TSI logo 25 years
LV EN
Home > Par mums > Struktūra un pārvaldība > Anotācijas

LĪMENIS

PROGRAMMA

FAKULTĀTE

GADS

VALODA

Kravu pārvadājumu pakalpojumu attīstība Nigērijā: problēmas un perspektīvas

Šis pētījums vērtē Nigērijas kravas pārvadājumu nozares stāvokli, lai uzlabotu efektivitāti un izaugsmi. Izmantojam kombinētu pieeju ar kvantitatīviem un kvalitatīviem datiem. Vispirms, literatūras pārskats apkopo esošās zināšanas. Tad, analizējam sekundāros datus par nozares ainavu un savienojumiem ar citiem transportveidiem. Veicam intervijas ar ieinteresētajām personām (īpašniekiem, vadītājiem, ražotājiem, politikas veidotājiem). Publiskā aptauja noskaidro sabiedrības viedokli un nozares potenciālu. Padziļināti gadījumu pētījumi salīdzina trīs kravas pārvadājumu uzņēmumus ar unikāliem biznesa modeļiem, izmantojot SWOT analīzi to vērtēšanai un ekonomiskā ieguldījuma aplēšanai. Visbeidzot, tīkla modelis optimizē loģistiku un efektivitāti. Rezultāti tiek vizualizēti un apspriesti. Pamatojoties uz secinājumiem, sniedzam ieteikumus uzlabojumiem. Pētījums noslēdzas, atzīstot tā stiprās un vājās puses.

Autors: Olusola Adepoju Ademola

Vadītājs: Berdymyrat Ovezmyradov

Līmenis: Maģistrs

Gads: 2024

Darba valoda: Angļu

Uzbekistānas loģistikas nozares uzlabošana, integrējot viedo tehnoloģiju

Šī pētījuma galvenais mērķis ir vispusīgi novērtēt viedo tehnoloģiju integrāciju Uzbekistānas loģistikas sektorā. Pētījuma mērķa sasniegšanai autors izmantoja jauktu metodi, apvienojot gan kvalitatīvo, gan kvantitatīvo. Attiecībā uz primārajiem datiem pētījuma autors izmantoja loģistikas profesionāļu un potenciālo lietotāju aptauju, lai izprastu viņu informētību, uztvertos ieguvumus un bažas par viedo tehnoloģiju integrāciju Uzbekistānā. Pētījuma noslēgumā, pamatojoties uz rezultātiem, autors sniedz secinājumus un ieteikumus viedo tehnoloģiju integrācijai Uzbekistānas loģistikas sektorā.

Autors: Otabek Usmanov

Vadītājs: Berdymyrat Ovezmyradov

Līmenis: Maģistrs

Gads: 2024

Darba valoda: Angļu

INFORMĀCIJAS SISTĒMAS IETVARS ES ILGTSPĒJAS ZIŅOŠANAI

ANOTĀCIJAMaģistra darbs “Informācijas sistēmas ietvars ES ilgtspējas ziņošanai”. Darba autore Sanita Bringmane, zinātniskais vadītājs Profesors Dr. Habil.sc.ing. Igors Kabaškins. Maģistra darba mērķis ir izstrādāt ilgtspējas ziņošanas sistēmas ietvaru, kuru uzņēmumi un organizācijas var izmantot sistēmas izstrādāšanai un ieviešanai. Maģistra darbā piedāvātais ilgstpējas ziņošanas sistēmas ietvars var kalpot kā pamats sistēmas izstrādei, palīdzot uzņēmumiem vadīt sarežģīto ilgtspējas ziņošanas procesu. Maģistra darbs sastāv no 4 daļām, darbā ietverts ESRS standartu prasību un kritēriju apkopojums, un detalizēta informācija par ziņošanas galvenajām tēmām: Vides, Sociālajiem un Pārvaldības faktoriem. Tam seko infromācija par ziņošanas sistēmu veidiem, lietošanas sistēmu diagramma, ilgstējas sistēmas ietvars un sistēmas arhitektūras izklāsts. Darbā iekļauta arī ceļa karte sistēmas ieviešanai, un darba noslēgumā ir praktiskais piemērs par vides datu ilgstpējas ziņošanas pieejas skaidrojumu, pielikumā pievienoti iespējamie aprēķinu piemēri uzņēmumam, kā arī secinājumi darba noslēgumā.

