Informācijas sistēmu drošums
Statuss Obligātais/Obligātais izvēles
Līmenis un tips Doktora, Akadēmiskais
Tematiskā joma Datorika
Struktūrvienība Modelēšanas un imitācijas katedra
Mācībspēks Inese Poļaka, Ludmila Aleksejeva
Kredītpunkti 5.0 (7.5 ECTS)
Daļas 1
Anotācija Katrā zinātniskā pētījumā nozīmīgu vietu ieņem dati un to analīze, lai nonāktu līdz pētījuma secinājumiem un tos pamatotu. Studiju kursā apskatīts formalizēts intelektuālās tehnoloģijās balstīts datu analīzes process, kas iekļauj tādus soļus kā uzdevuma formulēšana, datu iegūšana un priekšapstrāde, datu analīze ar mašīnmācīšanās/datizraces/statistikas metodēm, modeļu novērtēšana, modeļu un datu noslieču apzināšana, rezultātu interpretācija un vizualizācija. Pareiza pieeju un metožu izvēle katrā posmā var ietekmēt pētījuma rezultātu pamatotību un ticamību, tāpēc studiju kursā studentam ir iespēja izstrādāt pētījuma datu analīzes prototipu un diskusijās ar mācībspēkiem un citiem studentiem to pilnveidot, lai sasniegtu sava pētījuma mērķus..
Studiju kursa saturs
Saturs Pilna un nepilna laika klātienes studijas Nepilna laika neklātienes studijas
Kontaktstundas Patstāvīgais darbs Kontaktstundas Patstāvīgais darbs
Datu analīzes procesa apskats, posmi. 4 4 0 0
Uzdevuma definēšana un mašīnmācīšanās datu analīzes pieejas (uzraudzītā, neuzraudzītā, stimulētā mācīšanās). 4 8 0 0
Datu iegūšana un sagatavošana. 8 16 0 0
Literatūras apskats. Aktuālo mašīnmācīšanās/datizraces/statistikas metožu patstāvīga izpēte un salīdzinošā analīze, diskusija. 4 10 0 0
Datu analīzes metožu izvēle atbilstoši uzdevumam un implementācija. 4 20 0 0
Datu analīzes procesa prototipa izveide. 4 20 0 0
Mašīnmācīšanās modeļu noslieces un citi potenciālie trūkumi datu analīzes procesā. 4 6 0 0
Datu analīzes (mašīnmācīšanās/datizraces) rezultātu statistiskā analīze. 6 10 0 0
Vizualizācija. 4 6 0 0
Programmatūras rīku izmantošana. 8 20 0 0
Semināri un pārbaudījumi. 10 20 0 0
Kopā: 60 140 0 0
Mērķis un uzdevumi, izteikti
kompetencēs un prasmēs		 Studiju kursa mērķis ir sniegt studentiem zināšanas par datu analīzes procesu un tā izstrādi pētījumam, ievērojot visus nepieciešamos soļus. Studiju kursa uzdevumi ir iepazīstināt ar populārākām metodēm, kas tiek izmantotas katrā posmā, lai sniegtu priekšstatu par procesu un atbalstītu datu analīzes procesa prototipa izstrādē, lai students spētu šo procesu izstrādāt savam pētījumam.
Sasniedzamie studiju
rezultāti un to vērtēšana		 Pārzina datu analīzes procesu, tā posmus un potenciālās kļūdas. - Patstāvīgais darbs, izveidojot datu analīzes procesa prototipu. Eksāmens.
Spēj identificēt datizraces un mašīnmācīšanās metodes konkrētam analīzes uzdevumam un tās pielietot. - Mājas darbs, pielietojot metodes.
Izprot datu analīzes metožu algoritmus un to attīstību. - Literatūras izpētes atskaite par aktuālajām metodēm noteiktam pielietojumam.
Spēj novērtēt un interpretēt datu analīzes rezultātus. - Mājas darbs, pielietojot metodes. Eksāmens.
Studiju rezultātu vērtēšanas kritēriji

Datu analīzes procesa prototipa izveide - 30%
Literatūras analīze par aktuālām metodēm - 10%
Mājas darbs, pielietojot datizraces/mašīnmācīšanās metodes - 30%
Eksāmens - 30%
 
Priekšzināšanas Kopu teorijas pamata koncepti. Varbūtību teorijas pamati. Mākslīgā intelekta pamati.
Studiju kursa plānojums
Daļa KP EKPS Stundas nedēļā Pārbaudījumi
Lekcijas Prakt. d. Lab. Ieskaite Eksāmens Darbs
1 5 7.5 2 5 0   *  
Kursa veids
Ierobežotās izvēles studiju kursi