Computer application and computer literacy
MB Mokymų klubas
Dirbtinis intelektas ir jo praktinis taikymas
4.7
(144)
Learning begins:
Tikslinama
78 (ac. h.)
Price from:
Tikslinama
About course
Information provided by the training provider
Abstract
Important information
Way of learning
-
Place
-
Language
-
Aukštos pridėtinės vertės programa
No
Minimum requirements for the participant
No requirements
Acquired and improved competencies
Ordinary:
Content of the learning program
| Topic name | Brief description of the topic |
|---|---|
|
Topic name
1. Kas yra dirbtinis intelektas? Panaudojimo pavyzdžiai
|
Brief description of the topic
Pažintis su DI: kas yra dirbtinis intelektas? Dirbtinio intelekto privalumai; Dirbtinio intelekto trūkumai ir iššūkiai; DI panaudojimo pavyzdžiai; DI įrankių ir platformų apžvalga.
|
|
Topic name
2. Dirbtinio intelekto terminologija ir veikimo principai
|
Brief description of the topic
Mašininis mokymasis (Machine Learning); Neuroniniai tinklai (Neural Networks); Gilusis mokymasis (Deep Learning); Natūralios kalbos apdorojimas (Natural Language Processing (NLP)); Kompiuterinė vizija (Computer Vision); Ko dirbtinis intelektas negali; Rizikų, susijusių su dirbtinio intelekto naudojimu, apžvalga; Etika ir dirbtinis intelektas;
|
|
Topic name
3. Dirbtinio intelekto taikymas darbe
|
Brief description of the topic
Kaip DI gali padėti atliekant kasdienes užduotis?; Pagrindinės ChatGPT 3.5 ir 4.0 funkcijos; Gerosios užklausų rašymo praktikos; Asmeninio dirbtinio intelekto agento kūrimas ChatGPT 4.0 versijoje; DI panaudojimas – praktinės situacijos; Tekstų kūrimas; Vizualinių maketų kūrimas; Vaizdo įrašo kūrimas; Finansų valdymas; Produktyvumo ir efektyvumo didinimas; Duomenimis paremtas sprendimų priėmimas; Sąnaudų mažinimas; Programavimas; Testavimas; Dokumentų analizė; Klientų aptarnavimas.
|
|
Topic name
4. Didieji duomenys ir dirbtinis intelektas
|
Brief description of the topic
Didieji duomenys: apžvalga; Duomenų analitikos svarba ir taikymo sritys; Dirbtinis intelektas duomenų analitiko darbe; DAX pagrindai; DAX pažengusiems; Kiti panaudojimai; Įžanga į duomenų tyrybos metodus: duomenų analizė.
|
Duration of the learning programme
Duration of the learning programme: 78 (ac. h.)
Duration of practical contact work: 41 (ac. h.)
Duration of theoretical contact work: 17 (ac. h.)
Duration of self-employment: 20 (ac. h.)
Assessment
System / scale of assessment of acquired competencies: Įskaityta.
Important information
Way of learning
-
Place
-
Language
-
Aukštos pridėtinės vertės programa
No
Minimum requirements for the participant
No requirements
Timetables
Šiuo metu grupių nėra.Ratings
Mokymus baigusių asmenų bendras mokymosi programos įvertinimas
1
Ar vykdytų mokymų turinys atitiko Mokymosi programos turinį?
4.8
2
Ar mokymo medžiaga / priemonės padėjo geriau suprasti Mokymosi programos turinį?
4.8
3
Ar mokymų organizavimas buvo tinkamas?
4.8
4
Ar pakankamai buvo praktinio darbo / praktinių užsiėmimų?
4.8
5
Ar mokymai Jums buvo naudingi?
4.7
6
Ar gerai vertinate Mokymosi programą vykdžiusio asmens (lektoriaus) darbą?
4.9
7
Ar Mokymosi programą vykdęs asmuo (lektorius) sukūrė gerą psichologinę atmosferą?
4.9
8
Ar pasiteisino Jūsų lūkesčiai įgyti, patobulinti kompetenciją (-as) (žinias, įgūdžius, gebėjimus)?
4.6
9
Ar mokymų vieta / aplinka buvo palanki mokymuisi?
4.8
10
Ar įgytas žinias, gebėjimus, įgūdžius taikote / taikysite kasdieniame darbe / gyvenime?
4.4
11
Ar rekomenduotumėte šią Mokymosi programą savo pažįstamiems?
4.7
Reviews from who completed the training
Labai ačiū lektoriui dr. Sauliui Preidžiui už profesionalų kursų vedimą ir ypač už praktinius pavyzdžius. Atidus bendravimas su auditorija ir situacijų vertinimas viską išsamiai paaiškinant su pavyzdžiais tikrai padarė šiuos kursus kokybiškų paskaitų ciklu. Sėkmės Jums!
Mokymai labai patiko, norėčiau dar pagilinti šia tema. Mokymus vertinu puikiai, lektoriau dirbo kantriai ir atsakingai. Ačiū
Puikūs kursai, atsakingas dėstytojas, išsamiai paaiškino tiek teoriją, tiek praktiką.
1. Formuojant grupes reiktų atsižvelgti į jau turimų žinių lygį ir sudaryti grupes atskirai pradedantiems ir pažengusiems.
2. Sekančio užsiėmimo metu naudotinas programas rekomenduoti (su nuorodomis ir paaiškinimais) atsisiųti iš anksto. Taip sutaupytume laiko.
Norėtųsi kursų kur kalbama daugiau kaip paprastam žmogui naudotis chat gpt, bet visa kita naudinga.
Jei tai DI intelekto kursai, įdėti daugiau DI intelekto programų, o ne fokusuotis į duomenų analizavimą.
Dėstytojas buvo puikus, pastabos programos sudarytojams.
Mokymui nenaudoti mokamų programų; užsiėmimo laiką sutrumpintį iki1,5-2 val, nes po darbo 3 val yra ženkliai per daug ir antroje dalyje jau sunku priimti naują info; patikrinti nuorodas ir prisijungimus prieš paskaitą, nes kai pradedame ieškoti ir neveikia nuorodos, atsilieki ir nebespėji sekti.
Būtų buvę patogu prieš mokymus gauti išankstinę informaciją, kokių programų/įrankų reiks, kokio galingumo turėtų būti kompiuiteris, kad tinkamai veiktų įdiegus kažkokias programas pvz.Docker. Ir aišku pats patogoiausias dalykas būtų diferencijuoti grupes pagal jų poreikius ar profesinę veiklą.
Nuostabus dėstytojas, į kiekvieną užduotą klausimą atsako labai aiškiai ir mandagiai.
Rekomenduoju šiuos mokymus asmenims, turintiems savo įmonę; analitikams. Dėstytojas - savo srities profesionalas, atsakė į kiekvieną klausimą, informaciją pateikė suprantamai.
Kainų istorija
Scroll to the top