Kurss pieejams 2025. gada pavasarī!

Precīzs datums un laiks tiks paziņots pēc pieteikšanās.

Vairāk informācijas, rasktot epastu uz lift@rbs.lv vai zvanot 20318250

Klātienē
Cena: 500€ + PVN
Ir pieejama 50-100*% de minimis atbalsta intensitāte*
Valoda: Latviešu 

Praktiskā datu analītika un MI ieviešana iesācejiem

Pasniedzējs

Kārlis Zars

Kārlis Zars ir tehnoloģiju eksperts, kuram patīk sekot līdzi jaunumiem, un iespējām, ko piedāvā tehnoloģijas. Reizē viņš ir pieredzējis pasniedzējs dažādās vietās un formātos, kuram patīk iedvesmot un palīdzēt studentiem un prieks ir redzēt “es sapratu” savu studentu sejās. Šī kombinācija viņam ļauj vienkāršā valodā izklāstīt jauno tehnoloģiju iespējas, ar kurām viņš labprāt dalās, lai palielinātu cilvēku produktivitāti (no 3 dienu darba uz 3 stundām, tas ir iespējams)

Kursa apraksts

Ja saproti, ka nozīmīga uzņēmuma informācija netiek analizēta un nesaproti, kā īsti to darīt, tad šis kurss ir paredzēts tieši Tev. Šis kurss sniegs praktiskas pamata zināšanas datu vākšanā, analīzē un vizualizācijā. Kad būsi sapratis iespējas, tad parādīsim mākslīgā intelekta iespējas, lai informācijas apstrādi varētu darīt ātrāk un vienkāršāk. Lai uzlabotu datu analīzes izmantošanas iespējas uzņēmumā, izveidosi ceļa karti datu analītikas uzlabošanā, lai pieņemtu gudrākus lēmumus un veicinātu biznesa izaugsmi. To darīsi pieredzējuša pasniedzēja vadībā, lai veidotu vispusīgāku pārskatu.

Kursa mērķi

Saprast datu analītikas pamatus un tās iespējas uzņēmumiem
Iegūt praktiskas iemaņas datu apstrādē un vizualizācijā
Uzzināt, kā aizstāt ekseli ar mākslīgā intelekta rīkiem ikdienas situācijās
Izstrādāt sev piemērotu datu analītikas un MI ieviešanas plānu

Komersantu ieguvums pēc kursa pabeigšanas:

Saprast datu analītikas pamatus un tās iespējas uzņēmumiem
Iegūt praktiskas iemaņas datu apstrādē un vizualizācijā
Uzzināt, kā aizstāt ekseli ar mākslīgā intelekta rīkiem ikdienas situācijās
Izstrādāt sev piemērotu datu analītikas un MI ieviešanas plānu

Kurss notiks

Klātienē

Priekšzināšanas:

Paredzēts visiem, kas gatavi mācīties

Mācibu metodes

Praktiska apmācība datu un to rīku lietošanā

Apakštemati

1.Daļa – Ekseļa lietotāju funkcijas datu analīzei (3 stundas)
Ekseļa sarežģītās funkcijas •PivotTables, Power Query, un sarežģītās formulas
•Automatizācija ar Macro un Mākslīgā intelekta (MI) Excel iespējām
Datu vizualizācija •Informatīvo paneļu izveide, lai gūtu svarīgāko ieskatu
•Stāstu veidošana, izmantojot datus un dizaina principus
Praktiskās darbības •Datu paraugkopu analizēšana un vizualizēšana
•Automatizētu pārskatu veidošana ar Macro
2.Daļa – Mākslīgā intelekta integrēšana datu procesos (3 stundas)
Mākslīgā intelekta pamati •Pārskats par mākslīgā intelekta koncepcijām un to nozīmi.
•Tendences, kas ietekmē datu analīzi.
MI rīki un to lietojumi •ChatGPT izmantošana datu apkopošanai
•Prognozēšanas modelēšana un automatizēti ziņošanas rīki
Praktiskās darbības
•MI rīku izmantošana datu kopu apkopošanai.
•MI rīku izmantošana prognozēšanas modelēšanai ikdienas pārskatu veidošanai
3.Daļa – Reālās lietojumprogrammas un plānošana (2 stundas)
Mācību pielietošana •Datu problēmu risināšana
•Uzlaboto Excel un MI risinājumu piemērošana ikdienas situācijās
Ceļveža izstrāde •Personalizētu plānu izstrāde datu analītikas uzlabojumiem.
•Reālistisku mērķu izvirzīšana un izaicinājumu pārvarēšana.
Praktiskas aktivitātes •Individuālā darba plāna izveide datu analīzes uzlabošanai
•MI ieviešana ikdienā un kolēģu ieteikumi tā uzlabošanai

Practical Data Analytics and AI Implementation for Beginners

This course is available in 2025.

The exact date and time will be announced after registration. For more information please contact us at lift@rbs.lv or call us at 20318250

In Person
Price: 500€ + VAT
Price with EU support: 150€ + VAT
Language: Latvian

Lecturer

Kārlis Zars

About the lecturer

Kārlis Zars is a passionate educator and technologist with a focus on practical tech education. He is the founder of App Pottery, an online program designed to teach coding and AI skills. Additionally, he is a course creator and instructor on Coursera, where he delivers engaging and practical technology courses. His work experience includes roles in robotic process automation and a strong dedication to empowering learners of all backgrounds.

