Kopš 2022. gada augusta Latvijas komersanti var vērsties Latvijas Eiropas Digitālo
inovāciju centros, t.sk. pie Latvijas Digitālā akseleratora un tā partneriem,
lai veiktu digitālā brieduma testu un saņemtu atbalstu digitālajai
transformācijai. Latvijas Digitālais akselerators specializējas jaunu digitālo
produktu, pakalpojumu un platformu radīšanā, vērtējot uzņēmumu digitalizācijas
stratēģiju un gatavību, datu pārvaldību un savietojamību, automatizāciju un
zaļo digitalizāciju, kā arī uz darbiniekiem vērsto digitalizāciju.
Eiropas Digitālās inovācijas centrs (EDIC) sadarbībā ar vadošo partneri
Latvijas Digitālo akseleratoru piedāvā atbalstu uzņēmumiem digitālās
transformācijas procesā, sākot no digitālā brieduma testa līdz personalizētām
apmācībām un konsultācijām. Uzņēmumiem iespēja saņemt atbalstu apmācību
6(sešās) mācību virstēmās: Mākslīgā intelekta instrumenti uzņēmējdarbībā, Datu
analīze un informācijas vizualizācija, Digitālās transformācijas vadība,
Kibedrošība, Uzņēmuma procesi un to vadība, E-komercijas izstrāde un
starptautiskā integrācija.
Lai īstenotu atbalstu uzņēmumiem, tiek piedāvāti sekojoši apmācību kursi.
|
Tēma
|
Lektors
|
Ilgums h
|
Kursa saturs
|
|
Google Ads un Google
Display Network pamati
|
Edgars Koroņevskis
|
16
|
Ieskats Google Ads,
Kampaņu veidošana, Kampaņu veidošana Google Display Network, Kampaņu optimizēšana
|
|
Sociālo tīklu
platformas Facebook rīku izmantošana uzņēmuma mārketinga aktivitāšu
veidošanai
|
Annija Graustiņa
|
16
|
Sociālo tīklu
tendences un komunikācija sociālajā vidē. Uzņēmuma Facebook lapas izveide un
tās pielāgošana atbilstoši uzņēmuma vajadzībām. Komunikācija sociālajā vidē -
tās biežums un stils. Publikāciju saturu veidošana ikdienas komunikācijai ar
klientiem. Facebook "Ads Manager" rīku izmantošana reklāmas kampaņu
un reklāmu veidošanai. Uzņēmuma lapas mērķauditorijas definēšana un satura
veidošana atbilstoši mērķauditorijai. Reklāmas/publikācijas mērķauditorijas
definēšana un satura veidošana atbilstoši mērķauditorijai. Uzņēmuma Facebook
lapas un publicētas informācijas, reklāmas statistikas analīze.
|
|
Microsoft Azure pamati
|
Māris Riņģis
|
8
|
Mākoņdatošanas
koncepti; Azure arhitektūra un pakalpojumi; Azure administrēšana
|
|
Microsoft Azure
administrēšana (AZ-104T00) ar sertifikāciju
|
Māris Riņģis
|
32
|
Identitāte; Pārvaldība
un atbilstība; Azure administrēšana; Virtuālais tīkls; Starpvietņu
savienojamība; Tīkla trafika pārvaldība; Azure krātuve; Azure virtuālās
mašīnas; PaaS skaitļošanas opcijas; Datu aizsardzība
|
|
Microsoft 365
administrēšana ar sertifikāciju
|
Normunds Upenieks
|
40
|
Konfigurēt jūsu
Microsoft 365 nomnieku; Pārvaldīt jūsu Microsoft 365 nomnieku; Īstenot
identitātes sinhronizāciju; Pārvaldīt identitāti un piekļuvi Microsoft 365;
Pārvaldīt jūsu drošības pakalpojumus Microsoft Defender XDR; Īstenot draudu
aizsardzību, izmantojot Microsoft Defender XDR; Izpētīt datu pārvaldību
Microsoft 365; Īstenot atbilstību Microsoft 365; Pārvaldīt atbilstību
Microsoft 365
|
|
Digitālo risinājumu
ieviešana ar projektu vadības PMP metodi ar sertifikāciju
|
Uldis Zandbergs
|
56
|
Projektu vadības
saistība ar organizācijas vidi; Projekta uzsākšana; Projekta plānošana;
Projekta izpilde un komandas atbalsts; Projekta uzraudzība un kontrole;
Projekta slēgšana.
|
|
Digitālo risinājumu
ieviešana ar projektu vadības Prince2 metodi ar sertifikāciju
|
Uldis Zandbergs
|
24
|
Ievads
PRINCE2;Pārskats par PRINCE2 projektu vadību; Resursi; Aktivitāšu un resursu
organizēšana; Projekta uzsākšana; Ekonomiskais pamatojums; Plānošana; Kvalitāte;
Riski; Posmu kontrole un produktu piegādes pārvaldība; Posmu robežu
pārvaldība; Izaicinājumi; Progress; Projekta slēgšana.
|
|
Tīklu pamati ar
CompTIA® Network+® ar sertifikāciju
|
Māris Zunde
|
40
|
OSI modeļa tīkla
funkciju salīdzināšana; Ethernet kabeļu izvietošana; Ethernet komutācijas
izvietošana; Ethernet tīklu problēmu novēršana;IPv4 adresācijas
izskaidrošana;IPv4 un IPv6 tīklu atbalsts; Maršrutētāju konfigurēšana un
problēmu novēršana; Tīkla topoloģiju un veidu izskaidrošana; Transporta slāņa
protokolu izskaidrošana; Tīkla servisu izskaidrošana; Tīkla lietojumprogrammu
izskaidrošana; Tīkla pieejamības nodrošināšana; Kopējo drošības koncepciju
izskaidrošana; Drošu tīklu atbalsts un problēmu novēršana; Bezvadu tīklu ieviešana
un problēmu novēršana; WAN saišu un attālinātas piekļuves metožu
salīdzināšana; Organizatoriskās un fiziskās drošības koncepciju
izskaidrošana; Katastrofu seku novēršanas un augstas pieejamības koncepciju
izskaidrošana; Tīkla noturības paņēmienu pielietošana; Mākoņa un datu centru
arhitektūras apkopošana
|
|
VMware vSphere:
Instalēšana, konfigurēšana, pārvaldība (Install, cofigure and manage) [V8]
|
Imants Šķerstens
|
40
|
Virtuāls datu centrs;
Virtuālo mašīnu veidošana; VMware vCenter serveris; Virtuālo tīklu
konfigurēšana un vadība; Virtuālās datu glabātuves konfigurēšana un vadība;
Virtuālo mašīnu vadība; Resursu vadība un monitorings; vSphere atjauninājumu
vadība un saimnieka (host) uzturēšana; VMware komponenšu instalēšana.
|
|
Mākslīgais intelekts
biznesa procesu automatizācijā
|
Kārlis Zars
|
16
|
Mākslīgā intelekta
izmantošanas iespējas dažādu nozaru risinājumiem; Stratēģijas efektīvai
mākslīgā intelekta integrācijai biznesa procesos; Ētiskie apsvērumi un datu
privātums mākslīgā intelekta risinājumos; Pārskats par bezkoda mākslīgā
intelekta rīkiem biznesa procesu automatizācijai; Bezkoda platformu
praktiskās darbnīcas:
- darbs ar ChatGPT
- uzvedņu (promts)
veidošana teksta analīzei un apstrādei, formulu ģenerēšana Excel datiem;
- darbs ar progonstisko
analīzi;
- darbs ar darbplūsmu
izveidi, ietverot MI izmantošanu
|
|
Mākslīgais intelekts
(MI) tuvplānā - jaunas iespējas digitālo risinājumu ieviešanā darbā
|
Kārlis Zars
|
4
|
MI pamatprincipi un
iespējas; Uzvedņu (prompts) veidošana; MI rīku izmantošana darba
efektivizācijā; MI jaunākie rīki.
|
|
TOGAF® 10 pamatkurss
ar sertifikāciju
|
Aldis Ērglis
|
24
|
Ievads organizācijas
līmeņa arhitektūras būtībā, attīstības vēsturē, mūsdienu organizācijas
izaicinājumos un nepieciešamības pamatojums; TOGAF® sertifikācijas līmeņi,
process un apjoms; TOGAF® pamatelementi, definīcijas un standarta
terminoloģija; Ievads par ADM, tās būtība katra posma mērķiem, uzdevumiem
(tostarp augstā līmenī, pielāgojot un paplašinot ADM pielietošanu); Ievads
ADM tehnikās un to pielietošanai atbilstošos ADM posmos; TOGAF® references
modeļi un arhitektūras artefaktu klasifikācija; Arhitektūras loģiskie
elementi; Ievads organizācijas līmeņa arhitektūras pārvaldības procesos;
TOGAF® arhitektūras attēlošanas rīks (Archi) un notācija (Archimate); TOGAF®
ieviešanas priekšnoteikumi;
|
|
Real-life Kubernetes
|
Andrejs Adamovičs
|
16
|
1. modulis: ievads,
2. modulis:
izvietošanas un pakalpojumi,
3. modulis: glabāšana,
4. modulis: konfigurācijas
pārvaldība,
5. modulis: resursu
kontrole un plānošana,
6. modulis: drošība,
7. modulis: uzlabotas
darbības
|
|
Ievads SQL
|
Justs Vidušs
|
24
|
Ievads SQL valodā,
datubāzēs un datubāzu vadības sistēmās; Galvenās SQL komandas un funkcijas
|
|
Administrēšanas
automatizēšana ar PowerShell
|
Normunds Upenieks
|
40
|
Darba sākšana ar
Windows PowerShell; Windows PowerShell sistēmu administrēšanai; Darbs ar
Windows PowerShell pipeline; PSProvider un PSDrive izmantošana; CIM un WMI izmantošana
vadības informācijas vaicājumiem; Darbs ar mainīgajiem, masīviem un hash
tabulām; Windows PowerShell skriptošana; Attālo datoru administrēšana ar
Windows PowerShell; Azure resursu pārvaldība ar PowerShell; Microsoft 365
pakalpojumu pārvaldība ar PowerShell; Fona (background) darbu un plānoto
darbu izmantošana
|
|
Microsoft Power BI
pamati
|
Kristaps Mārtinsons
|
16
|
Darba uzsākšana ar
Microsoft Data Analytics; Datu sagatavošana Power Query; Datu tīrīšana, sagatavošana,
sakārtošana un ielāde;Datu modeļu veidošana; Aprēķinu veidošana izmantojot
DAX valodu;Atskaišu un vizualizāciju sagatavošana; Informācijas paneļu
(Dashboard) izveidošana; Datu kopu pārvaldība.
