Vietnes paziņojumi

Esi sveicināts mācību vietnē!

Nosūtīja Lasma Ulmane-Ozolina —

Dažiem kursiem ir pieejama pašreģistrēšanās. Šo informāciju esi saņēmis no sava mācīšanās koordinatora.

Ja esi šeit pirmo reizi, klikšķini uz "Pieslēgties" pogu un izveido jaunu kontu.

Kad konts izveidots, izvēlies savu tēmu un pašreģistrējies. Tālāk seko mācību koordinatora norādēm.

Lai zinātkāres pilns ceļojums!
Apspriest šo tēmu  (Līdz šim 0 atbildes)


Pieejamie kursi

Python un matemātika mākslīgā intelekta lietojumos IV

Show on frontend: Nē

Python un matemātika mākslīgajam intelektam. III. Diskrētā matemātika

Kurss sniedz pamatzināšanas diskrētajā matemātikā un tās pielietojumā programmēšanā un mākslīgajā intelektā. Kursā tiek apgūta kopu teorija, matemātiskā loģika, relācijas un funkcijas, rekursija, kombinatorika, koki un grafi. Īpaša uzmanība pievērsta šo jēdzienu sasaistīšanai ar Python programmēšanu, stāvokļu telpām un meklēšanas uzdevumiem. Kurss veido pamatu diskrētu struktūru un algoritmisku metožu izmantošanai mākslīgā intelekta risinājumu izstrādē.

Show on frontend: Nē

Python un matemātika mākslīgajam intelektam. II. Lineārā algebra

Kurss sniedz pamatzināšanas par vektoriem, matricām un to izmantošanu mākslīgā intelekta un datu apstrādes uzdevumos. Kursā tiek apgūtas darbības ar vektoriem un matricām, lineāro vienādojumu sistēmu risināšana, matricas rangs, inversā matrica, īpašvektori un īpašvērtības, kā arī datu transformācijas. Matemātiskie jēdzieni tiek sasaistīti ar praktisku realizāciju Python programmās. 

Show on frontend: Nē

Introduction to EUDRES

Show on frontend: Nē

Foundations of Workplace Culture (ESEF Project)

Show on frontend: Nē

Molekulārā fizika 3/Gerda

🔬 Kursa mērķis un pētniecības metodes

Kurss piedāvā izzināt matērijas īpašības, izmantojot divas papildinošas pieejas:

  • Molekulāri kinētiskā (statistiskā) metode: pēta procesus no mikroskopiskā skatu punkta, pieņemot, ka viela sastāv no haotiski kustošām daļiņām.

  • Termodinamiskā metode: pēta sistēmu kopumā, balstoties uz enerģijas pārvērtībām un makroskopiskiem parametriem, neņemot vērā vielas iekšējo struktūru.

🏗️ Pamati un stāvokļa parametri

Kurss definē fundamentālos jēdzienus, kas nepieciešami gāzu uzvedības aprakstīšanai:

  • MKT pamattēzes: Viela sastāv no daļiņām; tās ir nepārtrauktā kustībā; starp tām pastāv mijiedarbība.

  • Sistēmas stāvoklis: To raksturo tādi parametri kā spiediens (p), tilpums (V) un temperatūra (T).

  • Absolūtā temperatūras skala: Ievieš Kelvina skalu, kuras pamatā ir molekulu siltumkustības intensitāte.

🔄 Līdzsvars un procesi

Svarīga daļa veltīta tam, kā sistēmas mainās vai saglabā stabilitāti:

  • Līdzsvars: Stāvoklis, kurā makroskopiskie parametri nemainās laika gaitā (bez ārējas ietekmes).

  • Procesi: Izšķir līdzsvara (kvazistatiskos) procesus, kas noris ļoti lēni, un nelīdzsvara procesus.

🧪 Ideālas gāzes modelis un likumi

Kursa kodolu veido ideālas gāzes matemātiskais apraksts:

  • Vielas daudzums: Molu jēdziens un Avogadro skaitlis.

  • Stāvokļa vienādojumi: Galvenā uzmanība pievērsta Klapeirona-Mendeļejeva vienādojumam:

  • Gāzu maisījumi: Tiek apskatīts, kā kopējo spiedienu ietekmē dažādu gāzu komponentes (Daltona likums).

Show on frontend: Nē

Molekulārā fizika II

🔬 Kursa mērķis un pētniecības metodes

Kurss piedāvā izzināt matērijas īpašības, izmantojot divas papildinošas pieejas:

  • Molekulāri kinētiskā (statistiskā) metode: pēta procesus no mikroskopiskā skatu punkta, pieņemot, ka viela sastāv no haotiski kustošām daļiņām.

