Mākslīgā intelekta pamati (MI programmatūras izstrādē)
Mācību programma sniedz izpratni par to, kas ir mākslīgais intelekts (MI), kā tas darbojas un kā tas pieņem lēmumus, un māca to izmantot visā programmatūras izstrādes ciklā – no prasību analīzes un koda rakstīšanas līdz testēšanai, MI funkciju integrēšanai lietotnēs un izvietošanai. Programma ir paredzēta izstrādātājiem, testētājiem, IT studentiem un ikvienam ar programmēšanas pamatzināšanām.
Programmas sākumā dalībnieki apgūst MI teorētiskos pamatus: mašīnmācīšanos, neironu tīklus un lielos valodu modeļus, kā arī to, kā MI veido atbildes, kāpēc tas mēdz kļūdīties un kā darbojas MI aģenti, kas spēj patstāvīgi plānot un izpildīt uzdevumus.
Tālāk mācības notiek praktiski, izmantojot MI aģentus Claude (Claude Code) un GPT (ChatGPT, OpenAI Codex) kopā ar izstrādes rīkiem Visual Studio Code, Git un GitHub. Dalībnieki ar MI palīdzību izstrādā tīmekļa lietotni, raksta testus, integrē Claude un OpenAI API savā programmatūrā un veido paši savus MI aģentus. Īpaša uzmanība tiek pievērsta koda kvalitātei, drošībai un izstrādātāja kontrolei pār MI ģenerēto kodu.
Nodarbības notiek divas reizes nedēļā darba dienu vakaros no 17:40 līdz 21:40, un tās tiek organizētas tiešsaistē, nodrošinot dalībniekiem ērtu, elastīgu un pieejamu mācību procesu.
Galvenās tēmas
- Kas ir mākslīgais intelekts un kā tas darbojas
- Kā MI pieņem lēmumus un kas ir MI aģenti
- MI asistēta programmēšana ar Claude un ChatGPT
- Aģentiskā izstrāde ar Claude Code un OpenAI Codex
- Tīmekļa lietotnes izstrāde ar MI atbalstu
- Testēšana, atkļūdošana un koda pārskatīšana ar MI
- Claude un OpenAI API integrēšana lietotnēs
- Savu MI aģentu izstrāde un MCP serveri
- Drošība, kvalitāte un izvietošana (Git, GitHub Actions)
Nepieciešamais materiāltehniskais nodrošinājums
- Dators (minimāli i5 procesors, 8 GB RAM, Microsoft, Linux GUI vai MacOs operētājsistēma) ar interneta pieslēgumu.
- Iespēja instalēt un pārvaldīt programmatūru Jūsu datorā (Visual Studio Code, Git, Python, Node.js).
- Programmēšanas pamatzināšanas (piemēram, Python, JavaScript vai PHP).
Ievads mākslīgajā intelektā: jēdzieni, attīstības vēsture un MI veidi, ar kuriem saskaramies ikdienā.
- MI definīcija un attīstības vēsture
- Šaurais un vispārējais MI
- Mašīnmācīšanās, dziļā mācīšanās un ģeneratīvais MI
- MI pielietojums dažādās nozarēs
- Pirmā saruna ar Claude un ChatGPT
Kā tiek apmācīti lielie valodu modeļi un kā tie no teksta „saprot” un ģenerē atbildes.
- Neironu tīkli un apmācības dati
- Lielie valodu modeļi (LLM) un transformeru arhitektūra
- Tokeni, konteksta logs un atmiņa
- Multimodalitāte: teksts, attēli, skaņa, faili
- Modeļu salīdzinājums: Claude un GPT
No varbūtībām līdz spriešanai: kā modelis izvēlas atbildi, kāpēc tas kļūdās un kā MI aģenti plāno un izpilda uzdevumus.
