Taikomasis dirbtinis intelektas

Modulio tikslas

Supažindinti su modernių 3D projektavimo sistemų naudojimu projektuojamų gaminių geometrinei formai kurti, konstrukciniams sistemų parametrams nustatyti, automatizuotai gamybai parengti; išugdyti gebėjimus skaityti ir sudaryti inžinerinius brėžinius naudojant šiuolaikines kompiuterines projektavimo sistemas ir brėžinių standartus; išmokti kurti parametrinius detalių modelius ir detalių junginius bei generuoti brėžinius dirbant automatizuoto trimačio projektavimo sistema SolidWorks.

Studijų dalyko aprašas

Pagrindinės kompiuterinio projektavimo (CAD), taikomo mechanikos inžinerijos projektavimo problemoms spręsti, koncepcijos. Skaitmeniniai metodai, kompiuterinė grafika, geometrinis modeliavimas, dizaino optimizavimas. Automatizuoto projektavimo ir gamybos procesų automatizavimo apžvalga. Automatizuoto projektavimo ir gamybos sistemos sandara; aparatūra ir programinė įranga. Automatizuoto projektavimo koncepcija: trimatis (3D) modelis, virtualus modeliavimas, integruota projektavimo kokybės kontrolė. Automatizuotos gamybos ryšys su projektavimo procesu. Gamybos procesų automatizavimo pagrindai. Inžinerinių sistemų kūrimas.
Eskizų braižymas, matavimo priemonės, medžiagų žymėjimas brėžiniuose. Surinkimo brėžiniai ir jų braižymo tvarka. Brėžinių apipavidalinimas; projektavimo metodai; vaizdai ir jų vieta brėžiniuose; pjūviai, kirtiniai; tūrinis modeliavimas pagal aksonometriją ir pagal duotus du vaizdus. Paviršinis modeliavimas. Paviršių apdirbimo rūšių žymėjimas brėžiniuose.

Studentai, numatytu tvarkaraštyje metu, privalo dalyvauti ne mažiau kaip 75% pratybų ir atlikti ne mažiau kaip 75% laboratorinių darbų

Modulio tikslas

Supažindinti su pagrindinėmis mechanikos sąvokomis ir kietojo kūno ir kūnų sistemų statikos, kinematikos ir dinamikos
analizės matematiniais metodais. Įgyti ir įsisavinti žinias apie mechaninių objektų elgseną veikiant jėgoms ir esant žinomoms kraštinėms ir pradinėms sąlygoms. Įsisavinti pagrindinius fundamentalius statikos ir dinamikos dėsnius. Išmokti spręsti praktinius inžinerinius mechanikos uždavinius.

Studijų dalyko aprašas

Mechanikos dalykų objektas. Idealizavimai. Fundamentalios mechanikos aksiomos, dėsniai ir sąvokos. Materialus taškas, kietasis kūnas, mechaninė sistema. Jėgos, jėgų poros, momentai, ryšiai. Plokščios ir erdvinės jėgų sistemos. Skaičiuojamoji schema. Materialaus taško ir kietojo kūno pusiausvyra. Išsklaidytosios jėgos, svorio centras. Trintis. Kinematikos sąvokos. Greitis, pagreitis, trajektorija. Judėjimo lygtys. Taško ir kūno kinematika. Kūno sukimasis. Reliatyvusis judėjimas. Materialaus taško ir kūno dinamika. Diferencialinės judėjimo lygtys. Bendrosios dinamikos teoremos. Analizinės mechanikos pagrindai. Studentai numatytu tvarkaraštyje metu privalo dalyvauti ne mažiau kaip 70 proc. pratybų ir 80 proc. laboratorinių darbų. Pirmosios pakopos I-III kursų nuolatinių studijų studentams teorinės paskaitos yra privalomos. Per semestrą turi būti lankyta daugiau nei pusė paskaitų.

Modulio tikslas

Suteikti tikimybių teorijos ir matematinės statistikos pagrindus, išmokyti taikyti įgytas žinias sprendžiant praktinius
uždavinius.

Studijų dalyko aprašas

Pagrindinės tikimybių teorijos sąvokos ir teoremos. Atsitiktinių dydžių pasiskirstymo dėsniai ir skaitinės charakteristikos. Matematinės statistikos uždaviniai. Empirinės charakteristikos. Nežinomų parametrų taškiniai ir intervaliniai įverčiai. Statistinių hipotezių tikrinimas, koreliacijos teorijos elementai, regresija.

Studentai numatytu tvarkaraštyje metu privalo dalyvauti ne mažiau kaip 50 proc. teorinių paskaitų, 60 proc. pratybų ir atlikti ne mažiau kaip 80 proc. laboratorinių darbų.