Course Description

This course empowers you to harness the power of data and AI to drive business success. You’ll delve into data analytics techniques, master data visualization skills, and explore the potential of AI tools like ChatGPT. By the end of the course, you’ll be equipped to make data-driven decisions, optimize processes, and innovate your business.

Course Goals

Develop a strong foundation in data analysis techniques, including descriptive, predictive, and prescriptive analytics.
Learn how to leverage AI tools and techniques to automate tasks, improve decision-making, and gain a competitive edge.
Master data visualization techniques to create compelling and informative data visualizations.
Learn how to use data insights to drive strategic decision-making and improve business performance.
Gain practical experience in implementing data-driven solutions within organizations.

After the course participants will be able to:

Understand the fundamentals of data analytics and its importance for SMEs
Gain practical skills in data manipulation and visualization
Learn how to integrate AI tools into business processes
Develop a customized data analytics and AI implementation plan

Course will be:

In Person

Prerequisites

No prior specific experience or specific prerequisites are required to enroll in this course.

Teaching methods used:

  • Hands-on approach along with theoretical insights

Session 1: Foundations of Data Analytics (4h)

Introduction
– Welcome participants
– Overview of course objectives

Data Analytics Overview
– Types of Data Analytics:
– Descriptive Analytics
– Predictive Analytics
– Prescriptive Analytics
– Importance in Competitive Markets
– Benefits for SMEs (Small and Medium Enterprises) in Latvia
Group Discussion: Share experiences with data use in your company
Data Literacy
– Understanding Data Formats:
– Structured vs. Unstructured Data
– Data Sources:
– Internal (Sales, HR, Operations)
– External (Market Trends, Social Media)
– Ethical Considerations:
– GDPR Compliance
– Data Privacy Laws in Latvia
Individual Exercise: Identify data sources relevant to your role
Understanding Data Structures
– Basic Concepts:
– Databases and Spreadsheets
– Data Tables and Fields
– Data Quality Issues:
– Incomplete Data
– Inconsistent Data
– Importance of Clean Data
Interactive Quiz: Data quality scenarios and solutions
Session Wrap-Up
– Recap key learnings
– Preview of next session

Session 2: Essential Tools and Techniques (4h)

Introduction to Session 2
– Brief recap of Session 1
– Objectives for Session 2

Data Analysis Tools
– Introduction to User-Friendly Tools:
– Microsoft Excel
– Google Sheets
– Basic Data Manipulation:
– Sorting and Filtering
– Formulas and Functions
– Pivot Tables
Guided Exercise: Import and explore a sample dataset in Excel
Visualization Techniques
– Importance of Data Visualization
– Types of Charts and Graphs:
– Bar, Line, Pie Charts
– Scatter Plots, Histograms
– Best Practices:
– Choosing the Right Chart
– Visual Clarity and Design Principles
Hands-on Activity: Create charts using sample data
Presenting Data Effectively
– Storytelling with Data
– Tailoring Presentations to Your Audience
– Common Mistakes to Avoid
Group Exercise: Present findings to peers
Session Wrap-Up
– Recap key learnings
– Preview of next session

Session 3: Integrating AI into Data Processes (4h)

Introduction to Session 3
– Brief recap of Session 2
– Objectives for Session 3

AI Concepts Simplified
– What is Artificial Intelligence?
– AI in Everyday Life
– AI Trends Impacting SMEs
Interactive Discussion: Share experiences with AI
AI Tools for Everyday Use
– Accessible AI Tools:
– ChatGPT for data analysis
– Automated Reporting Tools
– Use Cases Relevant to SMEs:
– Customer Service Chatbots
– Sales Forecasting
– Inventory Management
Guided Demonstration: Use ChatGPT for data summarization
Implementing AI Solutions
– Criteria for Selecting AI Tools
– Integrating AI into Existing Processes
– Challenges and Considerations:
– Cost
– Training
– Data Security
Hands-on Activity: Identify an AI tool for a business problem
Session Wrap-Up
– Recap key learnings
– Preview of next session

Session 4: Real-world Applications and Planning (4h)

Introduction to Session 4
– Brief recap of Session 3
– Objectives for Session 4

Local AI solution
– How to run AI locally
– What are benefits of local LLMs
– Following the trends
Group Discussion
Developing a Roadmap
– Identifying Opportunities:
– Areas for Data Analytics Improvement
– Potential AI Applications
– Setting Realistic Goals:
– Short-term vs. Long-term Objectives
– Resource Assessment
Individual Exercise: Draft a data analytics and AI implementation plan
Creating an Action Plan
– Outline Key Steps:
– Data Collection Strategies
– Tool Selection
– Training Needs
– Overcoming Challenges:
– Budget Constraints
– Resistance to Change
– Measuring Success:
– Key Performance Indicators (KPIs)
– Continuous Improvement
Hands-on Activity: Finalize the implementation plan with peer feedback
Course Wrap-Up
– Review of key learnings
– Q&A Session
– Feedback Collection