|
|
Datu analīze ar Microsoft
Power BI ar sertifikāciju
|
Jānis Stūris
|
24
|
Darba sākšana ar
Microsoft Data Analytics; Datu sagatavošana Power BI; Datu tīrīšana, pārveide
un ielāde; Datu modeļa noformēšana; Laboratorijas darbi: datu modelēšana
Power BI darbvirsmā; Laboratorijas darbi: padziļinātā datu modelēšana Power
BI darbvirsmā; Modeļa aprēķinu izveide, izmantojot DAX; Laboratorijas darbi:
DAX uzlabotā valoda Power BI darbvirsmā; Laboratorijas darbi: Iepazīšanās ar
DAX Power BI darbvirsmā; Modeļa veiktspējas optimizēšana pakalpojumā Power
BI; Atskaišu izveide; Laboratorijas darbi: atskaites noformēšana Power BI
darbvirsmā: Laboratorijas darbi: atskaišu uzlabošana, izmantojot mijiedarbību
un formatējumu Power BI darbvirsmā; Informācijas paneļu izveide;
Laboratorijas darbi: informācijas paneļa izveide pakalpojumā Power BI
Service; Pārskatu lietojamības uzlabošana; Laboratorijas darbi: lapotas
atskaites izveide Power BI darbvirsmā; Detalizētā analīze
|
|
Microsoft Excel
ekspertiem
|
Oskars Zeps
|
16
|
Dinamiskie masīvi, Dinamisko
masīvu funkcijas, Dinamisko masīvu izmatošana Excel rīkos, Praktiskais darbs,
Datu ieguve un apstrāde no ārējiem datu avotiem, izmantojot Power Query: no
citām darbgrāmatām, mapēm, kā arī no mājaslapas, Datu apstrāde ar Power Pivot
(veidojot Datu modeli un pielietojot DAX formulas).
|
|
Microsoft Excel
lietpratējiem
|
Iveta Milta
|
16
|
Aprēķini un funkcijas;
Formulu auditēšana; Datu tabulu veidošana un vizuāla formatēšana; Datu
apstrāde; Datu attēlošana, izmantojot rakurstabulas; Diagrammu pielāgošana
|
|
Microsoft Excel pamati
|
Aleksandrs Vosekalns
|
16
|
Microsoft Excel vide;
Darbs ar darbgrāmatu; Darbības ar darbgrāmatas darblapām; Darbs ar darblapas
datiem un datu apgabaliem; Darblapas datu noformēšana; Darbs ar šūnām, rindām
un kolonnām; Aprēķinu veikšana; Grafiska datu attēlošana; Darblapas
iestatījumu mainīšana un darblapas drukāšana
|
|
Mākslīgā intelekta
attēlu ģenerēšana: teorija un prakse
|
Ervīns Butkevičs
|
4
|
Ievads mākslīgā
intelekta (MI) attēlu ģenerēšanā; Dziļāks ieskats attēlu ģenerēšanas rīkos;
Pieprasījumu (prompt) veidošana; Ieteikumi efektīvai attēlu ģenerēšanai ar
MI[;Būtiski aspekti, kam pievērst uzmanību; Vizuālo materiālu ģenerēšana ar
dažādu MI rīku kombinācijām; Gatavo darbu pielāgošana nepieciešamajos vizuālo
materiālu formātos
|
|
Mākslīgais intelekts:
efektīva prezentācijas slaidu izveide
|
Ilze Rassa
|
8
|
Mākslīgā intelekta
integrētās funkcijas PowerPoint (Microsoft 365, 2021, 2019 salīdzinājums) slaidu
izveides darba optimizēšanai, plašu funkciju izpildei, MI balstītas
prezentāciju izveides platformas - šobrīd labākās piedāvājumā un kā tās
izmantot darbā ar PowerPoint, Ģeneratīvo mākslīgā intelekta sarunbotu
izmantošana prezentācijas slaidu izveidē
|
|
Sertificēts ētiskais
hakeris (CEH) ar sertifikāciju
|
Deniss Čalovskis
|
50
|
Ievads ētiskajā
uzlaušanā, Pēdas nospiedums un izlūkošana, Skenēšanas tīkli, Enumerācija,
Ievainojamību analīze, Sistēmas uzlaušana, Ļaunprātīgas programmatūras
draudi, Sniffing, Sociālā inženierija, Pakalpojuma atteikums, Sesijas
pārtraukšana, Izvairīšanās no IDS un ugunsmūriem, Tīmekļa serveru uzlaušana,
Tīmekļa lietojumprogrammu uzlaušana, SQL injekcija, Bezvadu tīklu uzlaušana,
Mobilo platformu uzlaušana, IoT un OT uzlaušana, Mākoņdatošana, Kriptogrāfija
|
|
CompTIA Cybersecurity
Analyst (CySA) ar sertifikāciju
|
Viktors Meirāns
|
40
|
Draudu pārvaldība;
Ievainojamību pārvaldība; Rekcija uz kiberdrošības incidentu; Drošības
arhitektūra
|
|
Drošības pamati (Security+)
ar sertifikāciju
|
Viktors Meirāns
|
40
|
Vispārīgā drošības
koncepcija;
Drošības operācijas;
Drošības arhitektūra;
Draudi, ievainojamība
un to mazināšana;
Drošības programmu
pārvaldība un pārraudzība
|
|
Sertificēts informācijas
drošības vadītājs (CISM®) ar sertifikāciju
|
Deniss Čalovskis
|
40
|
Informācijas drošības
vadīšana; Informācijas drošības risku vadība; Informācijas drošības
programma; Incidentu pārvaldība
|
|
ISTQB®sertificēta
testētāja pamatkurss ar sertifikāciju
|
Roberts Kovaļauskis
|
24
|
Ievads programmatūras
testēšanā; Testēšana caur pilno programmatūras izstrādes dzīves ciklu;
Statiskās testēšanas tehnikas; Testa dizaina tehnikas; Testēšanas pārvaldība;
Testēšanas atbalsta rīki
|
|
Sistēmu testētājs
|
Māris Miķītis
|
50
|
Ievads testēšanā;
Black Box testing, testēšanas metodes;Sistēmu izstrādes dzīvescikla (Software
development life cycle, SDLC) process ar Agile pieeju;Pārvaldības rīku JIRA
un X-ray izmantošana defektu pārvaldībā un testa scenāriju rakstīšanā; Test
cases, darbību kopums sistēmu funkcionalitātei; Defect life cycle, defektu
dzīvescikls testēšanā; Data Base (SQL lite), datubāzu lietošana; API Postman,
pieprasījumu apstrāde; Mobile Device Testing, mobilo lietotņu funkcionalitāte
|
|
Biznesa analīze, CBAP®
un CCBA® eksāmenu sagatavošanās kurss ar sertifikāciju
|
Vladimirs Malejevs
|
40
|
Ievads kursā; Ievads
biznesa analīzē;Biznesa analīzes perspektīvas; Stratēģijas analīze; Biznesa analīzes
plānošana un monitorings; Prasību noskaidrošana (elicitation) un sadarbība;
Prasības; Prasību analīze un dizaina definēšana; Prasību dzīves cikla
pārvaldība; Risinājumu novērtēšana; Pamatkompetences; Pieteikšanās process
|
|
Biznesa procesu pārvaldības
pamati (OCEB) ar sertifikāciju
|
Łukasz Świerczyński
|
16
|
Biznesa pamati,
Pārvaldības pamati, Biznesa procesa pamati, Biznesa motivācijas modelis
(BMM),Biznesa procesa pārvaldība, Biznesa procesa modelēšanas pamati, Biznesa
procesa modelēšana un notācija BPMN v.2.0,Biznesa procesa augsta līmeņa
ietvars, Kvalitātes augsta līmeņa ietvars, Likumdošanas un vadības augsta
līmeņa ietvars,OCEB sertifikācijas process
|
|
Lietojamības un UX
pamati
|
Raitis Linde
|
24
|
Ievads lietojamībā un UX;
Lietotāja un UX izpēte; Lietotāja prasības; Efektīvas digitālās pieredzes
veidošana; Digitālo saskarņu optimizēšana: no lietojamības rādītājiem līdz
vizuālai harmonijai; UX uzlabošana - orientēšanās uz lietojamību, ētiku un UX
briedumu uzņēmumos; Nākotnes mācību iespējas un resursi padziļinātai UX
izzināšanai
|
|
ITIL®4 pamatkurss ar
sertifikāciju
|
Katrīna Dzene
|
24
|
Pakalpojumu
pārvaldības galveno koncepciju izskatīšana; ITIL® galveno koncepciju
izskatīšana un to pielietojamība vēlamo rezultātu sasniegšanai; Praktiskā
ITIL® vadība - ITIL® V4 ietvara pielietošana uzņēmuma pakalpojumu attīstībai
|
|
Sertificēts SCRUM
meistars (SMC™) ar sertifikāciju
|
Andrejs Gailītis
|
16
|
Scrum ietvars, Lomas Scrum
projektā, Scrum definīcijas, Scrum meistars, Produkta īpašnieks, Izstrādes
komanda, Produkta uzkrājums (Backlog), Sprints, Sprinta plānošana, Ikdienas
Scrum, Sprinta pārskats, Retrospektīva, Spējās izstrādes līgums, Laidiena
plānošana, Mērogošana
|
|
Scrum Product Owner
Certified (SPOC™) ar sertifikāciju
|
Andrejs Gailītis
|
16
|
Agile and Scrum
pārskats; Scrum lomas; Plānošana Scrum;Sprintu plānošana; Scrum ieviešana;
Scrum liela apjoma projektos
|
|
Datu lasītprasmes, kritiskās
un analītiskās domāšanas pamati
|
Jānis Stūris
|
16
|
Kas ir dati, kāpēc tie
nepieciešami, kā tie var sniegt vislielāko labumu un kāda loma tajā ir data
literacy prasmēm. Datu iegūšanas un uzglabāšanas veidu pārskats. Piemēri par
to, kādus ieguvumus to izmantošana sniedz dažādās situācijās. Datu ieraksti
un struktūras - kvalitatīvas datu analīzes veikšanai. Biežāk sastopamās
problēmas un to novēršana. Datu kategorizēšana un ar to saistīto analīzes
rezultātu piemēri. Datu vizualizācija un tās loma datu analīzē. Kritiskās
domāšanas pamati un biežāk sastopamās problēmas, kas traucē iegūt objektīvus
analīzes rezultātus. Biežāk sastopamās problēmas datu vizualizāciju un
statistikas izmantošanā. Pamatiemaņas gan analīzes veidotājam, gan analīzes
rezultātu lietotājam, lai novērstu problēmas un maldinošu secinājumu
iegūšanu. Datu analīzes un statistikas pamati. Datu kopsakarību vai
neiederīgu lielumu atrašana. Ar tiem saistīti praktiskie piemēri un
risinājumi problemātisku situāciju novēršanai. Izpratne par datu kopas
sadalījumu un izmantošanu datu novērtēšanā. Dažādu datu nepilnību atrašana un
labošana (piemēram, trūkstošās vērtības vai dublikāti, datu analīzei
neparocīga struktūra).