Modulio tikslas

Suteikti žinių apie inžinerijoje naudojamas medžiagas, jų apdorojimą, savybes ir taikymą.

Studijų dalyko aprašas

Modulis suteikia inžinerinių medžiagų ir jų apdorojimo technologinių procesų pradmenis. Medžiagų ir technologijų raida, vidinė medžiagų sandara, mechaniniai ir fizikiniai savybių bandymai, medžiagų sandaros formavimosi dėsningumai, metalinių medžiagų gavyba, legiruotieji konstrukciniai plienai ir spalvotieji metalų lydiniai, metalinių medžiagų terminis ir termocheminis apdorojimas, kompozicinės ir nemetalinės medžiagos, metalų korozija ir apsauga, detalių ir konstrukcijos elementų gamybos ir apdirbimo būdai, medžiagų ir jų komponentų sujungimo procesai, ardomoji ir neardomoji medžiagų kontrolė.

Modulio tikslas

Šio kurso tikslas – suteikti pagrindinius optinės fizikos, lazerinių sistemų ir fotoninių technologijų supratimus, kartu suteikiant praktinių žinių, kaip integruoti optinius duomenis ir sistemas į dirbtinio intelekto valdomas programas.

Studijų dalyko aprašas

Šiame kurse supažindinami su pagrindiniais optikos principais ir lęšių, optinių sistemų veikimu. Taip pat nagrinėjama lazerių fizika ir inžinerija. Be pagrindinių fizikinių sąvokų, kursas susieja optiką su taikomuoju dirbtiniu intelektu, naudodamas mašininio mokymosi modelius. Studentai įgis praktinės patirties vykdydami mini projektus, kuriuose taikys dirbtinio intelekto įrankius optiniams duomenims apdoroti, taip sujungdami fizines sistemas su išmaniaisiais skaičiavimo sprendimais.
Studentai numatytu tvarkaraštyje metu privalo dalyvauti ne mažiau kaip 60 proc. paskaitų.
Studentai numatytu tvarkaraštyje metu privalo atlikti ne mažiau kaip 80 proc. laboratorinių darbų.

Modulio tikslas

Supažindinti studentus su asmeninių/šeimos finansų valdymo svarba.
Suteikti studijuojantiems būtinų žinių apie asmeninių finansų valdymo principus bei metodus, taupymo, investavimo ir skolinimosi galimybes ir priemones.

Studijų dalyko aprašas

Kursas nagrinėja asmeninių finansų, investicijų mokslo teoriją, jos taikymus asmeniui (šeimai) priimant įvairius finansinius sprendimus, apimant tokias sritis kaip vartojimas, taupymas ir skolinimas, investicijos, pensijos planavimas, draudimo paslaugos, nekilnojamojo turto įsigijimas ir mokesčių planavimas.
Aiškinamas šeimos biudžeto, balanso, pinigų srautų sudarymas ir vertinimas, jų taikymas finansiniams sprendimams pagrįsti, asmeninės finansinės padėties įvertinimas, asmenų/šeimos finansų rodikliai, galimos finansinės priemonės išsikeltiems ilgalaikiams ir trumpalaikiams tikslams įgyvendinti, nagrinėjami vartojimo, taupymo, investavimo ir skolinimosi sprendimai, investavimo strategija, investicijų portfelio sudarymas ir efektyvumo nustatymas, supažindinama su pensijos planavimo strategijomis, finansinių išteklių valdymo gyvenimo cikle metodais, aptariama draudimo paslaugų, asmens apsisaugojimo nuo rizikos reikšmė.
Studentai numatytu tvarkaraštyje metu privalo dalyvauti ne mažiau kaip 60 proc. pratybų ir ne mažiau kaip pusę teorinių paskaitų.

Modulio tikslas

Supažindinti su filosofine etika ir pamatinėmis etinėmis problemomis bei sąvokomis. Perteikti etikos pagrindų, principų ir sistematikos žinias. Formuoti kritinę nuomonę, gebėjimą logiškai, argumentuotai diskutuoti, tvirtinti vertybinę orientaciją.

Studijų dalyko aprašas

Studentai supažindinami su etinėmis mokyklomis bei sistemomis, pamatiniais deontologinės bei teleologinės etikos principais. Išdėstomi esminiai etikos istorijos raidos bruožai – antikinė, senovės Rytų, krikščioniškoji, renesanso, naujųjų amžių bei modernistinė etika. Aptariamos pagrindinės etikos temos: gėris ir blogis, moralės principas ir laisva valia, asmuo kaip tikslas pats savaime, orumo samprata, sąžinė, norma ir dorovė, dorovės pagrindimas autoritetu ir diskursu, dorybės supratimas, laimė ir gyvenimo prasmė, ir kt. Nagrinėjami reikšmingiausi klasikų (Platonas, Aristotelis, Kantas) tekstai ir susipažįstama su jų argumentacija.
Studentai numatytu tvarkaraštyje metu privalo dalyvauti ne mažiau kaip 60 proc. pratybų ir lankyti ne mažiau kaip pusę teorinių paskaitų.