Autors: Sanita Bringmane

Vadītājs: Igors Kabaškins

Līmenis: Maģistrs

Gads: 2024

Darba valoda: Angļu

Personiskās informācijas pārvaldībā izmantojot Adaptīvās informācijas sistēmas

Mūsdienās cilvēkiem ir grūtības organizēti un efektīvi apstrādāt savu personisko informāciju. Vidēji lietotājs patērē aptuveni 74 Gb dienā (Heim, 2017), kas veicina informācijas pārslodzi un ierobežo informācijas apjomu, ko cilvēka prāts spēj apstrādāt.Cilvēka unikalitātes dēļ visiem cilvēkiem ir dažādas informācijas preferences. Adaptīvās informācijas sistēmas (AIS) ir salīdzinoši jauns pētniecības virziens informācijas zinātnes, cilvēka un datora mijiedarbības un mākslīgā intelekta krustcelēs. Tā ir alternatīva tradicionālajai "viens izmērs der visiem" pieejai informācijas sistēmu izstrādē.Ņemot vērā, ka informācijas pārslodze ir lietotāja personiska problēma, AIS ļauj iekļaut adaptācijas procesu informācijas sistēmā, aktivizē pastiprināšanas mācīšanos zināšanu veidošanai par lietotāja uzvedību informācijas apstrādē. Kā nākamo soli apkopotās zināšanas AIS izmanto pašpielāgošanās izmaiņu veikšanai sistēmas iekšienē ar galīgo mērķi samazināt informācijas pārslodzi.Šajā pētījumā tika piedāvāts jauns veids, kā apstrādāt un kontrolēt informācijas pārslodzi, izmantojot AIS, kam ir jāņem vērā un jāpielāgojas lietotāja personīgajai pieredzei personas informācijas apstrādē.

Autors: Sergejs Paškovskis

Vadītājs: Boriss Mišņevs

Līmenis: Maģistrs

Gads: 2024

Darba valoda: Angļu

Izgūšanas-papildināšanas ģenerēšanas sistēmu uzlabošanas stratēģijas

Šis darbs sistemātiski pēta izgūšanas-papildināšanas ģenerēšanas sistēmu (RAG) sistēmu uzlabošanu lielo valodu modeļos, uzsverot izguves parametru optimizāciju un ģenerēšanas precizitāti. Tiek pētīta RAG sistēmu optimālās konfigurācijas, tostarp informācijas daļu lielumu un pārklāšanās procentus, top-k atlasi, vaicājumu transformācijas, dažādas izguves metodes, dažādus lielos valodu modeļus, proti, GPT-3.5-Turbo un GPT-4, atklājot, ka informācijas lielums visbiežāk ir 500 marķieri. piedāvā vislabāko veiktspēju. Vektoru meklēšana, izmantojot kosinusu līdzību, kļūst par visefektīvāko izguves metodi, ievērojami uzlabojot gan konteksta precizitāti, gan dažādu uzdevumu un zināšanu bāzu atsaukšanu. Eksperimentēšana CRUD-RAG ietvaros parāda tās pielietojamību dažādos uzdevumos, sākot no satura izveides līdz zināšanu pilnveidošanai. Atklājumi liecina, ka izguves iestatījumu uzlabojumi var ievērojami uzlabot RAG sistēmu veiktspēju, padarot tās efektīvākas un pielāgojamākas sarežģītiem informācijas sintēzes un izguves uzdevumiem. Šie rezultāti apstiprina sistemātisku uzlabojumu potenciālu, lai uzlabotu mākslīgā intelekta vadītus valodas modeļus praktiskos lietojumos, sniedzot nozīmīgu ieskatu un praktiskas pieejas RAG sistēmu izpētes ainavai.

Autors: Sigita Lapiņa

Vadītājs: Dmitry Pavlyuk

Līmenis: Maģistrs

Gads: 2024

Darba valoda: Angļu

Studiju programma: Datorzinātnes

Vairāk...

Table View
Text View