|
|
Digitālās
komunikācijas prasmes efektīvai sadarbībai un pārdošanai
|
Inna Miglāne
|
8
|
Digitālā komunikācija
un aktīva klausīšanās; Izpratne par dažādiem komunikācijas stiliem; Aktīvās
klausīšanās tehnikas; Atgriezeniskās saites kultūra; Pārliecināšanas prasmes;
Pārrunas
|
|
Digitālo risinājumu ieviešana
ar projektu vadības Project+ metodi ar sertifikāciju
|
Uldis Zandbergs
|
40
|
Projekts; Ieguldītāju
vajadzību un vēlmju noteikšana; Plānošana; Piegādes vadības plāna izstrāde;
Kvalitātes vadība
|
|
Digitālo risinājumu
ieviešanas pamati
|
Uldis Zandbergs
|
16
|
Projekts un uzņēmuma
struktūra; Projekta uzsākšana un izdevīguma noteikšana; Projekta mērķis,
uzdevumi, prasības un darbi; Projekta plānošana un tās nozīme projekta gaitā;
Projekta robežstabi un laika grafiks; Projekta budžets un finansēšana;
Projekta resursi, to pieejamība, darbs ar apakšuzņēmējiem; Projekta
dalībnieki, projekta komanda, komunikācija, motivācija un vadība; Projekta
risku identificēšana un vadība; Projekta izpildes un uzraudzība; Projekta
slēgšana
|
|
Dizaina domāšana
praksē
|
Kārlis Jonāss
|
24
|
Sagatavošanās
nodarbībām; Ievada nodarbība; Izpētes darbnīca; Definēšanas darbnīca; Ideju
radīšanas darbnīca; Eksperimentēšanas darbnīca; Noslēguma nodarbība
|
|
Efektīva laika un
uzdevumu pārvaldība digitālajā darba vidē
|
Inna Miglāne
|
8
|
Laika izšķiešanas divi
būtiskākie iemesli uzņēmuma procesos un to ietekme uz darbības efektivitāti;
laika plānošanas stūrakmens kā pamats procesu organizācijai un resursu optimizācijai;
Kādas ir 3 - 5 efektīva laika plānošanas galvenās metodes uzņēmuma iekšējo
procesu pārvaldībā; Digitālie laika plānošanas rīki un to salīdzinājums ar
tradicionālajiem risinājumiem uzņēmējdarbībā;
|
|
Interaktīvs
prezentācijas vizuālais materiāls
|
Ilze Rassa
|
6
|
Kas ir iesaiste un
interaktivitāte? Kāda loma prezentācijas struktūras un vizuālā materiāla
izveidē ir auditorijai? Auditorijas uzmanības noturēšanas atslēga;
Interaktīvs prezentācijas materiāls: rādāms un lasāms; Praktisks treniņš: Interaktīva
vizuālā materiāla izveide: Auditorija kā satura virzītājs: nelineārs saturs;
PowerPoint funkcijas nelineāra un dinamiska satura izveidei (navigācijas
joslas un pogas, Zoom funkcija, aktīvie lauki un izlecoši logi);Slaidu
metamorfozes pārejas izmantošana dinamiskumam; Aptauju izveide ar spraudņiem.
Formāti vizuālā materiāla saglabāšanai.
|
|
IREB Informācijas
sistēmu prasību inženierijas pamati ar sertifikāciju
|
Ksenija Lāce
|
24
|
Ievads un pamati;
•UML sertifikācijas
programma;
•Prasību izzināšana;
•Prasību
dokumentēšana;
•Prasību dokumentēšana
ar dabisku valodu;
•Prasību modelēšana;
•Prasību validācija un
komunikācija;
•Prasību pārvaldība;
•Rīku atbalsts
|
|
Līderība digitālajā
laikmetā
|
Inna Miglāne
|
8
|
•Izpratne par dažādiem
līderības stiliem;
•VUCA koncepts;
Efektīvas deleģēšanas metodes; Lēmumu pieņemšanas stratēģijas; Kritiskā
domāšana; Analītiskā domāšana un inovācijas; Pārmaiņu vadība
|
|
Microsoft Power
Platform pamati ar sertifikāciju
|
Aldis Ērglis
|
16
|
Modulis 0 - Automatizācijas
ieguvumi un produktivitātes uzlabošasnas scenāriji (use-cases);
Modulis 1 - Ievads
Power Platform;
Modulis 2 - Ievads
Power Apps;
Modulis 3 - Kā plānot
un projektēt savu risinājumu;
Modulis 4 - Ievads
Dataverse datu bāzē;
Modulis 5 - Ievads
Power Automate;
Modulis 6 - Kā uzbūvēt
automatizētu scenāriju;
Modulis 7 - Ievads
Power BI;
Modulis 8 - Kā būvēt
automatizētus biznesa procesus;
Modulis 9 - Power
Platformas uzraudzība;
Modulis 10 - Ievads
inteliģento aģentu izveidē
|
|
Microsoft Word lietpratējiem
|
Agate Jarmakoviča
|
16
|
Dokumenta skatīšana un
navigācija: Dokumenta satura un fona noformēšana; Informācijas pozicionēšana
un darbs ar tabulām; Pasta sapludināšana; Darbs ar formām, vienādojumiem,
diagrammām un grafikām; Rīki dokumenta veidošanas efektivitātei; Atsauces un
saites; Sadarbība grupās;C iti dokumenta formāti programmā Microsoft
Word;Dokumenta pabeigšana; Papildu iespējas
|
|
NIS2 direktīvas
Vadošais ieviesējs ar sertifikāciju
|
Juris Pūce
|
32
|
Ievads par NIS2 direktīvu
un NIS2 direktīvas ieviešanas uzsākšana;NIS2 direktīvas atbilstības
programmas, aktīvu pārvaldības un riska pārvaldības analīze; Kiberdrošības
kontrole, incidentu pārvaldība un krīžu pārvaldība; Saziņa, testēšana,
uzraudzība un nepārtrauktu procesu pilnveide kiberdrošības jomā;
Sertifikācijas eksāmens.
|
|
Risku vadība digitālo
risinājumu ieviešanā
|
Voldemārs
Hercovs-Herbergs
|
8
|
Riska definīcija un
risku veidi; Risku pārvaldības ietvars un tajā iesaistītas lomas; Risku
vadības process un risku apetīte; Risku un kontroļu pašnovērtēšana; Riska
notikumu un incidenti; Riska indikatori; Risku vadība jauno
produktu/pakalpojumu un izmaiņu ieviešanā.
|
|
Sertificēta
informācijas sistēmu drošības profesionāļa (CISSP) sagatavošanas kurss ar sertifikāciju
|
Edvīns Logins
|
40
|
Drošība un risku
pārvaldība, Aktīvu drošība, Drošības inženierija,Sakaru un tīkla drošība,
Identitātes un piekļuves pārvaldnieki, Drošības novērtējums un pārbaude,
Drošības operācijas, Programmatūras izstrādes drošība
|
|
TOGAF® 10 praktiķa
kurss ar sertifikāciju
|
Aldis Ērglis
|
16
|
Ievads organizācijas
līmeņa arhitektūras būtībā, attīstības vēsturē, mūsdienu organizācijas
izaicinājumos un nepieciešamības pamatojums; TOGAF® sertifikācijas līmeņi,
process un apjoms; TOGAF® pamatelementi, definīcijas un standarta
terminoloģija; Ievads par ADM, tās būtība katra posma mērķiem, uzdevumiem
(tostarp augstā līmenī, pielāgojot un un paplašinot ADM pielietošanu);Ievads
ADM tehnikās un to pielietošanai atbilstošos ADM posmos; TOGAF® references
modeļi un arhitektūras artefaktu klasifikācija; Arhitektūras loģiskie
elementi; Ievads organizācijas līmeņa arhitektūras pārvaldības procesos;
TOGAF® arhitektūras attēlošanas rīks (Archi) un notācija (Archimate); TOGAF®
ieviešanas priekšnoteikumi;
|
|
Uzņēmuma zīmola
atpazīstamība LinkedIn
|
Ieva Drāzniece
|
8
|
Efektīvākie soļi
uzņēmuma zīmola atpazīstamības veicināšanai LinkedIn bez maksas reklāmu
palīdzības; Produktivitāte un laika pārvaldība pilnvērtīga profila izveidē un
uzturēšanā. Uzņēmuma profila stratēģija, Satura veidošanas, profesionālu
attiecību dibināšana ar platformas dalībniekiem; Komandas mijiedarbības
mehānika atpazīstamībsa veicināšanai; Uzticības radīšana, redzamības
mērogošana un atgriezeniskā saikne.
|
|
VMware NSX:
Instalēšana, konfigurēšana, pārvaldība
|
Imants Šķērstens
|
40
|
1. ievads;
2. VMware Virtual
Cloud Network un VMware NSX;
3. NSX infrastruktūras
sagatavošana;
4. NSX loģiskā
pārslēgšana;
5. NSX loģiskā
maršrutēšana;
6. NSX savienošana;
7. NSX ugunsmūri;
8. NSX uzlabotā draudu
novēršana;
9. NSX pakalpojumi;
10. NSX lietotāju un
lomu pārvaldība;11. NSX federācija
|
|
Windows
11 ieviešana un pārvaldība
|
Normunds Upenieks
|
40
|
Windows
11 instalēšana;
Windows 11 jaunināšana un atjaunināšana; Windows 11 konfigurēšana; Tīkla
savienojumu konfigurēšana; Datu krātuves konfigurēšana; Failu un printeru
pārvaldība; Lietotņu pārvaldība Windows 11; Drošības konfigurēšana un
pārvaldība;
|
|
Ievads par MI aģentiem
|
Olavs Rāciņš
|
16
|
Ievads par MI aģentiem.
To būtība un galvenie ieguvumi; Aģentu arhitektūras. Reaktīvie, deliberatīvie
un hibrīdie modeļi; posmi, metodes un to nozīme;
Uztvere un
informācijas apstrāde. Mijiedarbības ar vidi izpēte; Lēmumu pieņemšana un
spriestspēja. Metodes darbību pielāgošanai.
Mašīnmācīšanās tehniku
integrācija;
Daudzaģentu sistēmas.
Aģentu sadarbība un komunikācija; Praktiskie pielietojumi. Lietošanas
gadījumi biznesa procesu automatizācijā.
|
|
MI personīgajai
attīstībai un koučingam
|
Olavs Rāciņš
|
16
|
MI sistēmu būtība.
Ieguvumi un riski darbā ar cilvēkiem. MI aplikācijas un programmatūra.
Personīgās izaugsmes veicināšana. Mērķu izvirzīšana, ieradumu veidošana un to
noturības veicināšana. Laika pārvaldības un fokusa uzlabošanas rīki. MI
virzīti atgriezeniskās saites mehānismi. Iespēju izpēte MI pielietojumam NLP.