Modulio tikslas

Šio modulio tikslas yra suteikti išsamų gilaus mokymosi įvadinę medžiagą, apimančią tiek pagrindines sąvokas, tiek platų technikų bei pritaikymo spektrą. Šio modulio metu studentai įgaus giliojo mokymo pagrindus ir gebės taikyti inovatyvius sprendimus praktikoje.

Studijų dalyko aprašas

Šis modulis suteikia išsamų įvadinį gilaus mokymosi medžiagą, kuris yra dirbtinio intelekto srities dalis, susijusi su neuroninių tinklų naudojimu mokymuisi ir sprendimų priėmimui. Modulis prasideda tiesinių modelių apžvalga, kurie naudojami prognozuoti pagal įvestų kintamųjų rinkinį. Tada yra pristatomas informacijos ir maksimalių tikėtinų verčių (maximum likelihood) sąvokų, kurie naudojami statistinio modelio parametrų vertinimui.
Modulis toliau apima logistinę regresiją, plačiai naudojamą statistinį metodą, skirtą įvykio tikimybės prognozavimui. Taip pat yra aptariamas modulinis atgalinio propagavimas (backpropagation) metodas mokyti neuroninius tinklus keičiant tinklo svorius ir nuokrypius, reaguojant į išvestis gaunamas vertes ir klaidas.
Be šių pagrindinių koncepcijų, modulis taip pat apima pažangesnes temas, tokias kaip konvoliuciniai neuroniniai tinklai, naudojami paveikslų atpažinimui ir apdorojimui; maksimalaus skirtumo mokymasis, metodas mokyti palaikymo vektorių mašinas; ir rekurentiniai neuroniniai tinklai, naudojami uždaviniuose, susijusiuose su nuosekliais duomenimis.
Modulis taip pat apima žaidimų teorijos naudojimą gilaus mokymosi srityje, bei geriausių praktikų dizainui ir neuroninių tinklų sudarymui. Modulis užbaigiamas variacinių autoenkoderių ir paveikslų generavimo aptarimu, taip pat gilaus įtvirtinto mokymosi ir neurodinaminio programavimo taikymu dirbtinio intelekto srityje.

Studentai, numatytu tvarkarašštyje metu, privalo dalyvauti ne mažiau kaip 75% pratybų ir atlikti ne mažiau kaip 75%
laboratorinių darbų

Modulio tikslas

TDI sistemų ir įtaisų kurso (su kursiniu projektu) tikslas – suteikti studentams galimybę per kursą įgytas žinias ir įgūdžius pritaikyti praktiniame projekte, suteikti studentams galimybę sukurti ir įdiegti intelektualią sistemą ar įrenginį, kuris integruojasi su mechaniniais ir elektriniais komponentais, naudojant dirbtinio intelekto ir mechatronikos koncepcijas ir metodus.
Kurso projektas suteikia galimybę studentams pritaikyti teorines žinias sprendžiant realaus pasaulio problemas, įgyti praktinės patirties naudojant pramonėje naudojamas priemones ir technologijas bei ugdyti kritinį mąstymą ir problemų sprendimo įgūdžius. Tai taip pat padeda studentams ugdyti komandinio darbo, bendravimo ir projektų valdymo įgūdžius, nes jie bendradarbiauja su dėstytojais, kad užbaigtų projektą.
Kursinio projekto tikslas – suteikti studentams galimybę įgyti praktinės dirbtinio intelekto ir mechatronikos integravimo patirties, tobulinti savo įgūdžius ir žinias šiose srityse.

Studijų dalyko aprašas

Taikomojo dirbtinio intelekto sistemų ir įtaisų kursas nagrinėja dirbtinio intelekto ir mechatronikos sąveiką. Kursu siekiama suteikti studentams žinių ir įgūdžių, reikalingų kuriant ir diegiant išmaniąsias sistemas ir įrenginius, kurie integruojasi su mechaniniais ir elektriniais komponentais dirbtinio intelekto perspektyvos kontekste.

Mechatronika, kuri yra mechanikos, elektronikos ir informatikos derinys, atlieka itin svarbų vaidmenį diegiant pažangias sistemas. Kursas gilinasi į mechatronikos pagrindus, įskaitant jutiklius, pavaras, valdymo sistemas ir signalų apdorojimą. Ji taip pat apima įvairias temas, susijusias su dirbtiniu intelektu, įskaitant mašininį mokymąsi, kompiuterinį regėjimą, natūralios kalbos apdorojimą ir robotiką.

