LU konferenceModuļa mērķis ir datorzinātņu bakalaura studiju programmas (BSP) ietvaros sagatavot augsta līmeņa speciālistus valodu tehnoloģijās (VT), kas spēj radīt risinājumus VT problēmām un lietojumiem un ir labi sagatavoti nozares mainīgai attīstībai.
1. Sniegt zināšanas un izpratni par dabiskās valodas apstrādes problēmām un to risināšanas metodēm, lai studējošie spētu patstāvīgi izmantot atvērtā pirmkoda VT, veikt ar VT saistītus pētījumus, kā arī izstrādāt jaunus, praktiskus VT risinājumus.
2. Sniegt zināšanas par Python programmēšanas valodu un attīstīt mūsdienīgas programmēšanas prasmes, lai studējošie spētu patstāvīgi izstrādāt un integrēt datu apstrādes sistēmas, t.sk. izmantot un integrēt VT komponentes.
3. Sniegt zināšanas par dziļās mašīnmācīšanās risinājumu uzbūvi un lietojumu, attīstīt praktiskas iemaņas dziļās mašīnmācīšanās satvaru lietošanā, lai studējošie spētupatstāvīgi izstrādāt risinājumus tipiskiem mašīnmācīšanās uzdevumiem – teksta un attēlu klasifikācijai, teksta un attēlu apstrādei.
Valodu tehnoloģiju pamati (DatZB022)
Pasniedzēji: profesore, Dr.sc.comp. Inguna Skadiņa un profesors, Dr.sc.comp. Normunds Grūzītis
Studiju kurss tiek docēts latviešu un angļu valodā.
Kursa mērķis ir iepazīstināt ar valodu tehnoloģijām un to lietojumu praksē, sniegt pamatzināšanas par dabiskās valodas apstrādes problēmām un to risināšanas metodēm. Kursā tiks apskatīti nozīmīgākie jauninājumi un attīstības tendences valodu tehnoloģiju jomā.
Galvenā uzmanība tiks veltīta datos balstītām metodēm un tām nepieciešamajiem valodas resursiem. Detalizētāk tiks analizēti ar angļu un latviešu valodas apstrādi saistītie jautājumi, tai skaitā apskatot dažādas atvērtā pirmkoda bibliotēkas, valodas modeļus un rīkkopas šo jautājumu praktiskai risināšanai. Kursa ietvaros tiks aplūkota valodas apstrāde un modelēšana dažādos teksta analīzes līmeņos, izmantojot dažādas pieejas - gan likumos, gan valodas datos balstītas.
Kursa uzdevumi ir:
- iepazīstināt studējošos ar galvenajām problēmām un pamatmetodēm dabiskās valodas apstrādē;
- paplašināt studējošo zināšanas un izpratni par valodu tehnoloģiju nozīmi datorzinātnē un mūsdienu sabiedrībā kopumā;
- sniegt teorētiskas un praktiskas zināšanas, kas nepieciešamas gan esošu valodas tehnoloģiju risinājumu izmantošanā un integrēšanā, gan jaunu risinājumu radīšanā un novērtēšanā.
Python programmēšanas valoda (DatZB084)
Pasniedzējs: asoc. profesors, Dr.sc.comp. Uldis Bojārs
Studiju kurss tiek docēts latviešu un angļu valodā.
Kursa mērķis ir sniegt studentiem pamatzināšanas par Python programmēšanas valodu.
Kursa uzdevumi:
- apgūt pamatzināšanas un programmēšanas iemaņas programmēšanas valodā Python;
- pilnveidot kursa dalībnieku programmēšanas prasmes;
- iepazīties ar pieejamajām Python programmu pakotnēm un to lietošanu;
- apgūt galvenos principus problēmu risināšanai, izmantojot programmēšanu.
Dziļās mašīnmācīšanās pamati (DatZB056)
Pasniedzējs: asoc. profesors, Dr.sc.comp. Pēteris Paikens
Studiju kurss tiek docēts latviešu valodā.
