izveidot vienkāršu MI prototipu – no datu kopas līdz reālam demonstrācijas risinājumam.

2. Procesu automatizācija – kā padarīt darbu efektīvāku

• Biznesa procesu analīzes pamati un to attēlošana vizualizācijās, izmantojot blokshēmas;
• Vienkāršu RPA rīku apskate.

Tavi ieguvumi: prasme izstrādāt automatizācijas scenārijus, kas palīdz ietaupīt laiku, samazināt kļūdu skaitu un uzlabot kopējo servisa kvalitāti.

3. Lielapjoma datu apstrāde – droši un efektīvi

• Lielo datu (big data) pamati: kā ar tiem strādāt, kādus rīkus izmantot un kādas ir galvenās mākoņdatošanas priekšrocības.

Tavi ieguvumi: izpratne par atšķirībām starp SQL un relāciju datubāzēm, reāllaika datu plūsmām, kā arī datu glabāšanas principiem stabilu un mērogojamu risinājumu izstrādei.

4. Drošība un ētika – atbildīga MI izmantošana

• Datu aizsardzības un privātuma pamati (t.sk. GDPR);
• Datu anonimizācijas metodes un drošas apmaiņas principi.

Tavi ieguvumi: prasme atpazīt drošības riskus un izprast MI ētikas pamatus, kas ir ļoti svarīgi laikmetā, kad tehnoloģijas kļūst arvien autonomākas.

5. Rezultātu prezentēšana – pārvērt tehnisko darbu skaidros biznesa ieguvumos

• Profesionālas atgriezeniskās saites sniegšana;
• KPI un ROI jēdzieni;
• Pārskatu gatavošana iegūto rezultātu prezentēšanai.

Tavi ieguvumi: prasme attīstīt inovāciju domāšanu (AI-first mindset), spējot saskatīt automatizācijas, uzlabošanas un digitalizācijas iespējas ikvienā procesā.

Visi 3 moduļi ir veidoti to secīgai apguvei, tāpēc sākt ar 2. vai 3. nav iespējams. Pabeidzot 1. moduli, Tev ir iespēja izvēlēties – turpināt mācības vai tās noslēgt.

Dalībnieku uzņemšana sāksies decembrī, bet mācības varēsi uzsākt no janvāra. Izvēlētais(-tie) mācību modulis(-ļi) ir jāpabeidz līdz 29. maijam. Tu vari mācīties sev ērtā laikā un vietā, vienlaikus ievērojot kopējo mācību tempu un termiņus.

Pašvadītās mācības ir attālinātās mācības, kurās katrs  dalībnieks mācās savā laikā, vietā un tempā. Katra mācību moduļa ietvaros tiek organizēti tiešsaistes grupu darbi un mentorings, kā arī 8 stundu klātienes hakatons ar pieredzējušu nozares mentoru atbalstu.

Nē, iepriekšēja pieredze nav nepieciešama.

Jā, mācīties varēsi sev vēlamā laikā, taču mācībām nepieciešams veltīt aptuveni 20 stundas nedēļā.

Mācību programmai vari pieteikties šajā lapā.

Pieteikumi tiks izskatīti 1 darba dienas laikā.

Līguma parakstīšana notiek gan elektroniski, izmantojot drošu e-parakstu, gan papīra formātā. Tev ir iespēja izvēlēties sev ērtāko veidu!

Pēc katra moduļa pabeigšanas saņemsi BDA izsniegtu sertifikātu, kas ir apliecinājums neformālās izglītības programmas apguvei un jauniegūtajām kompetencēm.