Pagrindinis kurso tikslas – suteikti studentams visapusišką supratimą apie dirbtinio intelekto ir mechatronikos integravimo teorinius ir praktinius aspektus. Studentai išmoks taikyti dirbtinio intelekto metodus, kurti technologijas sprendžiant realias problemas įvairiose srityse, įskaitant gamybą, sveikatos priežiūrą, transportą.

Studentai, numatytu tvarkaraštyje metu, privalo dalyvauti ne ma˛iau kaip 75% pratybu ir atlikti ne ma˛iau kaip 75%
laboratoriniu darbu

Modulio tikslas

Šio kurso tikslas – suteikti studentams žinias apie svyravymus ir akustines bangas, kartu susiejant šiuos fizikinius principus su šiuolaikiniais dirbtinio intelekto taikymais.

Studijų dalyko aprašas

Šio kurso metu studentai yra supažindinami su svyravimų ir bangų pagrindais bei jų taikymu šiuolaikinėse dirbtinio intelekto sistemose. Studentai nagrinės, kaip ultragarsas naudojamas įvairiose mokslo ir pramonės srityse. Paskaitų, praktinių užsiėmimų ir laboratorinių darbų metu studentai susies pagrindinius fizikos principus trapdalykiniais iššūkiais.
Studentai numatytu tvarkaraštyje metu privalo dalyvauti ne mažiau kaip 60 proc. paskaitų.
Studentai numatytu tvarkaraštyje metu privalo dalyvauti ne mažiau kaip 60 proc. pratybų.
Studentai numatytu tvarkaraštyje metu privalo atlikti ne mažiau kaip 80 proc. laboratorinių darbų.

Modulio tikslas

Suteikti žinių apie tiesines nuolatinės srovės, kintamosios srovės vienfazes bei trifazes grandines, pereinamuosius procesus tiesinėse nuolatinės ir kintamosios srovės grandinėse, pereinamųjų procesų skaičiavimą, magnetines grandines. Ugdyti gebėjimus jas eksperimentiškai tirti, išugdyti gebėjimus šias grandines analizuoti įvairiais metodais.

Studijų dalyko aprašas

Studentai numatytu tvarkaraštyje metu privalo dalyvauti ne mažiau kaip pusę teorinių paskaitų

Modulio tikslas

Suteikti žinių ir ugdyti įgūdžius analizuoti problemines situacijas ir ieškoti alternatyvių sprendimo būdų, įvertinant galimas socialines ir gamtosaugines pasekmes, supažindinti su saugos uždavinių sprendimu.

Studijų dalyko aprašas

Nagrinėjami gamtiniai ir technogeniniai pavojai, jų prigimtis, poveikio žmogui mechanizmai ir galimos poveikio pasekmės. Suteikiamos žinios apie poveikio žmonėms pasekmių mažinimą. Analizuojama žmogaus veiklos sukeliama aplinkos tarša, jos šaltiniai ir globalios taršos pasekmės. Suteikiamos žinios apie aplinkos taršos mažinimo būdus ir priemones. Studentai privalo atlikti visus numatytus laboratorinius darbus. Pirmosios pakopos I-III kursu nuolatiniu studiju studentams teorines paskaitos yra privalomos. Per semestra turi buti lankyta daugiau nei puse paskaitu.

Modulio tikslas

Išnagrinėti pagrindinius robotizuotų sistemų veikimo, valdymo ir sudėties principus. Apžvelgiamos robotinės ir išmaniosios automatikos sistemos, analizuojama jų tarpusavio sąveika.

Studijų dalyko aprašas

Supažindinti su pramoninių robotų bei išmaniųjų automatizavimo sistemų veikimo ir taikymo principais

Studentai, numatytu tvarkarašštyje metu, privalo dalyvauti ne mažau kaip 75% pratybų ir atlikti ne mažiau kaip 75%
laboratorinių darbų

Modulio tikslas

Suteikti informacijos apie DBVS, pateikti skirtumus, privalumus bei trūkumus; išmokyti suprojektuoti duomenų bazę ERD pagalba, naudotis SQL kalba, rašant įvairaus sudėtingumo užklausas; sukurti DB vartotojams skirtas duomenų įvedimo formas.

Studijų dalyko aprašas

Kursas skirtas supažindinti studentus su reliacinių duomenų bazių samprata. Pateikiama informacija apie galimus veiksmus su duomenimis, saugomais duomenų bazėje bei supažindinama su duomenų bazių modeliavimu bei duomenų bazės objektų kūrimu. Taip pat kursas supažindina su grafine vartotojo kūrimo aplinka ir jos kūrimo ypatumais.
Studentai numatytu tvarkaraštyje metu privalo dalyvauti ne mažiau kaip 60 proc. pratybų.