Psihoemocionālās labbūtības, emocionālās inteliģences un uzvedības modeļu
iespējas. Prasmju attīstība, karjeras plānošana. Produktivitātes uzlabošana,
izmantojot MI rīkus un risinājumus. Taisnīgums un atbildība MI praksē. Datu
privātums un drošība. Regulējumu izpratne. Labās prakses datu apstrādē un
piekrišanas pārvaldībā. Atbildīga MI izmantošana. Individuālu plānu izstrāde.
|
|
Programmēšana ar MI un
kopilotiem: izstrādes uzlabošana ar inteliģentiem rīkiem
|
Olavs Rāciņš
|
16
|
Ievads MI
programmēšanā. Būtība un priekšrocības. MI virzīta koda ģenerēšana. Galvenie
posmi, metodes un to nozīme. Tehnikas, kā izmantot MI. Efektīvai kļūdu
identificēšanai un labošanai. Praktiska darbība ar kopilotiem. To
uzstādīšana, konfigurēšana un izmantošana dažādās IDE. Integrācija izstrādes
darba plūsmās. MI asistentu iekļaušanai versiju kontroles un CI/CD procesos.
Iespēju izpēte ar kopilotu rīkiem dažādās programmēšanas valodās. Labākās
prakses MI integrēšanai izstrādes darbplūsmās. Praktiski projekti, izmantojot
MI un kopilotu tehnoloģijas. Analīze. Kā uzņēmumi izmanto MI rīkus.
|
|
Dokumentu
sagatavošana, analīze un prezentēšana ar Microsoft 365 Copilot
|
Normunds Upenieks
|
8
|
IIepazīšanās ar
Microsoft 365 Copilot, Profesionālu prezentāciju izveide, izmantojot MI,
Dokumentu izveide, izmantojot MI, Produktīvu sapulču organizēšana, izmantojot
MI,Datu analīze, izmantojot MI, Darba ar e-pastu uzlabošana, izmantojot MI,
Darba rezultātu uzlabošana un radošuma attīstīšana ar mākslīgā intelekta
tērzēšanas rīku
|
|
Microsoft 365
Copilot pārvaldība un iespēju paplašināšana
|
Normunds Upenieks
|
8
|
Sagatavošanās darbam
ar Microsoft 365 Copilot:
•Microsoft 365 Copilot
ieviešana;
•Microsoft 365 Copilot
izmantoto datu drošības un atbilstības nodrošināšana Microsoft 365
Copilot.Microsoft 365 Copilot administrēšana
•Zero Trust principu
pielietošana Microsoft 365 Copilot drošībai
•Microsoft Copilot
pārvaldība
|
|
Kiberdrošība vadītājiem
|
Daniels Heincis
|
4
|
•Kiberdrošības riski
un to ietekme.
|
|
Microsoft Configuration
Manager administrēšana
|
Normunds Upenieks
|
40
|
Datoru un mobilo
ierīču pārvaldība uzņēmumā, Datu analīzes veikšana, izmantojot vaicājumus,
pārskatus un CMPivot, Configuration Manager pārvaldības infrastruktūras
sagatavošana, Configuration Manager klienta izvietošana un pārvaldība,
Personālo datoru un lietojumprogrammu krājumu pārvaldība, Izvietošanai
izmantotā satura izplatīšana un pārvaldība, Lietojumprogrammu izvietošana un
pārvaldība, Pārvaldīto datoru programmatūras atjauninājumu uzturēšana,
Defender aizsardzības ieviešana pārvaldītajiem datoriem, Atbilstības
pārvaldība un droša piekļuve datiem, Operētājsistēmas izvietošanas
pārvaldība, Konfigurācijas pārvaldnieka vietnes pārvaldīšana un uzturēšana,
Kas jauns Microsoft Endpoint Configuration Manager programmā
|
|
Pārdošanas procesa
efektivitāte digitālajā vidē
|
Jānis Jenze
|
individuāli
vienojoties
|
1. Pārdošanas
tiešsaistē esence un būtība;
2. Pārdošanas
digitālajā vidē plānošana; 3. Pārdošanas tipiskās kļūdas digitālajā vidē;
4. Kā parādīt
piedāvājuma vērtību digitālā vidē;
5. Digitālās
pārdošanas rīki - internetveikals, sociālo tīklu profili;
6. Pārdošanas sarunas
un komunikācija ar klientu digitālajā vidē;
7. Pārdošanas procesu
optimizācija.
|
|
Klientu iegūšana un
darījumu vadība digitālajā vidē
|
Jolanata Armande
|
individuāli
vienojoties
|
1. Potenciālo klientu
atrašana un informācijas izmantošana tiešsaistē
2. Komunikācija ar klientu
digitālajā vidē.
3. Kultūras atšķirību
ievērošana.
4. Tiešsaistes
pārdošanas process un komunikācijas specifika.
5. Klientu datu
apstrāde un droša uzglabāšana
|
|
Produktu mārketings
digitālajā vidē
|
Matīss Kaļāns
|
individuāli
vienojoties
|
1. Produkta atbilstība
tirgum (PMF, product/market fit).
2. Paātrināta
nonākšanas tirgū laiku (time-to-market).
3. Produkta pieņemšana
(product adoption) jaunos tirgos.
4. Produkta vēstījums
(value propositions).
5. Investīciju optimizēšana
(segment and channel mix).
6. Sadarbība starp
produktu, pārdošanas un mārketinga komandām.
|
|
Uzņēmuma pārvaldība
attālināti
|
Kristiāna Boša
|
individuāli
vienojoties
|
1. Attālināta darba
procesu vadība un digitalizācijas risinājumi.
2. Darbinieku
motivēšana un iesaiste ar digitālajiem rīkiem.
3. Darba rezultātu
izvērtēšana: atgriezeniskā saite.
4. Atskaites, datu
plūsmas pārvaldība un integrācija ar citām sistēmām.
|
|
Uzņēmuma pārvaldība
attālināti - paplašinātā programma
|
Jolanata Armande
|
individuāli
vienojoties
|
1. Darba izpildes
vadība: mērķi, uzdevumi.
2. KPI un OKR kā
efektivitātes rādītāji. 3. Attālināta darba procesu vadība un digitalizācijas
risinājumi.
4. Darbinieku
motivēšana un iesaiste ar digitālajiem rīkiem.
5. Darba rezultātu
izvērtēšana: atgriezeniskā saite, atskaites, datu plūsmas pārvaldība un
integrācija ar citām sistēmām.
6. Digitālo darba rīku
ietekme uz produktivitāti un rezultātiem.
|
|
Digitālās prasmes
efektivitāte un produktivitātei
|
Daiga Katrīna Bitēna
|
individuāli
vienojoties
|
1. Digitālās prasmes
un tehnoloģijas ikdienas profesionālajā dzīvē.
2. Personīgās
profesionālās efektivitātes un produktivitātes rīki.
3. Komunikācija un
sadarbība digitālajā vidē.
4. Projektu un
uzdevumu pārvaldība: darba plānošanas, laika un resursu pārvaldības rīki.
|
|
Efektīva mākslīgā
intelekta izmantošana ikdienā
|
Edvīns Elferts
|
individuāli
vienojoties
|
1. Kas ir mākslīgais
intelekts?
2. ChatGPT izmantošana
praksē.
3. Praktiska darbnīca
ar MI rīkiem.
4. MI prototipēšanā un
biznesa procesu uzlabošanā.
5. Kas ir aģentiskais
mākslīgais intelekts?
6. Lietojuma gadījumu
analīze un testēšana.
7. Aktuālās MI
attīstības tendences un iespējamie nākotnes virzieni.
|
|
Prezentācija
digitālajā vidē
|
Krista Vāvere
|
individuāli
vienojoties
|
1. Kas ir digitālā
vide: interneta platformas, multimediju iespējas.
2. Kā atšķiras
prezentācija digitālajā vidē no klātienes?
3. Veiksmīgas digitālās
prezentācijas elementi: struktūra, vizualizācija, interaktivitāte, tehniskā
sagatavošanās.
4. Platformas
prezentēšanai;
5. Padomi efektīvai
prezentācijai;
6. Biežākās kļūdas
digitālajā prezentācijā;
7. Nākotnes iespējas
un spēja pielāgoties.
|
|
Mācību sistēmu
attīstība
|
Jeļena Horoškina
|
individuāli
vienojoties
|
1. Zināšanu vadības
tehnoloģiskie risinājumi, t.sk. mācību pārvaldības sistēmas, platformas.
2. Satura atlase vai
izveide digitālajiem mācību risinājumiem.
3. UI/UX - mācību dalībnieku
pieredze. 4. Kompetenču vērtēšanas rīki.
5. Praktiskie uzdevumi
un zināšanu pārbaude digitālajā vidē.
|
|
Mākslīgā intelekta
(MI) rīki un to izmantošana
|
Inese Vēriņa-Lubiņa
|
12
|
MI rīki ikdienas
darbā; Čatboti un virtuālie asistenti; MI aukstā un siltā (cold and warm
outreach) kontakta rīki un metodes
|
|
Mākslīgais intelekts
(MI) biznesa attīstībai
|
Zintis Erics
|
12
|
MI klientu piesaistei
un apkalpošanai; Ģeneratīvā MI pielietojums biznesā; Esošo resursu aizvietošana
ar MI (saturs, procesi, datu bāzes)
|
|
Ievads datu analīzes
pamatprincipos
|
Aldis Polkmanis
|
12
|
Pamatprincipi datu
analīzē; Datu apstrādes un sakārtošanas pamati; Datu vizualizācijas rīki un
tehnikas
|
|
Datu analīze
|
Aldis Polkmanis
|
12
|
Dati digitālajā darba
vidē; Darbs ar datiem - izmantojamās programmatūras; Datu analīzes metodes;
Esošo datu analīzes metodes maiņa digitālajā vidē uz jaunu datu analīzes
metodi
|
|
Datu analīzes
praktiskais pielietojums
|
Aldis Polkmanis
|
12
|
Datu apstrādes un
analīzes metodes; Datu un informācijas vizualizācijas rīki un tehnikas;
Pārliecinošu un vizuāli saprotamu datu vizualizāciju izveide; Datu
interpretēšana un analītisku secinājumu veikšana
|
|
Minimāli dzīvotspējīga
produkta radīšana no A-Z ar mākslīgo intelektu
|
Betija Muižniece/Gatis
Romanovskis
|
8
|
Idejas validācija ar
MI (tirgus analīze, konkurentu izvērtējums, lietotāju vajadzību
apzināšana);Prototipa dizains ar ģeneratīvajiem rīkiem (Figma + MI,
Midjourney u.c.);Funkcionālo risinājumu izstrāde ar no-code un AI asistētiem
rīkiem (Bubble, Webflow, Copilot); Satura un mārketinga materiālu ģenerēšana
ar MI (teksts, vizuālie materiāli, reklāmas kampaņas);Prototipa programmēšana
ar "vibe coding" (Lovable, Google Firebase studio, bolt.new); MVP
testēšana, lietotāju atsauksmju apkopošana un uzlabojumi
|
|
Mikroautomatizācijas
uzņēmumā
|
Betija Muižniece/Gatis
Romanovskis
|
8
|
Kas ir
mikroautomatizācijas un kā tās atšķiras no lielajiem IT projektiem;10
tipiskākie ikdienas uzdevumi, ko var automatizēt 1-2 dienās; AI integrācija
ar Microsoft 365, Google Workspace, Slack u.c.; Mini chatbot un virtuālo
asistentu izveide; Uzraudzība, optimizācija un paplašināšana pēc ieviešanas
|
|
Procesu automatizācija
ar MI - soli pa solim
|
Betija Muižniece/Gatis
Romanovskis
|
8
|
Automatizācijas
pamati: kad un kāpēc izmantot AI; Tipiskie scenāriji: e-pastu apstrāde,
dokumentu klasifikācija, datu ievade; MI + RPA (Robotic Process Automation)
kombinācijas iespējas; Integrācija ar esošām sistēmām (Microsoft, Google
Workspace, u.c.); "No papīra līdz prototipam" kā realizēt ideju bez
izstrādātāja
|
|
Mākslīgais intelekts
pārdošanas efektivitātei
|
Maksims Sičs
|
individuāli
vienojoties
|
1. Īss ievads mākslīgā
intelekta tehnoloģijās: MI pamatprincipi un to pielietojums pārdošanā,
Ģeneratīvais MI vs analītiskais MI - atšķirības un izmantošanas gadījumi,
Pašreizējās iespējas un ierobežojumi pārdošanas procesā, Ētiskie apsvērumi un
personas datu aizsardzība
2. Ieskats labākajos
MI rīkos pārdošanai: Visefektīvākie MI rīki dažādiem pārdošanas posmiem,
Salīdzinājums: bezmaksas vs maksas risinājumi, Praktiska demonstrācija un
rīku salīdzinājums reālajā laikā
3. Promtu jeb komandu
inženierija: Kā pareizi formulēt jautājumus, lai MI sniegtu vērtīgas
atbildes, Praktiskas metodes efektīvu promptu veidošanai dažādiem pārdošanas
uzdevumiem, Iteratīva pieejas uzlabošana, balstoties uz saņemtajiem
rezultātiem
4. Klientu
automatizēta uzrunāšana e-pastā un LinkedIn platformā
5. Pārdošanas procesu
optimizācija ar no-code rīkiem
|
|
Mākslīgais intelekts
finansistiem un grāmatvežiem
|
Maksims Sičs
|
individuāli
vienojoties
|
1. Mākslīgā intelekta
būtība un tā darbības principi:MI pamati un attīstības virzieni finanšu jomā,
Galvenās MI tehnoloģijas: mašīnmācīšanās, dabiskās valodas, apstrāde, datu
analīze; MI ietekme uz finanšu profesiju: pašreizējās tendences un nākotnes
prognozes; Ētiskie apsvērumi un regulējums finanšu datu apstrādē ar MI
palīdzību.
