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

LĪMENIS

PROGRAMMA

FAKULTĀTE

GADS

VALODA

ATSLĒGVĀRDI

Mākslīgā intelekta izmantošana cilvēkresursu vadībā

Mākslīgā intelekta (MI) integrācija cilvēkresursu pārvaldības procesos ir jauna izpētes un praktiskā pielietojuma joma. Plašā mākslīgā intelekta tehnoloģiju ieviešana rada potenciālu būtiskām pārmaiņām produktos, inovācijas procesos un uzņēmējdarbības modeļo. Pētījuma mērķis ir izstrādāt sistēmu efektīvai MI izmantošanai cilvēkresursu vadībā.Pētījuma priekšmets ir uz MI balstīti risinājumi cilvēkresursu pārvaldībā. Pētījuma objekts ir cilvēkresursu vadības procesi.Lai rūpīgi pārbaudītu MI efektīvu izmantošanu cilvēkresursu pārvaldības jomā, tika izmantota daudzpusīga pētniecības pieeja: literatūras apskats, gadījumu izpēte, darbinieku aptaujas, intervijas ar cilvēkresursu ekspertiem.Šī pētījuma laikā autore akcentēja mūsdienu cilvēkresursu pārvaldības aspektus, kurus var uzlabot, izmantojot MI tehnoloģijas; izveidoja sarakstu ar ieteicamajām praksēm, lai integrētu uz MI balstītus risinājumus cilvēkresursu pārvaldībā; izstrādāja MI rīku ieviešanas sistēmu un noskaidroja, ka cilvēkresursu ekspertu un darbinieku kopējais skatījums uz MI cilvēkresursu pārvaldības ietvaros šķiet optimistisks.Šim pētījumam ir gan teorētiska, gan praktiska nozīme, virzot progresu teorētiskajās zināšanās, informējot organizācijas praksi un veidojot darba nākotni digitālajā laikmetā.

Autors: Ana Enache

Vadītājs: Yulia Stukalina

Līmenis: Maģistrs

Gads: 2024

Darba valoda: Angļu

Ar ģeneratīvām AI tehnoloģijām papildinātas programmatūras izstrāde projektu vadības atbalstam.

Šis darbs pēta ģeneratīvā mākslīgā intelekta pielietošanas praktisko vērtību projektu vadības programmatūrā, lai uzlabotu vadītāja darbu. Mērķis ir novērtēt GenAI efektivitāti un ietekmi uz projektu vadības procesiem.Pētījums sākas ar esošās akadēmiskās un nozares literatūras apskatu par AI integrāciju projektu vadībā. Tam seko detalizēta gadījumu izpētes analīze par gadījumiem, kad AI ir integrēts projektu pārvaldības rīkos. Programmatūras izstrādes dzīves cikla metodoloģija tiek izmantota, lai izstrādātu un pārbaudītu programmatūru, iekļaujot prototipēšanas fāzi, lai izpētītu un apstiprinātu koncepcijas pirms pilna mēroga izstrādes.Šī pētījuma rezultāti ietver ar GenAI darbināmas programmatūras izveidi, kas ievērojami paātrina personāla atlases procesu projektiem, saskaņojot projekta prasības ar personāla prasmēm. Rezultāti liecina, ka izstrādātā programmatūra efektīvi izmanto GenAI tehnoloģijas, lai uzlabotu projektu vadības procesu, vienkāršotu vadības uzdevumus un veicinātu efektīvākus un precīzākus lēmumu pieņemšanas procesus.Šis pētījums izceļ GenAI potenciālu, lai pārveidotu projektu vadības praksi un virzītu nākotnes inovācijas.

Autors: Pāvels Kulajevs

Vadītājs: Aleksejs Vesjolijs

Līmenis: Bakalaurs

Gads: 2024

Darba valoda: Latviešu

Studiju programma: Datorzinātnes

Vairāk...

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...

Mākslīgais intelekts apkalpes plānošanai aviācijas sektorā

Šis pētījums cenšas izpētīt faktorus, kas saistīti ar mākslīgā intelekta (MI) pielietošanu apkalpes plānošanā un grafikā zemo izmaksu aviokompānijās, par pamatu ņemot IndiGO, lai mazinātu cilvēkresursu laiku un pūles un palielinātu efektivitāti. Pētījums aplūko iespēju izmantot mākslīgā intelekta piedāvāto modeli, lai plānotu caur lēmumu atbalsta sistēmu,samazinot cilvēka kļūdu iespējamību.Izmantotās tehnikas ietver plašu literatūras pārskatīšanu, sešas kvalitatīvas intervijas ar diviem respondentiem no katras nozares un 109 kvantitatīvas tiešsaistes aptaujas apkalpes plānošanas nodaļas respondentiem. Aptaujas laikā savāktie dati tika analizēti un prezentēti grafiku veidā, lai atvieglotu šī pētījuma interpretāciju, koncentrējoties uz izaicinājumiem un izmaksām, kas saistītas ar mākslīgo intelektu. Tādējādi tehnikas, piemēram, datu samazināšana un abdukcijas loģika, tika izmantotas, lai iegūtu būtiskāko informāciju no visa informācijas kopuma. No aptaujas rezultātiem un interviju jautājumiem izriet, ka MI integrācija apkalpes plānošanā un grafikā sniedz ievērojamas priekšrocības. Pētījums arī piedāvā labāko pieeju, ko zemo izmaksu aviokompānijas var izmantot, lai samazinātu kļūdas un uzturētu veiktspēju, efektīvi parādot, ka MI pielietošana nozarē ir ievērojami izdevīga.

Autors: Slavia Robert Kanjirethingal

Vadītājs: Nadežda Spiridovska

Līmenis: Profesionālais maģistrs

Gads: 2024

Darba valoda: Angļu

Studiju programma: Aviācijas vadība

Vairāk...

Programmatūras izstrādes aspektu izpēte, izmantojot tehnoloģiju node.js

Lai izpētītu programmatūras izstrādes aspektus, tika izveidota servera aplikācija, kas izmanto Node.js un NestJS, lai veidotu REST API. Šis API integrē Google Natural Language AI, lai analizētu iesniegtās lietotāju atsauksmes. Aplikācija ietver vairākas REST adreses, kas spēj apstrādāt, analizēt un apkopot datus par lietotāju atsauksmēm. Tika veikti veiktspējas mērījumi, analizējot notikumu gaidīšanas laiku, atmiņas un CPU izmantošanu, kā arī citiem svarīgiem rādītājiem. Datu glabāšanai tika izmantota MongoDB datubāze. Darbs iekļauj API un tā veiktspējas novērtējumu. Aplikācija tika testēta, lai nodrošinātu tās atbilstību izvirzītajiem kritērijiem un nodrošinātu praktisku pielietojumu.

Autors: Valērijs Sergejevs

Vadītājs: Mihails Savrasovs

Līmenis: Bakalaurs

Gads: 2024

Darba valoda: Angļu

Studiju programma: Datorzinātnes

Vairāk...

Table View
Text View