Modulio tikslas

Supažindinti su skenavimo ir atpažinimo sistemų teoriniais pagrindais bei praktiniais taikymais. Suteikti žinių apie įvairius skenavimo metodus, duomenų apdorojimo algoritmus bei objektų atpažinimo technologijas, ugdyti gebėjimus kurti ir diegti automatizuotas sistemas, skirtas informacijos iš skenuotų vaizdų ar signalų analizei ir interpretacijai. Kursas taip pat apima spalvų analizės ir atpažinimo metodus, būtinus tiksliam vaizdų interpretavimui ir atkūrimui. Paruošti studentus taikyti šias technologijas įvairiose srityse, tokiose kaip kompiuterinė rega, biometriniai sprendimai, medicininė diagnostika, pramoninė automatizacija ir kt.

Studijų dalyko aprašas

Kurse aptariami įvairūs skenavimo metodai, tokie kaip vaizdų, teksto ir biometrinių duomenų skenavimas, ir jų taikymo sritys. Studentai susipažins su optinio simbolių atpažinimo (OCR), veido atpažinimo, pirštų atspaudų atpažinimo bei kitomis moderniomis technologijomis, naudojamomis skenavimo ir atpažinimo procesuose. Pristatomi spalvų analizės ir atpažinimo metodai, kurie sudaro svarbią kompleksinio vaizdų apdorojimo dalį. Kurso metu nagrinėjami praktiniai pavyzdžiai ir analizuojamos realaus pasaulio problemos, kurios sprendžiamos taikant skenavimo ir atpažinimo sistemas. Taip pat bus aptariami duomenų apdorojimo, filtravimo ir tikslumo užtikrinimo aspektai. Kursas skirtas tiek teoriniam, tiek praktiniam mokymuisi, siekiant paruošti studentus dirbti šioje sparčiai besivystančioje srityje. Studentai, numatytu tvarkaraštyje metu, privalo dalyvauti ne mažiau kaip pusę teorinių paskaitų, ne mažiau kaip 75% pratybų ir atlikti ne mažiau kaip 75% laboratorinių darbų.

Modulio tikslas

Suteikti žinias apie sprendimų priėmimo metodus, jų taikymo galimybes ir teikiamą naudą įmonėms, taip pat išugdyti supratimą apie intelektualizuotų informacinių sistemų kūrimo principus, agentines technologijas ir išmokti jas praktiškai taikyti.

Studijų dalyko aprašas

Sprendimų rengimas – tai tarpdalykinė disciplina, kuri apima sistemų analizės, optimizavimo teorijos, lošimų ir masinio aptarnavimo teorijos, mašininio mokymo bei kitų dalykų metodus bei technikas. Studentai supažindinami su šiuolaikinėmis intelektualizuotomis informacinėmis sistemomis, kuriose naudojamos sprendimų paramos sistemos, padedančios įmonėms priimti sprendimus ir siekti savo strateginių tikslų. Dalyke taip pat nagrinėjami agentinių sistemų teorija ir praktinio taikymo aspektai, pateikiami agentinių technologijų taikymo pavyzdžiais, mokoma, kaip sudėtingas problemas suskaidyti į paprastesnes ir jas spręsti. Dalyke analizuojama agentų kūrimo problema, agentų sąveika, komunikavimas, nagrinėjami agentinių sistemų modeliavimo ir jų projektavimo ypatumai.
Studentai numatytu tvarkaraštyje metu privalo dalyvauti ne mažiau kaip 60 proc. pratybų. Privalomas minimalus modulio paskaitų lankomumas – 50%.

Modulio tikslas

Suteikti fundamentaliųjų žinių inžinerinių sprendimų ekonominiam pagrindimui; parengti specialistus, gebančius lanksčiai taikyti teorines ir praktines ekonomines žinias priimant ir pagrindžiant alternatyvius inžinerinius sprendimus.

Studijų dalyko aprašas

Inžinerinių sprendimų ekonominio pagrindimo kurse supažindinama su pagrindinėmis inžinerinės ekonomikos sąvokomis ir principais. Detalizuojamas gamybos technologinis procesas, supažindinama su sąnaudomis/kaštais, savikaina ir pelnu bei jo didinimo galimybėmis. Aptariami pagrindiniai projektų efektyvumo vertinimo metodai pasirenkant optimalią sprendimo įgyvendinimo alternatyvą. Supažindinama su inžinerinių sprendimų komercializacijos galimybėmis akcentuojant ekologiškai tvarios plėtros aspektus.
Studentai numatytu tvarkaraštyje metu privalo dalyvauti ne mažiau kaip 60 proc. pratybų.

Modulio tikslas

Formuoti organizacijos valdymo teorinių žinių bazę, ugdyti gebėjimą taikyti įgytas žinias nagrinėjant realias profesinės veiklos situacijas.