2. Analītisks ieskats konkrētos
MI rīkos: Labākie MI rīki dažādiem finanšu uzdevumiem: prognozēšana, noviržu
atklāšana, riska novērtēšana; Praktiska demonstrācija un MI rīku pielietojuma
piemēri; finanšu funkciju optimizācijai.
3. Promtu jeb komandu
inženierija: Kā formulēt precīzus jautājumus MI sistēmām finanšu kontekstā;
Specializētās finanšu terminoloģijas izmantošana MI vaicājumos; MI
izmantošana finanšu pārskatu analīzē un sagatavošanā.
4.Praktiskā datu
analīze ar mākslīgā intelekta rīku pielietojumu: Finanšu datu apstrāde un
vizualizācija ar MI atbalstu; Budžeta plānošanas un finanšu prognozēšanas
uzlabošana ar MI rīkiem.
5. Finanšu rutīnas
optimizēšana, izmantojot MI un vienkāršu automatizācijas rīkus:
Automatizācijas stratēģijas finanšu funkcijām bez programmēšanas prasmēm;
Viedās datu ekstrakcijas risinājumi dokumentu apstrādei
|
|
MS Copilot
produktivitātei
|
Maksims Sičs
|
individuāli
vienojoties
|
1. Mākslīgā intelekta
būtība un tā darbības principi
2. Promptu jeb komandu
inženierija
3. Copilot lietotnes
apskats un aģentu izveide
4. Dokumentu radīšana
un rediģēšana ar Word & Copilot
5. Prezentāciju
gatavošana ar Copilot palīdzību PowerPoint platformā
6. Excel & Copilot
iespējas
7. Outlook & Teams
ar Copilot
8. Darba plūsmu
optimizēšana ar Copilot sapulcēs
|
|
Mākslīgā intelekta
praktiskās mācības Tavai komandai
|
Maksims Sičs
|
individuāli
vienojoties
|
Ievaddarbnīca - tās
laikā dalībnieki kopā ar treneri identificē konkrētus ikdienas uzdevumus un
procesus, kurus būtu vēlams automatizēt, izmantojot mākslīgā intelekta
risinājumus. MI rīku izvēle un apmācība - pamatojoties uz komandas
vajadzībām, treneris izvēlas piemērotākos rīkus un soli pa solim māca, kā tos
efektīvi lietot. Praktiskā pielietošana - dalībnieki, trenera vadībā, strādā
pie savu izvēlēto procesu reālas automatizācijas, izmantojot apgūtos rīkus.
Individuālās ceļa kartes - gadījumos, kad konkrētu procesu nav iespējams
automatizēt ar publiski pieejamiem MI rīkiem, treneris sagatavo personalizētu
automatizācijas ceļa karti tālākai attīstībai.
|
|
Mākslīgā intelekta
rīki efektīvākam darbiniekam
|
Valters Slava
|
individuāli
vienojoties
|
Īss ievads par
mākslīgā intelekta vēsturi un tehnoloģisko attīstību. Galveno terminu
skaidrojums. Ieskats populārākajos bezmaksas pieejamajos rīkos (Chat GPT, MS
Copilot, Gemini). Promptu jeb komandu inženierija - kā efektīvi izmantot
mākslīgā intelekta rīkus un servisus, lai šie rīki sniedz vēlamo rezultātu.
Kopīgu piemēru veidošana ar grupas dalībniekiem
|
|
Chat GPT lietošana MS
Excel vidē
|
Maksims Sičs
|
individuāli
vienojoties
|
1. Ievads ChatGPT un
tā integrācija Excel vidē
2. Teksta funkciju
aizvietošana ar ChatGPT
3. Datu
personalizācija un analīze
4. Datumu funkciju
formatēšana ar mākslīgā intelekta palīdzību
5. Interaktīvu un
dinamisku tabulu veidošana
6. Tekstu tulkošana
Excel vidē
7. Formulu, M koda un
VBA skriptu ģenerēšana
|
|
Prezentāciju
veidošana, izmantojot mākslīgā intelekta rīkus un PowerPoint
|
Maksims Sičs
|
individuāli vienojoties
|
1. Gatavie rīki
prezentāciju izveidei no teksta vai dokumentiem
2. AI automatizācija:
prezentāciju ģenerēšana no šabloniem
3. Attēlu ģenerēšana
prezentācijām.
4. Satura veidošana no
dokumentiem.
5. Deep Research
izmantošana kvalitatīva satura radīšanai
6. Deep Research rīku
salīdzinājums. Salīdzinošs pārskats: DeepSeek, ChatGPT, Google, Perplexity.
Kurš rīks noder kurā situācijā, priekšrocības un ierobežojumi
|
|
MS Excel Advanced
|
Maksims Sičs
|
individuāli
vienojoties
|
1. Datu struktūras un
sagatavošana efektīvai analīzei (Tabulu un datu struktūras pārvaldība;
Nosacītā formatēšana un datu validācija uzraudzībai)
2. Uzlabotas formulas
un funkcijas vadītāju vajadzībām (INDEX, MATCH, OFFSET, INDIRECT; SUMPRODUCT
un dinamiskās formulas ikdienas KPI aprēķinos
3. Datu vizualizācija
un pārskati (Grafiku un dashboardu veidošana; KPI pārskatu struktūra: no datu
masīva līdz skaidram lēmumam
4. PivotTable un
PowerQuery iespējas (Ātra datu apkopojumu sagatavošana)
|
|
Prasmju darbnīca
"Mākslīgais intelekts 101"
|
Igors Uhaņs, Kristaps
Cīrulis
|
6
|
Darbnīcas mērķis ir
sniegt pārskatu par būtiskākajiem MI rīkiem un to pielietojumu organizācijās.
Nepieciešams aplūkot lielo valodas modeļu (LLM) darbības principus,
praktiskus scenārijus darba efektivitātes uzlabošanai, inovāciju procesus un
pilotprojektu piemērus no citām nozarēm. Vizuālā un balss satura veidošana ar
MI rīkiem. Darbs plānots interaktīvi, balstoties uz uzņēmuma reālajiem
izaicinājumiem
|
|
Mākslīgā intelekta sprints
|
Igors Uhaņs, Kristaps
Cīrulis
|
25
|
Apmācību mērķis ir
nodrošināt dalībniekiem praktiskas prasmes MI rīku izmantošanā, veicinot
digitālās transformācijas procesus uzņēmumā un stiprinot iekšējās inovāciju
kapacitātes. Sprints ir intensīvs, uz sadarbību balstīts apmācību un
inovāciju process, kura laikā organizācijas komanda ciešā sadarbībā ar
mentoriem un ekspertiem izstrādā praktiskus risinājumus konkrētiem uzņēmuma
izaicinājumiem, izmantojot mākslīgā intelekta rīkus. Dalībnieku komandām
nepieciešams apgūt būtiskākos mākslīgā intelekta rīkus, kartēt problēmas, kas
kavē attīstību vai prasa uzlabojumus, ģenerēt risinājumu idejas un pārveidot
tās reālos prototipos, izmantot dizaina domāšanas un inovāciju sprinta
metodoloģijas.
|
|
Mākslīgā intelekta efektīva
izmantošana uzņēmuma ikdienas procesos
|
Valters Slava
|
12
|
Sniegt dalībniekiem
praktiskas zināšanas un prasmes par mākslīgā intelekta (MI) rīku efektīvu
izmantošanu darba organizēšanā, lai uzlabotu datu analīzi, procesus un
ikdienas uzdevumu automatizāciju. Kurss aptver mākslīgā intelekta
pamatprincipus, populārākos MI rīkus un to pielietojumu, īpašu uzmanību
pievēršot pareizai uzvedņu (promptu) veidošanai, sadarbībai komandās un
personalizētu MI risinājumu izstrādei. Apmācības veicina digitālo prasmju
attīstību, inovāciju ieviešanu un lēmumu pieņemšanas procesu pilnveidi
uzņēmuma vadībā.
|
|
Kiberdrošība
|
Aleksandrs Orlovs
|
24
|
Apmācību saturs:
Pašnovērtējuma process un riska identificēšanas process. Identificēto risku analīzes
process. Riska novērtēšanas sagatavošanas process. Riska reģistra
sagatavošana. Novērtēto risku analīze.
