Kursa kods InfT6014
Kredītpunkti 3
Zinātnes nozareElektrotehnika, elektronika, informācijas un komunikāciju tehnoloģijas
Zinātnes apakšnozareSistēmu analīze, modelēšana un projektēšana
Kopējais stundu skaits kursā81
Lekciju stundu skaits16
Semināru un praktisko darbu stundu skaits16
Studenta patstāvīgā darba stundu skaits49
Kursa apstiprinājuma datums22.01.2014
Atbildīgā struktūrvienībaDatoru sistēmu un datu zinātnes institūts
Dr. oec.
Studiju kurss aplūko mākslīgā intelekta (MI) izmantošanas iespējas lauksaimniecībā. Iepazīstina ar MI jēdzienu un attīstības vēsturi. Apskata klasiskā un modernā MI pieejas. Skatīti jautājumi par meklēšanas paņēmieniem, ekspertu sistēmām un zināšanu bāzi lauksaimniecības jomā. Kursā dots priekšstats par neironu tīkliem, ģenētiskajiem algoritmiem un aģentu metodēm, saistībā ar lauksamniecības nozari. Parādītas robotu pielietošanas iespējas lauksaimnieciskās ražošanas tehnoloģijās. Aplūkotas tehnoloģijas precīzajā laukkopībā, lopkopībā, biškopībā.
Studiju kursa apguves rezultātā studenti iegūst:
• zināšanas par MI pielietošanu lauksaimniecībā, t.sk. par meklēšanas paņēmieniem un ekspertu sistēmām, neironu tīkliem, ģenētiskajiem algoritmiem, robotu un precīzās lauksaimniecības tehnoloģijām;
• prasmes saistīt iegūtās zināšanas par mākslīgo intelektu lauksaimniecībā ar saturu citu kursu studijās, kā arī orientēties studiju procesa prasībās;
• kompetence risināt problēmas savā profesijā, piedalīties savas profesionālās jomas attīstībā.
1 Mākslīgā intelekta jēdziens, definīcijas un vēsturiskā attīstība.
2 Meklēšanas paņēmieni un metodes. Dati un Informācija lauksaimniecībā.
3 Loģika un faziloģika.
4 Ekspertu sistēmas lauksaimniecībā.
5 1.pārbaudes darbs.
6 Mākslīgie neironu tīkli.
7 Ģenētiskie algoritmi.
8 2.pārbaudes darbs.
9 Aģenti, multiaģentu sistēmas.
10 Robotika lauksaimniecībā.
11 Precīzā laukkopība un precīzā lopkopība.
12 Automātiskā plānošana lauksaimniecībā.
13 Dabisko valodu atpazīšana.
14 3.pārbaudes darbs.
15 Datori un spēles.
16 Mākslīgā intelekta perspektīves lauksaimniecībā.
Izstrādāti un aizstāvēti praktiskie darbi. Sekmīgi nokārtoti pārbaudes darbi.
1. Brase Terry. Precision agriculture. Clifton Park, NY :Thomson Delmar Learning, 2006. 224 p. ISBN 1-4018-8105-X
2. Kevin W. . Artificial Intelligence: The Basics. Routledge, 2011.
3. Lucci S., Kopec D. . Artificial Intelligence in the 21 Century. David Pallai 2012.
4. Srinivasan A. . Handbook of precision agriculture. Principles and applications. Bringhamton, NY: Food products Press, London, 2006. 683 p.
Izvēles kurss ITF maģistra studiju programmai „Informācijas tehnoloģijas”.