Studijų dalyko aprašas

Vadybos kurso metu nagrinėjama vadybos samprata, pagrindinės sąvokos ir jų interpretacijos, vadybos teorijų raida, kibernetinis valdymo modelis: valdymo subjektas ir objektas. Analizuojama organizacija kaip sistema (sisteminio požiūrio taikymas), organizacijų įvairovė, organizacijos elementai ir aplinka, organizacijų steigimas ir valdymo struktūrų tipai. Nagrinėjamos valdymo funkcijos: planavimas, organizavimas, vadovavimas, kontrolė, taip pat administraciniai, ekonominiai, psichologiniai vadybos metodai, valdymo sprendimų rengimo ir priėmimo principai, vadovo vaidmuo organizacijos valdymo sistemoje, darbo apmokėjimas ir motyvacija, aptariamas pokyčių ir konfliktų valdymas. Studentai numatytu tvarkaraštyje metu privalo dalyvauti ne mažiau kaip 60 proc. pratybų.

Modulio tikslas

Supažindinti su duomenų struktūromis, algoritmų sudarymo ir realizavimo principais, išmokyti analizuoti algoritmų sudėtingumą, spręsti, rūšiavimo, paieškos, kombinatorikos, grafų teorijos uždavinius

Studijų dalyko aprašas

Algoritmų pavyzdžiai. Pagrindinės duomenų struktūros ir jų realizavimas. Rūšiavimo ir paieškos algoritmai. Algoritmų sudarymo būdai. Greitieji algoritmai. Algoritmai grafuose. Godieji algoritmai. Dinaminis programavimas. Variantų perrinkimas. Algoritmų sudėtingumo analizė.
Studentai numatytu tvarkaraštyje metu privalo dalyvauti ne mažiau kaip 80 proc. laboratorinių darbų.

Modulio tikslas

Šio modulio tikslas – suteikti bazines žinias apie mašininį mokymą. Įskaitant skirtingus mašininio mokymosi tipus, duomenų apdorojimą ir ypatybių parinkimą, modelių kūrimą ir pažangias temas. Baigus kursą, studentai turėtų gebėti taikyti mašininio mokymosi algoritmus spęst realias problemas. Kurse taip pat yra pabrėžiama modelių vertinimo ir patikrinimo svarba, taip pat gerosios praktikos pavyzdžiai, kad studentai galėtų įgyti pilną mašininio mokymosi įgūdžių rinkinį. Galutinis šio kurso tikslas yra suteikti studentams žinių ir įgūdžių, būtinų tapti mašininio mokymosi specialistais ir ateityje galėtų mašininį mokymą taikyti sprendžiant problemas.

Studijų dalyko aprašas

Šis modulis suteikia išsamų įvadą į mašininį mokymą, kuris yra dirbtinio intelekto srities dalis. Modulis prasideda nuo mašininio mokymosi pagrindų iki duomenų apdorojimo ir savybių atrinkimo, skirtingų modelių kūrimo ir netgi pažangių temų, tokių kaip natūralios kalbos apdorojimas. Kiekviena paskaita suteikia temos paaiškinimą, po kurios pateikiami pavyzdžiai ir pratimai, kad sustiprinti išmoktas koncepcijas. Kursas taip pat pabrėžia modelių vertinimo ir patikrinimo svarbą, taip pat geriausias praktikas ir sėkmės patarimus.

Studentai, numatytu tvarkaraštyje metu, privalo dalyvauti ne mažiau kaip 75% pratybų ir atlikti ne mažiau kaip 75% laboratorinių darbų

Modulio tikslas

Modulio tikslas supažindinti su techninių sprendimų analizei taikomais metodais, supažindinama su mechatroninių ir robotinių sistemų tyrimo ir jų patikimumo vertinimo metodais.

Studijų dalyko aprašas

Modulis supažindina su techninių sprendimų analizės ir patikimumo vertinimo metodais. Taip pat pristatoma kokybės samprata ir dirbtiniu intelektu pagrįsti jos užtikrinimo metodai
Studentai, numatytu tvarkaraštyje metu, privalo dalyvauti ne ma˛iau kaip 75% pratybu ir atlikti ne ma˛iau kaip 75%
laboratoriniu darbu

Modulio tikslas

Supažindinti su vaizdo analizės sistemomis, jose naudojamais metodais ir algoritmais bei jų įgyvendinimo pagrindiniais principais taikant šiuolaikinę programinę įrangą.