|
|
Kiberdrošība
|
Aleksandrs Orlovs
|
2
|
Mācību saturs:
- Kiberdrošības pamati
- Kiberdraudu
apzināšanās
- Kiberhigiēnas pamati
- Pikšķerēšanas
atpazīšana
- Droša komunikācija
|
|
Kiberdrošība
|
Aleksandrs Orlovs
|
8
|
Apmācību nosaukums:
Kiberdrošību pamatu apmācības. Kursa saturs:
- Kiberdrošības pamati
- Kiberdraudu
apzināšanās
- Kiberhigiēnas pamati
- Pikšķerēšanas
atpazīšana - Pikšķerēšanas dažādība
- Noturība pret
pikšķerēšanu
|
|
Mākslīgā intelekta
ietekme kiberdrošībā
|
Aleksandrs Orlovs
|
40
|
- Riski, kas saistīt
ar mākslīgo intelektu - Mākslīgā intelekta pielietošana drošības auditos
- Koda drošības audita
optimizēšana
- Kiberdrošības
elementi programmēšanā izstrādājot kodu
|
|
eKomercijas
kiberdrošības digitalizācijas riski
|
Aleksandrs Orlovs
|
6
|
eCom (eKomercijas)
kiberdrošības riski
Piegāžu ķēdes drošības
riski Operacionālie kiberdrošības riksi Tīmekļa vietnes drošības testēšana
pielietojot OWASP metodoloģiju OSSTMM (Open Source Security Testing
Methodology Manual) testēšanas vadlīnijas;
|
|
Pikšķerēšanas
apmācības
|
Aleksandrs Orlovs
|
30
|
Pikšķerēšanas teorija
Pikšķerēšanas paņēmienu analīze Darbinieku esošo iemaņu pārbaude Darbinieku
iemaņu analīze Noturība pret pikšķerēšanu
|
|
Kiberdrošība darbā ar
optimizācijas rīkiem
|
Aleksandrs Orlovs
|
|
Riski, kas saistīti ar
procesu automatizāciju Trešo pušu kiberdrošības riski Piegāžu ķēdes
kiberdrošības riski Iekšējie draudi Automātisko riku drošības pārvaldība
|
|
Efektīva darbinieku
vadība pārmaiņu laikā digitālajā laikmetā
|
Veronika Skorodihina
|
8
|
Tehnoloģiskās pārmaiņas
un darba vides transformācija mūsdienās kļūst par ikdienu, tomēr tās bieži
izraisa darbinieku pretestību, stresu un neskaidrību. Mācību mērķis ir sniegt
praktisku ieskatu, kā cilvēki parasti reaģē uz pārmaiņām un kā vadītāji var
efektīvi atbalstīt komandu šajā procesā.
|
|
Mākoņpakalpojumi un to
menedžments
|
Didzis Ābele
|
16
|
Google, Apple,
Microsoft un OneDrive izmantošana darba vidē
|
|
Elektronisko dokumentu
pārvaldība
|
Daina Ose
|
4
|
Elektronisko dokumentu
juridiskais spēks;
- Elektronisko rēķinu
pārvaldība;
- Arhivēšana un
glabāšana;
-Normatīvo aktu
ievērošana;
|
|
Darba staciju
kiberdrošība
|
Aleksandrs Orlovs
|
|
Kiberdrošības teorija
Digitalizācijas kiberdrošības riski Lietotņu privātuma un kiberdrošības riski
Darba staciju drošības notikumu analīze Apdraudējumu meklēšana darba stacijās
|
|
Mākslīgā intelekta
izmantošana uzdevumu automatizācijā un promptu izstrādē
|
Valters Slava
|
4
|
Attīstīt prasmes
izmantot mākslīgā intelekta (MI) iespējas, īpaši aģentu sistēmas, ikdienas uzdevumu
automatizācijai, kā arī apgūt promptu inženierijas pamatus - pareizu uzdevumu
formulēšanu, lai panāktu vēlamo rezultātu no MI sistēmām. Rutinētu uzdevumu
automatizāciju veidošana izmantojot aģentu sistēmas Promptu inženierija jeb
kā pareizi formulēt uzdevumus, lai MI rīki mani tiešām saprastu.
|
|
Datu analīze un
vizualizācija
|
Kaspars Iesalnieks
|
21
|
Izmantojot SOLIDWORKS
Composer saskarni, varat atkārtoti izmantot CAD datus un ātri izveidot un
atjaunināt augstas kvalitātes 3D modeļu grafiskos elementus. Tas palīdz
sinhronizēt tehniskās dokumentācijas sagatavošanas un projektēšanas procesus.
Tas ļauj saīsināt laiku, kas nepieciešams, lai jūsu produkts nonāktu tirgū.
Programmatūru var izmantot arī lietotāja rokasgrāmatu, montāžas un
uzstādīšanas instrukciju, apkopes rokasgrāmatu, brošūru, tīmekļa vietņu
izveidošanai. Apmācības kursā dalībnieki iemācīsities veidot detalizētus
attēlus, daļu iznesumu attēlus, animācijas un interaktīvo materiālu. Ievads
par Composer saskarni Navigācija 3D modeļos Parādīšana un izskats Ilustrāciju
veidošana un ilustrāciju pārlūkošanas funkcija programmā Apgaismojums
Animācija (piemēram, par apkalpošanu un apkopi) Izvade gan 2D, gan 3D formātā
Atjaunināšana, kad mainās CAD faili
|
|
"Ražošanas
procesu automatizācijas un digitalizācijas iespējas"
|
Karlīna Anna
Rozenfelde
|
48
|
Mācību kurss ar
praktisku ieskatu uzņēmuma procesu veidošanā, vadībā un pilnveidē, ar īpašu
uzsvaru uz digitālo prasmju attīstīšanu. Nepieciešams aplūkot biežākās kļūdas
procesu vadībā, digitālās automatizācijas iespējas, kā arī procesu
vērtēšanas, mērīšanas un datu analīzes digitālās metodes. Mācību ietvaros
nepieciešams attīstīt prasmes digitāla kvalitātes sistēmas audita plānošanā,
riska analīzē un neatbilstību pārvaldībā, kā arī apskatīt mākslīgā intelekta
un analītisko funkciju pielietošanas iespējas, lai veicinātu uzņēmuma procesu
nepārtrauktu pilnveidi digitālajā laikmetā.
|
|
High Potential Team
|
Nauris Svika
|
14
|
Procesu vadības pamati,
Biznesa procesu kartēšana (praktiskais darbs), Procesu digitalizācija un ERP
loma, Praktiskais grupu darbs: procesu problēmu identifikācija, Biznesa
procesu analīzes metodoloģija, Datu izmantošana lēmumu pieņemšanā, Digitālās
inovācijas un jauni rīki, Grupas darbs: nākotnes procesu modelis
|
|
Cilvēkcentrēta vadība
IT projektu komandās
|
Veronika Skorodihina
|
29
|
Apmācību mērķis ir
attīstīt vadītāju prasmes efektīvai un cilvēkcentrētai komandas vadībai IT projektu
un attālinātās darba vides kontekstā, uzsvaru liekot uz psiholoģisko drošību,
motivāciju, komunikāciju un praktisku problēmu risināšanu.
|
|
Digitāli vadīti
uzņēmuma procesi: no ražošanas līdz klientu servisam
|
Iveta Bikse
|
18
|
Apmācību mērķis ir
nodrošināt darbiniekiem visaptverošas zināšanas un praktiskas prasmes
uzņēmuma galveno procesu pārvaldībā un to pilnveidē digitālo pārmaiņu
kontekstā. Programmas saturs orientēts uz produkta attīstības ciklu - sākot
no izstrādes un ražošanas plānošanas līdz pēcpārdošanas servisam un klientu
apmierinātības nodrošināšanai.
|
|
CRM ieviešana un
efektīvs vadītājs digitālās transformācijas laikā
|
Iveta Bikse
|
18
|
Apmācību programmā
nepieciešams apgūt projektu vadības zināšanu stiprināšana CRM sistēmas ieviešanā
un vadītāju personīgās efektivitātes paaugstināšana, lai nodrošinātu
ilgtspējīgu digitālo pārmaiņu ieviešanu organizācijā.
|
|
NIS2 / NKDL regulas
ieviešana
|
Kristaps Felzenbergs
|
16
|
NIS2 / NKDL izpratne
un uzņēmuma situācijas izvērtējums, IT sistēmu audits un risku analīzes
pamati, cilvēciskais faktors un kiberdrošības kultūra, stratēģijas un
ieviešans ceļakartes izstrāde
|
|
Vadītāja loma uzņēmuma
procesu attīstībā un darbinieku iesaistes vadībā
|
Sandra Liepa
|
14
|
Kursa mērķis ir
attīstīt vadītāju izpratni un kompetences, kas nepieciešamas efektīvai
uzņēmuma procesu vadībai, darbinieku motivācijai, attīstībai un līderībai
pārmaiņu un digitalizācijas apstākļos.
|
|
Noliktavas procesu
optimizācija un inovācijas efektivitātes uzlabošanai
|
Inga Ozola
|
7
|
Kursa mērķis ir
uzlabot noliktavas procesu efektivitāti, ieviešot LEAN pieeju, digitālus
risinājumus un praktiskus uzlabojumus darba organizācijā.
|
|
EFEKTĪVA VADĪBA AR
STRUCTOGRAM®: NO CILVĒKFAKTORA LĪDZ DIGITĀLAJAM RISINĀJUMAM
|
Gatis Ulinskis
|
14
|
Structogram® treniņš
ir neiropsiholoģijā balstīts instruments, ar digitālu atbalstu, kas ļauj
vadītājam ieraudzīt to, ko ikdienas komunikācijā bieži neredzam - cilvēka
biostruktūru, kas nosaka viņa uztveri, lēmumu pieņemšanu un darba stilu. Tā
ir metode, ko jau atzinuši vadoši uzņēmumi visā pasaulē, jo tā sniedz
praktiskus rīkus, nevis teorētiskas vadlīnijas.
|
|
Mākslīgā intelekta
pielietojumi organizāciju procesos un personīgajā produktivitātē
|
Agate Ambulte
|
5
|
Mācībās tiks sniegts praktisks
ieskats ģeneratīvā mākslīgā intelekta (MI) pielietojumos personīgās
produktivitātes un organizācijas procesu uzlabošanai, kam sekos jautājumu un
atbilžu sesija un kopīgas diskusijas, kuru laikā iespējams pārrunāt konkrētus
dalībnieku piemērus un iespējas. Apmācību laikā tiks sniegta koncentrēta
informācija, kas orientēta uz tūlīt izmantojamiem risinājumiem - padomi,
piemēri un darbplūsmas, kuras var pielāgot jūsu uzņēmuma vajadzībām.
|
|
Digitālā arhīva
veidošana
|
Mangirdas Macas Artūrs
Žogla Sergejs Rubins
|
8
|
Nodarbību ietvaros
kursu dalībnieki iepazīsies ar laikrakstu digitalizācijas procesu Latvijas
Nacionālajā bibliotēkā, izmantojo Bookeye v4, A1 formāta skeneri. Kursu
dalībnieki praktiskās nodarbības apgūs laikrakstu skenēšanas labo praksi,
arhīvdatņu un lietojumdatņu izgatavošanu, īpašu uzmanību pievēršot
rekomendētajiem datņu parametriem. Kursu dalībniekiem būs iespēja iepazīties
ar laikrakstu segmentēšanas un teksta atpazīšanas programmatūru CCS docWizz.