  • Termodinamiskā metode: pēta sistēmu kopumā, balstoties uz enerģijas pārvērtībām un makroskopiskiem parametriem, neņemot vērā vielas iekšējo struktūru.

🏗️ Pamati un stāvokļa parametri

Kurss definē fundamentālos jēdzienus, kas nepieciešami gāzu uzvedības aprakstīšanai:

  • MKT pamattēzes: Viela sastāv no daļiņām; tās ir nepārtrauktā kustībā; starp tām pastāv mijiedarbība.

  • Sistēmas stāvoklis: To raksturo tādi parametri kā spiediens (p), tilpums (V) un temperatūra (T).

  • Absolūtā temperatūras skala: Ievieš Kelvina skalu, kuras pamatā ir molekulu siltumkustības intensitāte.

🔄 Līdzsvars un procesi

Svarīga daļa veltīta tam, kā sistēmas mainās vai saglabā stabilitāti:

  • Līdzsvars: Stāvoklis, kurā makroskopiskie parametri nemainās laika gaitā (bez ārējas ietekmes).

  • Procesi: Izšķir līdzsvara (kvazistatiskos) procesus, kas noris ļoti lēni, un nelīdzsvara procesus.

🧪 Ideālas gāzes modelis un likumi

Kursa kodolu veido ideālas gāzes matemātiskais apraksts:

  • Vielas daudzums: Molu jēdziens un Avogadro skaitlis.

  • Stāvokļa vienādojumi: Galvenā uzmanība pievērsta Klapeirona-Mendeļejeva vienādojumam:

  • Gāzu maisījumi: Tiek apskatīts, kā kopējo spiedienu ietekmē dažādu gāzu komponentes (Daltona likums).

Show on frontend: Jā

Molekulārā fizika un termodinamika / Iveta

Show on frontend: Nē

Ievads fizikā (Bakalaura kurss)

Show on frontend: Nē

Python un matemātika mākslīgajam intelektam. I. Ievads

Moduļa "Python un matemātika mākslīgajam intelektam" ievada kurss. Moduļa mērķis ir nodrošināt programmēšanas un matemātisko zināšanu pamatu, kas nepieciešams mākslīgā intelekta programmatūras lietotņu izpratnei, uzbūvei un izstrādei, apguvi. Modulis paredz attīstīt prasmes izmantot Python programmēšanas valodu datu sagatavošanai, apstrādei un analīzei, kā arī praktiski pielietot lineārās algebras, matemātiskās analīzes, optimizācijas, varbūtību teorijas, statistikas un diskrētās matemātikas metodes mākslīgā intelekta uzdevumu risināšanā. Apgūstot modulī iekļautos kursus, dalībnieki iegūs izpratni par matemātiskajiem principiem, uz kuriem balstās mākslīgā intelekta algoritmi, un spēju tos sasaistīt ar programmatūras izstrādes risinājumiem, veidojot pamatu turpmākai mašīnmācīšanās, dziļās mācīšanās un citu mākslīgā intelekta tehnoloģiju apguvei un praktiskai izmantošanai.

Show on frontend: Nē

Mākslīgais intelekts pedagoga darbā I (iesācējiem)

Programma “Mākslīgais intelekts skolotāja darbā” ir paredzēta pedagogu profesionālajai pilnveidei, attīstot zināšanas un praktiskās prasmes mākslīgā intelekta (MI) izmantošanā izglītības procesā. Programmas ietvaros dalībnieki apgūs MI attīstības kontekstu, lielo valodas modeļu darbības principus, kā arī ar MI izmantošanu saistītos ētikas, drošības, akadēmiskā godīguma un autortiesību jautājumus.

Programma ietver praktisku darbu ar MI rīkiem mācību materiālu izstrādei, gatavošanos stundām, mācību procesa diferenciācijai, skolēnu darbu vērtēšanai, saziņai ar vecākiem, pētniecībai, kā arī audio un vizuālo materiālu veidošanai. Programmas laikā dalībnieki analizēs MI izmantošanas piemērus pedagogu darbā un praktiski pielietos rīkus savā mācību priekšmetā.

Mērķauditorija

Kursa mērķauditorija ir vispārizglītojošo un profesionālo skolu pedagogi, kuri vēlas apgūt MI pamatus, iegūt praktiskas prasmes MI rīku izmantošanā un integrēt MI savā darbā.

Show on frontend: Nē