Studijų dalyko aprašas

Studijų dalyke pateikiamas įvadas į vaizdų atpažinimo sistemas, paaiškinant kompiuterių regos sistemos ir biologinės regos sistemos veikimo analogiją, vaizdo jutiklių veikimą ir tipus, vaizdų formavimą ir spalvų modelius. Dalyke analizuojami pirminio vaizdo apdorojimo metodai, triukšmo slopinimas, sparčiosios vaizdų analizės operacijos, spalvotų vaizdų analizės ypatumai, vaizdo požymiai, vaizdų geometrinės transformacijos, panoraminių nuotraukų kūrimas. Teoriškai ir praktinių užsiėmimų metu analizuojami vaizdų klasifikavimo, objektų vaizduose atpažinimo, vaizdo segmentavimo principai. Taip pat dalyke pateikiamos žinios apie pažangiuosius vaizdų stiliaus perkėlimo, spalvinimo, rekonstrukcijos, superraiškos ir vaizdų sintezės principus. Pateikiami pavyzdžiai iš įvairių taikymo sričių: veidų aptikimas ir atpažinimas; optinis simbolių atpažinimas; valstybinių numerių ir kelio ženklų atpažinimas; dominančių objektų aptikimas ir jų judėjimo nustatymas vaizdų sekose. Dalyko praktinių užsiėmimu metu taikoma šiuolaikinė programinė įranga MATLAB, OpenCV, PyTorch, Tensorflow. Studentai privalo atlikti visus numatytus laboratorinius darbus. Studentai numatytu tvarkaraštyje metu privalo atlikti ne mažiau kaip 80 proc. laboratorinių darbų ir ne mažiau kaip pusė teorinių paskaitų.

Modulio tikslas

Įgyti žinių apie automatinio valdymo sistemų veikimo principus, jų elementus ir strukturą bei taikymo galimybes, iššmokti eksperimentišškai jas tirti.

Studijų dalyko aprašas

Automatinio valdymo principai. Tiesinės, netiesinės, impulsinės, adaptyviosios automatinio valdymo sistemos. Elektroninės,
elektromechaninės, hidromechaninės ir pneumomechaninės valdymo sistemos: teoriniai pagrindai, konstrukcijos, veikimas ir
panaudojimo sritys.
Studentai numatytu tvarkaraštyje metu privalo dalyvauti ne mažiau kaip 80 proc. pratybų.
Studentai numatytu tvarkaraštyje metu privalo atlikti ne mažiau kaip 80 proc. laboratorinių darbų.
Studentai numatytu tvarkaraštyje metu privalo dalyvauti ne mažiau kaip pusę teorinių paskaitų

Modulio tikslas

Susipažįstama su įmonėmis, jų struktūra, naudojama įranga, mašinų konstrukcijomis bei produkcija. Įgyjama praktinio darbo įgūdžių. Praktikos metu renkama medžiaga baigiamajam darbui. Paruošiama ataskaita.

Studijų dalyko aprašas

Praktinių darbo įgūdžių formavimas realioje darbinėje aplinkoje. Esminių vadovavimo ir valdymo įgūdžių įgijimas bei tobulinimas profesinės veiklos metu.

Studentai, numatytu tvarkarašštyje metu, privalo dalyvauti ne mažiau kaip 75% pratybų ir atlikti ne mažau kaip 75%
laboratorinių darbų

Modulio tikslas

Dalykas skirtas išmokti pritaikyti dirbtinį intelektą duomenų analizei, sprendimo priėmimui, išmokti sukurti sistemos prototipą, jį ištestuoti bei informaciją panaudoti gamybai. Studentai atlieka susijusius laboratorinius darbus, dalyvauja grupiniame darbe atliekant praktines užduotis, sukuria prototipą bei pristato jį seminare ir dalyvauja diskusijose.

Studijų dalyko aprašas

Išmokti taikyti dirbtinį intelektą atliekant pradinę duomenų analizę, interpretuoti rezultatus, panaudojant dirbtinį intelektą pritaikyti tinkamą sprendimo priėmimo būdą, projektuoti taikomojo dirbtinio intelekto sistemos prototipą, jį testuoti bei panaudoti gamybos resursus siekiant pagaminti produktą.

Studentai, numatytu tvarkarašštyje metu, privalo dalyvauti ne mažiau kaip 75% pratybų ir atlikti ne mažiau kaip 75%
laboratorinių darbų

Modulio tikslas

Įgyti teorinių žinių apie skaitmeninės automatikos elementus, jų sandarą, veikimą ir naudojimą skaitmeninėje automatikoje.