Kursu ietvaros tiks apskatītas autortiesības digitālā vidē.
|
|
Digitālie finanšu
aprēķini uzņēmējdarbībā
|
Sandra Zeltiņa
|
12
|
Mācību mērķis: Sniegt
zināšanas un praktiskas iemaņas cenu veidošanas mehānismā, pašizmaksas aprēķinā
un nodokļu sistēmas izpratnē Latvijā, vienlaikus apgūstot digitālos rīkus un
digitālās pārdošanas pieejas, lai dalībnieki spētu izveidot un pamatot savu
cenu stratēģiju gan tradicionālajā, gan digitālajā vidē. Sasniedzamie
rezultāti: Prot aprēķināt sava pakalpojuma vai produkta pašizmaksu, ņemot
vērā mainīgās un pastāvīgās izmaksas. Izprot bezzaudējuma punktu un prot
analizēt peļņas/zaudējuma aprēķinu. Orientējas Latvijas nodokļu sistēmā un
zina, kādi nodokļi jāpiemēro atkarībā no darbības formas. Prot izstrādāt un
pamatot cenu stratēģiju savam biznesam, izmantojot digitālos rīkus. Saprot
cenu veidošanas atšķirības tradicionālajā un digitālajā pārdošanā. Spēj
pielietot digitālās prasmes, lai strādātu ar aprēķinu un pārdošanas
stratēģiju izstrādes tiešsaistes rīkiem.
|
|
Digitālā trauksme un
tehnostress
|
Veronika Skorodihina
|
2
|
Kas ir stress un
digitālais stress (tehnostress, digitālā trauksme) - kā tie rodas un kā tos
atpazīt? Biežāk sastopamie stresori darba vidē, ikdienā un digitālajā vidē Kā
novērtēt savu stresa līmeni, stresa riska faktori un ietekme uz dzīves
kvalitāti Digitālā pārslodze un tehnostress: cēloņi, "sarkanie
karogi", ietekme. Pašvadība un pašaprūpe stresa situācijās.
|
|
Praktiskā darbnīca -
biznesa procesu uzlabošana ar mākslīgo intelektu
|
Agate Ambulte
|
5
|
Kur sākt ar MI
ieviešanu uzņēmumā Kā racionāli turpināt, izvēloties piemērotākos risinājumus
Kad MI neizmantot, lai izvairītos no liekiem riskiem
|
|
Mākslīgā intelekta
(AI) rīku izmantošana ikdienas darbam un biznesam
|
Gatis Praličs
|
12
|
Praktiski apmācīt
darbiniekus droši un efektīvi izmantot mākslīgā intelekta rīkus ikdienas
darbā un biznesa procesos, lai uzlabotu produktivitāti, samazinātu manuālo
darbu un veicinātu inovācijas organizācijā
|
|
"Tehnoloģijas un
digitālās inovācijas ainavu un arhitektūras praksē"
|
Una Īle Artūrs Mengots
Antra Bērziņa Reinis Švedenbergs
|
26
|
Mācību mērķis: sniegt
izpratni par mākslīgā intelekta un digitālo rīku izmantošanu ainavas digitalizācijā,
kā arī attīstīt praktiskas prasmes digitālo vizualizāciju izstrādē un
publiskās ārtelpas attīstības koncepciju veidošanā. Sasniedzamie rezultāti:
1. Izpratne par
mākslīgā intelekta (MI) izmantošanu ainavas digitalizācijā.
2. Prasme izmantot
dažādus digitālos rīkus.
3. Izpratne un
pielietošana publiskās ārtelpas attīstības koncepcijas izstrādē, izmatojot
digitālos rīkus.
4. Situācijas
detalizācijas un prezentēšanas prasmes - dalībnieki iemācīsies detalizēt un
prezentēt izvēlētas publiskās vides situācijas, izmantojot digitālos rīkus.
5. Izprotot MI
iespējas, vizualizāciju veidošanas rīkus, publiskās ārtelpas koncepcijas
izstrādes pamatprincipus, ko dalībnieki efektīvi varēs izmantot darba procesu
uzlabošanai.
6. Dalībnieku izvēlēta
objekta publiskajā ārtelpā situācijas analīze un problēmas risinājums,
izmantojot digitālos rīkus.
|
|
Mākslīgais intelekts
un digitālā transformācija finanšu un grāmatvedības nozarē
|
Ilze Palmbaha
|
6
|
Mācību saturs: mākslīgā
intelekta izmantošana ikdienas darba procesos, grāmatvedības digitālās
pārveides sistēma, procesu sakārtošana, rentabilitātes celšana un kvalitātes
kontrole, reāli piemēri no Latvijas un ārvalstu prakses.
|
|
Grāmatvedības biroju
digitālā transformācija un mi praktiska izmantošana
|
Ilze Palmbaha
|
6
|
Mācību saturs: procesu
sakārtošana, rentabilitāte, komandas noslodze, klientu apkalpošanas sistēma
un MI izmantošana pakalpojumu kvalitātē.
|
|
Digitālie finanšu
aprēķini uzņēmējdarbībā
|
Sandra Zeltiņa
|
12
|
Mācību mērķis: Sniegt
zināšanas un praktiskas iemaņas cenu veidošanas mehānismā, pašizmaksas
aprēķinā un nodokļu sistēmas izpratnē Latvijā, vienlaikus apgūstot digitālos
rīkus un digitālās pārdošanas pieejas, lai dalībnieki spētu izveidot un pamatot
savu cenu stratēģiju gan tradicionālajā, gan digitālajā vidē. Sasniedzamie
rezultāti: Prot aprēķināt sava pakalpojuma vai produkta pašizmaksu, ņemot
vērā mainīgās un pastāvīgās izmaksas. Izprot bezzaudējuma punktu un prot
analizēt peļņas/zaudējuma aprēķinu. Orientējas Latvijas nodokļu sistēmā un
zina, kādi nodokļi jāpiemēro atkarībā no darbības formas. Prot izstrādāt un
pamatot cenu stratēģiju savam biznesam, izmantojot digitālos rīkus. Saprot
cenu veidošanas atšķirības tradicionālajā un digitālajā pārdošanā. Spēj
pielietot digitālās prasmes, lai strādātu ar aprēķinu un pārdošanas
stratēģiju izstrādes tiešsaistes rīkiem.
|
|
Lietu internes
|
Inga Ļaksa
|
4
|
Visaptveroša apmācību
programma, kas aptver būtiskus attālināta monitoringa un Lietu interneta
(Internet of Things) aspektus efektīvai ražošanas un apsaimniekošanas procesu
vadībai.
|
|
Digitālās kompetences
pamati
|
Diāna Zvejniece
|
24
|
Mācību mērķis: Sniegt
dalībniekiem pamatzināšanas un kompetences darbā ar datoru, internetu un MS
Office programmām, lai veicinātu drošu, patstāvīgu un efektīvu digitālo rīku
izmantošanu ikdienā un darba vajadzībām. Sasniedzamie rezultāti: Prot
patstāvīgi ieslēgt, izslēgt datoru un orientēties tā lietošanā. Prot lietot
interneta pārlūku, meklēt informāciju un veikt drošus interneta maksājumus.
Prot aizpildīt un iesniegt pieteikumus tiešsaistes darba vai pakalpojumu
sistēmās. Prot izveidot dokumentus, tabulas un prezentācijas MS Office vidē.
|
|
Digital transformation
and leadership
|
Stockholm School of
Economics
|
110
|
Socio-technical
systems, knowledge work and AI; Organisational change & AI; Strategizing
for competitive advantage and futures thinking; Leadership in change &
uncertainty;Introduction to the modern AI architecture and LLM's; Building
assistants & vibe-coding basics; Integrating of AI and building processes
around it; Creative thinking & Innovation; Strategic technology
transformation; Business process development; Introduction to managerial
finance; Storytelling & pitching in a corporate context; Interactive lab
for practical designing and implementing AI-based innovations
|
|
AI for Executives
Program
|
Toby E. Stuart ,
Thomas Lee, Ken Goldberg
|
24
|
Programma ir
izstrādāta, lai augstākā līmeņa vadītājiem un speciālistiem sniegtu stratēģisku
izpratni par mākslīgā intelekta (AI) iespējām, riskiem un ētiskajiem
aspektiem biznesa kontekstā. Tā palīdz attīstīt AI domāšanas veidu un
stratēģiskās pieejas, kas ļauj uzņēmumiem izmantot AI kā konkurētspējas
priekšrocību. AI pielietojums dažādās nozarēs, AI attīstības tendences un
tehnoloģiju izpratne, AI inovācijas ieviešana uzņēmumā, AI ētika, sociālā
ietekme un politiskie aspekti, AI politika, jaunuzņēmumi un korporatīvā vide,
Darbaspēka pārmaiņas un nākotnes darbs AI laikmetā
|
|
Artificial
Intelligence: Business Strategies and Applications
|
Sameer B. Srivastava,
Thomas Lee
|
32
|
Šī 8 nedēļu
tiešsaistes programma ir izstrādāta, lai palīdzētu uzņēmumu vadītājiem un
lēmumu pieņēmējiem izprast mākslīgā intelekta (MI) potenciālu un tā stratēģisko
pielietojumu biznesā. Tā piedāvā praktisku pieeju MI ieviešanai, aptverot gan
tehniskos, gan organizatoriskos aspektus. Programma sastāv no astoņiem
moduļiem: Ievads MI un biznesā; Mašīnmācīšanās pamati; Neironu tīkli un dziļā
mācīšanās; Galvenās pielietojuma jomas: datorredze un dabiskās valodas
apstrāde; Robotika; MI stratēģija; MI un organizācijas: MI komandas veidošana
MI nākotne biznesā
|
|
Corporate Business
Model Innovation Program
|
Henry Chesbrough,
Andre Marquis
|
24
|
Programma
"Corporate Business Model Innovation" ir izstrādāta, lai palīdzētu
dalībniekiem izprast un ieviest jauninājumus biznesa modeļos. Programma
piedāvā padziļinātu ieskatu mūsdienu inovāciju ietvaros un modeļos, ļaujot
dalībniekiem pārveidot savus inovāciju izaicinājumus par iespējām izstrādāt,
novērtēt un mērogot jaunus biznesa modeļus. Galvenās tēmas:
1. Jaunu inovāciju
konceptu izpratne un apgūšana, tostarp korporatīvās inovācijas stratēģijas,
atvērtā inovācija un Lean Startup modeļu pielietošana korporatīvajā vidē.
2. Jaunu biznesa
modeļu atklāšana un ieviešana, identificējot pašreizējo modeļu stiprās un
vājās puses un validējot potenciāli veiksmīgas inovācijas.