- Varbūtību modeļi un nākamā vārda prognozēšana
- Spriešanas (reasoning) modeļi un domāšanas soļi
- Halucinācijas, aizspriedumi un to atpazīšana
- MI aģenti: plānošana, rīki, atmiņa un darbības
- Atbildīga MI lietošana, datu drošība un ES MI akts
Claude un ChatGPT kā programmēšanas partneri: kā uzdot uzdevumu, nodot kontekstu un izvērtēt ģenerēto kodu.
- Uzvedņu veidošana programmēšanas uzdevumiem
- Koda skaidrošana, ģenerēšana un pārveidošana starp valodām
- Prasību un algoritmu izstrāde sarunā ar MI
- MI ģenerētā koda kritiska izvērtēšana
Mūsdienīgas izstrādes vides sagatavošana, kurā MI aģents strādā tieši ar projekta failiem un terminālī.
- Visual Studio Code, Git un GitHub pamati
- Claude Code un OpenAI Codex uzstādīšana un lietošana
- Projekta instrukcijas aģentam (CLAUDE.md, AGENTS.md)
- Atļaujas un kontrole pār aģenta darbībām
Kā MI aģents plāno un izpilda izstrādes uzdevumu vairākos soļos, un kā izstrādātājs to vada.
- Uzdevuma sadalīšana un plāna saskaņošana ar aģentu
- Jaunas funkcionalitātes izstrāde esošā koda bāzē
- Koda refaktorēšana un dokumentēšana
- Izmaiņu pārskatīšana un commit vēsture
Pilnas tīmekļa lietotnes izstrāde no idejas līdz darbojošai versijai, izmantojot MI aģentus.
- Lietotāja saskarne: HTML, CSS, JavaScript
- Servera puse ar Python vai PHP
- Datu bāzes struktūra un SQL vaicājumi
- REST API izstrāde
MI kā testētājs un recenzents: testu ģenerēšana, kļūdu cēloņu meklēšana un koda kvalitātes uzlabošana.
- Vienībtestu ģenerēšana (pytest, Jest)
- Kļūdu ziņojumu un žurnālu analīze
- Koda pārskatīšana (code review) ar MI
- Testu vadīta izstrāde kopā ar aģentu
MI funkciju pievienošana savai programmatūrai, izmantojot Claude un OpenAI API.
- Claude API un OpenAI API: atslēgas, pieprasījumi, izmaksas
- Sistēmas uzvednes un strukturēta izvade (JSON)
- Rīku izsaukšana (tool use / function calling)
- Tērzēšanas asistenta izveide tīmekļa lietotnē
Aģenta, kas patstāvīgi izmanto rīkus un uzņēmuma datus, izstrāde un pieslēgšana esošām sistēmām.
- Claude Agent SDK un OpenAI Agents SDK
- MCP (Model Context Protocol) servera izstrāde
- Darbs ar uzņēmuma dokumentiem (RAG, vektoru meklēšana)
- Vairāku aģentu sadarbība
Kā nodrošināt, ka ar MI izstrādātā programmatūra ir droša, uzturama un gatava lietošanai.
- Drošības ievainojamības MI ģenerētā kodā
- API atslēgu glabāšana un uzvedņu injekcijas (prompt injection) riski
- CI/CD ar GitHub Actions un MI koda pārskatīšanu
- Lietotnes izvietošana serverī vai mākonī
Katrs dalībnieks ar MI aģentu palīdzību izstrādā un prezentē savu lietotni ar integrētu MI funkcionalitāti.
- Prasību definēšana un izstrādes plāns
- Izstrāde ar Claude Code vai OpenAI Codex
- Testēšana un izvietošana
- Projekta prezentācija un koda pārskatīšana
- Online lekcijas 12
- Kontaktstundas 60 ak.st.
- Praktiskais darbs 20 ak.st.
- Līmenis ar priekšzināšanām
Šobrīd notiek iepriekšpieteikšanās. Tiklīdz NVA sāks izsniegt mācību kuponus, mēs Jūs uzreiz informēsim.