Studijų dalyko aprašas

Pozicinė skaičiavimo sistema, logikos algebra, elementarios loginės funkcijos ir loginiai elementai, skaitmeniniai trigeriniai ir kombinaciniai įtaisai, skaitmeniniai įrenginiai, mikroprocesoriniai įrenginiai. Mikroprocesorinės sistemos struktūra, veikimas, taikymas skaitmeninėje automatikoje.
Studentai numatytu tvarkaraštyje metu privalo atlikti ne mažiau kaip 80 proc. laboratorinių darbų.
Studentai numatytu tvarkaraštyje metu privalo dalyvauti ne mažiau kaip pusę teorinių paskaitų

Modulio tikslas

Remiantis pasirinkta Bakalauro baigiamojo darbo tema sudaroma jo struktūra, numatomi reikalingi skyriai. Atliekama literatūros apžvalga, variantinė analizė bei nagrinėjami esantys prototipai, parengiama techninio sprendimo koncepcija.

Studijų dalyko aprašas

Bakalauro baigiamojo darbo (projekto) tematikos parinkimas bei baigiamojo darbo tikslų ir uždavinių suformulavimas.

Studentai, numatytu tvarkarašštyje metu, privalo dalyvauti ne mažiau kaip 75% pratybų ir atlikti ne mažiau kaip 75%
laboratorinių darbų

Modulio tikslas

Koreguojami prieš tai atlikti skaičiavimai, schemų parinkimas, technologinių procesų eiga. Rengiami brėžiniai ir schemos, ruošiamasi projekto viešam ginimui.

Studijų dalyko aprašas

Išmokinti rašyti baigiamojo projekto teorinę dalį, atlikti reikiamas projektui technines skaičiuotes, teisingai apiforminti brėžinius ir schemas, pristatyti ir apginti projektą

Modulio tikslas

Pagal baigiamojo darbo užduotį sudaromos projektuojamųjų mechanizmų, įrenginių ar sistemų konstrukcinės schemos ir loginės schemos, apskaičiuojami reikiami parametrai. Sudaromos valdymo schemos ir algoritmai.

Studijų dalyko aprašas

Išmokyti rašyti projekto teorinę dalį, atlikti reikiamus projektui techninius skaičiavimus, atlikti eskizinį projektavimą.

Studentai, numatytu tvarkaraštyje metu, privalo dalyvauti ne ma˛iau kaip 75% pratybu ir atlikti ne ma˛iau kaip 75%
laboratoriniu darbu

Modulio tikslas

Modulio tikslas – suteikti fundamentalių teorinių ir praktinių žinių apie Interneto daiktų sistemas ir jų programinę įrangą, jos veikimo algoritmus bei administravimo principus.

Studijų dalyko aprašas

Modulyje supažindina su Interneto daiktų sistemų struktūra, jų atskirtų sudedamųjų dalių darbo algoritmais bei programinės įrangos kūrimo aspektais. Nagrinėjama tokie dalykai kaip daiktų interneto įrenginių sandara, portalų veikimo algoritmai, duomenų bazės, duomenų analizė, bei daiktų interneto saugumas.
Studentams teorinės paskaitos yra privalomos. Per semestrą turi būti lankyta daugiau nei pusė paskaitų.
Studentai privalo atlikti visus numatytus laboratorinius darbus. Studentai numatytu tvarkaraštyje metu privalo dalyvauti ne mažiau kaip 80 proc. laboratorinių.

Modulio tikslas

Suteikti debesų kompiuterijos žinias.

Studijų dalyko aprašas

Įvadas į debesų kompiuterija. Debesų kompiuterija – architektūra, virtualizacija, paslaugų valdymas, saugumas.
Studentai numatytu tvarkaraštyje metu privalo dalyvauti ne mažiau kaip 80 proc. laboratorinių darbų.

Modulio tikslas

„Kalbos apdorojimo pagrindai” kursas yra skirtas suteikti studentams supratimą apie įvairias natūralios kalbos apdorojimo technologijas ir metodikas. Šis kursas apima tiek teorines koncepcijas, tiek praktinį kalbos apdorojimo technologijų taikymą. Kursu siekiama, kad studentai įgytų įgūdžių naudoti atitinkamas žmogaus kalbos apdorojimo priemones ir metodus. Kai kurios šiame kurse nagrinėjamos temos apima kalbinę analizę, teksto vaizdavimą, kalbos modelius, statistinius ir taisyklėmis pagrįstus metodus, gilų mokymąsi ir natūralios kalbos generavimą. Studentai taip pat bus supažindinti su įvairiomis kalbos apdorojimo technologijų programomis, tokiomis kaip sentimentų analizė, mašininis vertimas, klausimų-atsakymų sistemomis.

Studijų dalyko aprašas

Pagrindinės kalbos apdorojimo technologijos ir jų metodikos. Supažindinama su taikymo galimybėmis ir apribojimais. Siekiama tobulinti natūralios kalbos apdorojimo žinias naudojant pažangias natūralios kalbos technikas ir technologijas.

Studentai, numatytu tvarkarašštyje metu, privalo dalyvauti ne mažiau kaip 75% pratybų ir atlikti ne mažau kaip 75%
laboratorinių darbų