3. Kompleksas pārmaiņu
vadības izaicinājumu pārvarēšana, saskaņojot uzņēmuma stratēģiju ar Lean
metodoloģijām un pārstrukturējot komandas
|
|
Data Science for
Leaders Program
|
Jonathan Kolstad,
Conrad Miller, Matthew Grennan
|
24
|
Programmas mērķis ir
apvienot līderības principus ar datu zinātnes metodēm, lai veicinātu rentablu
un ilgtspējīgu uzņēmējdarbības izaugsmi. Programma piedāvā praktisku pieeju
datu zinātnei, aptverot tādas tēmas kā mašīnmācīšanās pielietojums biznesā,
datu virzītu produktu izstrāde un datu analītikas integrācija stratēģiskajā
lēmumu pieņemšanā. Datu zinātnes domāšanas veida apgūšanu un pielietošanu
biznesa problēmu risināšanā. Datu analītikas un statistikas metožu
izmantošanu uzņēmuma procesu optimizācijā.Datu un tehnoloģiju izmantošanu
jaunas vērtības radīšanai un biznesa stratēģiju izstrādei. Praktiskus
uzdevumus, gadījumu izpēti un paneļdiskusijas ar nozares ekspertiem.
|
|
Digital
Transformation: Leading People, Data & Technology
|
Sameer B. Srivastava,
Thomas Lee
|
32
|
8 nedēļu tiešsaistes
programmas "Digital Transformation: Leading People, Data & Technology"
mērķis ir palīdzēt dalībniekiem izprast un vadīt digitālās transformācijas
procesus, apvienojot cilvēkus, datus un tehnoloģijas, lai nodrošinātu
uzņēmuma konkurētspēju digitālajā laikmetā. Programma sastāv no astoņiem
moduļiem: Ievads un pārskats; Digitālās transformācijas iespējas; Datu loma;
Digitālās transformācijas process; Digitālie biznesa modeļi; Cilvēki un
organizācija; Tehnoloģijas un politika; Noslēgums un rīcības plāns
|
|
Financial Data
Analysis for Leaders Program
|
Panos N. Patatoukas,
Sunil Dutta
|
45
|
"Financial Data
Analysis for Leaders" ir piecu dienu intensīva programma, kas paredzēta
vadītājiem bez finanšu izglītības, lai apgūtu finanšu analīzes pamatus un pielietojumu
uzņēmējdarbībā. Programmas mērķis ir palīdzēt dalībniekiem izprast un
izmantot finanšu datus, lai pieņemtu stratēģiskus lēmumus un veicinātu
uzņēmuma izaugsmi. Programma aptver šādas galvenās tēmas: Finanšu pārskatu
analīze un interpretācija; Izmaksu vadība un rentabilitātes analīze; Datu
ieguve un izmantošana biznesa lēmumu pieņemšanā; Finanšu rādītāju
sasaistīšana ar uzņēmuma stratēģiju; Praktiski uzdevumi un gadījumu izpēte.
|
|
Fintech: Frameworks,
Applications, and Strategies
|
Yaniv Konchitchki,
Christine Parlour
|
32
|
Tiešsaistes programmas
"Fintech: Frameworks, Applications, and Strategies" mērķis ir
palīdzēt dalībniekiem izprast un pielietot finanšu tehnoloģijas (fintech)
savā uzņēmējdarbībā, apvienojot finanšu un tehnoloģiju aspektus, lai
nodrošinātu uzņēmuma konkurētspēju digitālajā laikmetā. Programma sastāv no
astoņiem moduļiem: Ievads un fintech revolūcija; Fintech ekosistēma;Fintech
ekonomiskie pamati ar praktiskiem piemēriem; Datu zinātne un tās pielietojums
fintech problēmu risināšanā; Analītiskās metodes un rīki ar pielietojumu
reālās fintech problēmās; Finanšu pratība ar fintech piemēriem; No fintech
idejas līdz tās īstenošanai; Faktori un stratēģijas fintech panākumiem;
Programma ietver arī gadījumu izpēti no vadošajiem fintech uzņēmumiem
|
|
Machine Learning and
Artificial Intelligence
|
Gabriel Gomes, Joshua
Hug, Reed Walker
|
360
|
6 mēnešu tiešsaistes
programma "Professional Certificate in Machine Learning and Artificial
Intelligence" paredzēta profesionāļiem ar tehnisko vai matemātikas
izglītību. Programmas mērķis ir palīdzēt dalībniekiem iegūt padziļinātas
zināšanas un praktiskas prasmes mašīnmācīšanās (ML) un mākslīgā intelekta
(AI) jomā, lai pielietotu šīs tehnoloģijas biznesa problēmu risināšanā. ML/AI
pamati: Mašīnmācīšanās ievads; Statistikas un datu analīzes pamati;
Praktiskie pielietojumi; ML/AI tehnikas: Klasifikācija un regresija; Laika
rindas analīze; Modelēšanas un optimizācijas metodes; Padziļinātas tēmas un
noslēguma projekts: Dziļo neironu tīkli;D abiskās valodas apstrāde;
Ģeneratīvais AI (piemēram, ChatGPT); Rekomendāciju sistēmas; Noslēguma
projekts ar GitHub portfeļa izveidi
|
|
Product Management
Program
|
Homa Bahrami, Alex
Budak, Jennifer Chatman
|
48
|
Product Management
Program ir intensīva vadītāju līmeņa mācību programma, kas attīsta prasmes
produktu stratēģijas veidošanā, klientu vajadzību izpētē, produktu dzīves
cikla vadībā un datu balstītā lēmumu pieņemšanā, nodrošinot dalībniekiem
praktiskas metodes inovāciju attīstīšanai un konkurētspējīgu produktu
ieviešanai starptautiskā biznesa vidē.
|
|
The Berkeley
Changemaker Program
|
Sara Beckman, Dave
Charron
|
24
|
Berkeley Changemaker
Program ir starptautiska līderības un transformācijas programma, kas attīsta dalībnieku
spējas vadīt pārmaiņas, veicināt inovācijas un radīt ilgtspējīgu ietekmi
organizācijās un sabiedrībā, apvienojot stratēģisko domāšanu, radošu problēmu
risināšanu un praktiskus rīkus pārmaiņu iniciatīvu īstenošanai globālā
kontekstā.
|
|
The Berkeley Executive
Leadership Program
|
Alex Budak, Brandi M.
Pearce, Doy Charnsupharindr
|
45
|
Berkeley Executive
Leadership Program ir augsta līmeņa vadītāju attīstības programma, kas
stiprina stratēģisko līderību, lēmumu pieņemšanu un organizāciju transformācijas
vadību, attīstot dalībnieku spējas efektīvi vadīt komandas, īstenot pārmaiņas
un sasniegt ilgtspējīgus rezultātus dinamiskā un starptautiskā biznesa vidē.
|
|
Global Strategy
|
Henri Schildt
|
24
|
Global Strategy (Aalto
Executive Education) ir stratēģiskās vadības programma, kas attīsta
dalībnieku spējas izstrādāt un īstenot starptautiskas biznesa stratēģijas,
analizēt globālos tirgus un konkurences vidi, pieņemt pamatotus stratēģiskos
lēmumus un vadīt organizācijas izaugsmi dinamiskā un starptautiskā
uzņēmējdarbības kontekstā
|
|
Leading Transformation
with Creativity
|
Tuomas Auvinen
|
24
|
Leading Transformation
with Creativity (Aalto Executive Education) ir vadītāju līmeņa programma, kas
attīsta radošās līderības un inovāciju vadības prasmes, palīdzot dalībniekiem
vadīt organizāciju transformāciju, izmantot dizaina domāšanu un radošas
problēmu risināšanas metodes, lai sasniegtu ilgtspējīgas pārmaiņas un
konkurētspēju mainīgā biznesa vidē.
|
|
Future Considerations of
AI
|
Teemu Roos
|
24
|
Future Considerations
of AI aptver tādas tēmas kā AI aģenti un autonomas sistēmas, automatizācija
un lēmumu pieņemšana, lielo valodas modeļu un IT rīku integrācija, drošība un
regulējums, robotika un iemiesotais mākslīgais intelekts, izskaidrojams AI
(XAI) pārredzamības un atbildības nodrošināšanai, kvantu mašīnmācīšanās
potenciāls, kā arī Edge AI un lietu interneta risinājumi datu apstrādei
reāllaikā.
|
|
Leading with Impact
|
Ira Lange
|
24
|
Leading with Impact ir
vadītāju attīstības programma, kas stiprina līderības kompetences, emocionālo
inteliģenci un ietekmes veidošanas prasmes, attīstot dalībnieku spējas
iedvesmot komandas, vadīt pārmaiņas un sasniegt nozīmīgus un ilgtspējīgus
rezultātus organizācijās.
|
|
Digital Strategy, AI,
and Data-Driven Business
|
Paavo Ritala
|
24
|
Digital Strategy: AI
and Data-Driven Business (Aalto Executive Education) ir stratēģiskās vadības
programma, kas attīsta izpratni par digitālo transformāciju, mākslīgā
intelekta un datu analītikas izmantošanu biznesa attīstībā, nodrošinot
dalībniekiem prasmes veidot digitālās stratēģijas, pieņemt datu balstītus
lēmumus un veicināt inovācijas konkurētspējīgā uzņēmējdarbības vidē.
|
|
AI and Businesses
|
Amirhassan Monajemi
(NUS)
|
28
|
Digitālās
transformācijas speciālistiem paredzēta programma, kas sniedz praktisku un
stratēģisku izpratni par mākslīgo intelektu un mašīnmācīšanos, apvienojot
teorētiskas lekcijas ar praktiskām laboratorijām RapidMiner vidē, gadījumu
analīzi un grupu projektiem, lai dalībnieki spētu izstrādāt AI risinājumus,
novērtēt to pielietojumu organizācijās un veidot AI ieviešanas ceļa kartes
uzņēmumu digitālajai un inteliģentajai transformācijai.
|
Latvijas Digitālais akselerators, specializējoties uz jaunu digitālo
produktu, pakalpojumu un platformu radīšanu, vērtē uzņēmumu digitalizācijas
stratēģiju un gatavību, datu pārvaldību un savietojamību, automatizāciju un
zaļo digitalizāciju, kā arī darbinieku digitalizāciju. Darbinieku
digitalizācija ir būtiska gan uzņēmuma digitālās transformācijas ātrumam, gan
spējai radīt jaunus, tirgū konkurētspējīgus risinājumus. Ņemot vērā IKT
speciālistu trūkumu Latvijas darba tirgū, ir nepieciešams atbalsts uzņēmumu
digitālās transformācijas procesā, nodrošinot mācības darbiniekiem gan
atbilstoši uzņēmuma attīstības vajadzībām, gan darba organizācijas procesam.
Augstas kvalitātes mācību satura pieejamība dažādos formātos (klātienes,
hibrīdrežīma, tiešsaistes) un atbalsts mācību satura izvēlē un mobilitātes
vajadzībām var būtiski palielināt Latvijas komersantu konkurētspēju reģionā un
veidot zināšanās balstītu uzņēmējdarbības attīstības vidi.