Kursa mērķis ir dot ieskatu dziļās mašīnmācīšanās risinājumu uzbūvē un to lietojumos, kā arī apgūt praktiskās iemaņas dziļās mašīnmācīšanās satvaru lietošanā, izstrādājot risinājumus bieži sastopamiem mašīnmācīšanās uzdevumu veidiem – klasifikācijas uzdevumiem, attēlu un teksta apstrādei.
Kursa apguvei nav nepieciešamas mašīnmācīšanās priekšzināšanas, bet ir nepieciešamas Python programmēšanas valodas prasmes, kurā tiks realizēti praktiskie darbi, lietojot PyTorch satvaru.
Dziļās mašīnmācīšanās izvēlētās nodaļas (DatZB130)
Pasniedzējs: docents, Dr. Maksims Ivanovs
Studiju kurss tiek docēts latviešu valodā.
Studiju kursa mērķis ir sniegt padziļinātas zināšanas un praktiskas iemaņas izvēlētās dziļās mašīnmācīšanās nodaļās, kuras ir īpaši aktuālās gan mākslīgā intelekta pētniecībā, gan ar mākslīgā intelekta metožu izmantošanu saistīto risinājumu izstrādē informācijas tehnoloģijas nozarē:
- dziļos neironu tīklos balstīto risinājumu izstrādāšanas un izmantošanas darba plūsma;
- priekšapmācītu dziļo neironu tīklu modeļu pielāgošanas principi un labākās prakses;
- sintētisko datu izmantošana mašīnmācīšanās modeļu apmācībai un šādu datu kvalitātes novērtēšana;
- izskaidrojamā mākslīgā intelekta metodes.
Studiju kursa uzdevumi:
- sniegt studējošajiem padziļinātas zināšanas par mūsdienu dziļās mašīnmācīšanās metodēm un to pielietojumiem dažādos datu domēnos, veidojot izpratni par tipisko darba plūsmu, ar to saistītiem izaicinājumiem un to risinājumiem;
- attīstīt studējošo spēju analizēt un kritiski izvērtēt dziļās mašīnmācīšanās modeļu izvēli, apmācības un pielāgošanas pieejas un to ietekmi uz modeļu vispārināšanas spējām un veiktspēju;
- veicināt prasmi plānot un īstenot reproducējamus eksperimentus, ņemot vērā datu, skaitļošanas resursu un laika ierobežojumus kā reālistiskus sistēmas projektēšanas faktorus;
- stiprināt iemaņas pamatot un interpretēt dziļās mašīnmācīšanās risinājumus, kā arī informēt gan profesionālu auditoriju, gan plašāku sabiedrību par sasniegtajiem rezultātiem.
Tīmekļa informācijas izguves tehnoloģijas (DatZB124)
Pasniedzēji: asoc. profesors Dr.sc.comp. Uldis Bojārs, asoc. viesprof., Dr.philol. Ēriks Šneiders
Studiju kursa mērķis ir sniegt ieskatu informācijas izguves (Information Retrieval) teorijā un tīmekļa meklētājrīku tehnoloģijās. Tiks apgūti teksta dokumentu apstrādes un salīdzināšanas pamati, detalizēti apgūti meklētājrīku darbības principi, lielo valodas modeļu lietojumi meklētājrīkos, tīmekļa vietņu optimizācijas metodes, atvērtie dati, kā arī strukturētu datu aprakstīšana tīmeklī un sociālā tīmekļa principu izmantošana informācijas meklēšanā.
Studiju kursa uzdevumi:
- apgūt informācijas izguves teoriju un tīmekļa meklēšanas tehnoloģijas;
- praktiski izmantot iegūtās zināšanas.
Lai pārliecinātos, ka moduļa studiju kursos tiks sasniegti digitālās kompetences rezultāti, moduļa un kursu izstrādes procesā tika veikta kartēšana un pārbaudīta to atbilstība DigComp 2.2. ietvarstruktūrai vairākās VTI jomu attiecināmās kompetenču jomās.