Tanediq Sazināties
Drīzumā Jauna grāmata · 2026

AI risinājumu praktiskā pavārgrāmata

No idejas un datiem līdz drošam, pārbaudītam AI risinājumam. Praktiska rokasgrāmata uzņēmumiem, publiskajam sektoram un AI projektu komandām: kā izvēlēties pieeju, sagatavot datus, novērtēt kvalitāti, ievērot AI Act un GDPR un nonākt līdz reālai ekspluatācijai.

Autors Edijs Tanons ISBN 978-9934-38-841-5 Valoda latviešu
Grāmatas vāks: AI risinājumu praktiskā pavārgrāmata. No idejas līdz drošam AI pakalpojumam. Edijs Tanons.
Vispirms izvēlies vienkāršāko tehnoloģiju, kas spēj uzticami atrisināt konkrēto problēmu. GRĀMATAS PAMATPRINCIPS · PRIEKŠVĀRDS
Kam šī grāmata

Rakstīta tiem, kam jāpieņem lēmumi, ne tikai programmētājiem

Saruna par AI pārāk bieži sākas ar jautājumu “Kādu modeli izvēlēties?”. Grāmata sāk ar biznesa problēmu, datiem un to, kā objektīvi izmērīt, vai risinājums strādā.

Uzņēmumu vadītājiKad AI ir vajadzīgs, cik tas maksā un kā novērtēt atdevi.
Valsts pārvaldeDroša AI ieviešana, AI Act riska līmeņi un GDPR prasības.
IT direktoriInfrastruktūra, modeļu izvēle, mākonis vai sava GPU vide.
Projektu un produktu vadītājiNo pilotprojekta līdz ekspluatācijai un mērogošanai.
Datu speciālistiDatu gatavība, novērtēšana, red teaming un monitorings.
Universālais AI risinājuma ceļš

Astoņi posmi, kurus iziet gandrīz katrs AI projekts

Neatkarīgi no tā, vai būvējat dokumentu asistentu, video analītiku vai AI aģentu. Grāmata katru posmu apskata atsevišķi.

  1. PROBLĒMAKuru konkrēto problēmu risinām un kā mērīsim rezultātu.
  2. DATIVai dati ir gatavi AI un kā tos sagatavot.
  3. PIEEJAUzvedne, RAG, pielāgošana vai klasisks ML modelis.
  4. PROTOTIPSMazākais strādājošais risinājums ar reāliem datiem.
  5. NOVĒRTĒŠANAAI kvalitātes mērījumi pirms lēmuma ieviest.
  6. DROŠĪBARed teaming, guardrails, AI Act un GDPR.
  7. IEVIEŠANAEkspluatācijas arhitektūra un dokumentācija.
  8. MONITORINGSNovērojamība, kvalitātes uzraudzība un uzlabojumi.
IV daļa · AI receptes

Septiņas receptes ar arhitektūru, sastāvdaļām un soļiem

Grāmata veidota kā pavārgrāmata. Ja ideja jau ir, var sākt uzreiz ar atbilstošo recepti.

RECEPTE #01

Uzņēmuma dokumentu AI asistents

Atbild uz darbinieku jautājumiem no organizācijas dokumentiem un parāda avotu (RAG).

DOCUMENTS→CHUNKING→EMBEDDINGS→RETRIEVAL→LLM→ANSWER + SOURCES
RECEPTE #02

Datorredze

Kameru un attēlu analīze: defekti, drošības ekipējums, objektu skaitīšana, numura zīmes.

CAMERA→FRAME→MODEL→DETECTION→BUSINESS RULE→ALERT
RECEPTE #03

AI balss aģents

Klientu apkalpošana, rezervācijas un helpdesk pa tālruni, kur aizture ir kritiska.

CALLER→SPEECH-TO-TEXT→AI AĢENTS→RĪKI→TEXT-TO-SPEECH
RECEPTE #04

Document AI

Rēķini, līgumi un veidlapas pārvērsti strukturētos datos un nodoti ERP sistēmai.

DOCUMENT→OCR / VISION→CLASSIFICATION→EXTRACTION→VALIDATION→ERP
RECEPTE #05

Prognozējošais AI

Klientu aizplūšana, iekārtu bojājumi, pārdošanas apjomi. Bieži bez LLM.

VĒSTURISKIE DATI→FEATURES→APMĀCĪBA→VALIDĀCIJA→PROGNOZE
RECEPTE #06

AI aģents

AI, kas ne tikai atbild, bet dara: CRM, līgumi, piedāvājumi ar kontrolētām tiesībām.

LIETOTĀJS→LLM→PLĀNS→RĪKI→API→REZULTĀTS
RECEPTE #07

LLM pielāgošana

Kad fine-tuning ir jēgpilns, kad labāk izvēlēties RAG un kā pielāgot pamatmodeli.

BASE MODEL→DATU KOPA→FINE-TUNING→NOVĒRTĒŠANA
PIELIKUMI A–H

Praktiskā AI rīku kaste

Datu gatavības pārbaudes lapa, lietojuma gadījuma kanva, datu kopas un modeļa pase, risku matrica, AI terminu vārdnīca.

Saturs

Desmit daļas, 25 nodaļas un 7 receptes

I
Pirms sākt būvētKas ir AI risinājums, kuru pieeju izvēlēties, AI projekta anatomija.
II
Dati: AI galvenā izejvielaDatu gatavība, sagatavošana, apmācības, validācijas un testa kopas.
III
Modeļi un infrastruktūraModeļa izvēle, kur AI darbināt, NVIDIA AI tehnoloģiju karte.
IV
AI receptesRAG, datorredze, balss aģents, Document AI, prognozes, aģenti, fine-tuning.
V
Kā pārbaudīt, vai AI strādāKvalitātes novērtēšana, red teaming, drošības barjeras.
VI
No prototipa līdz ekspluatācijaiArhitektūra, novērojamība un monitorings, projekta dokumentācija.
VII
AI Act un drošs AIKā noteikt AI sistēmas risku, GDPR un AI.
VIII
MIC / AI Latvia SandboxKad nākt uz regulatīvo smilškasti, AI Solution Readiness Assessment.
IX
No sandbox līdz tirgumPilotprojekts, ceļš līdz ekspluatācijai, mērogošana un eksports.
X
Praktiskie rīkiAI projekta kalkulators, infrastruktūras izmērs, projekta komanda.
Iegāde · drīzumā

Drīzumā iegādājama Jāņa Rozes grāmatnīcās

Grāmata tiek gatavota izdošanai un drīzumā būs nopērkama Jāņa Rozes grāmatnīcās visā Latvijā. Uzrakstiet autoram, ja vēlaties saņemt ziņu, kad tā būs pieejama, vai iegādāties vairākus eksemplārus komandai vai pasākumam.

Drīzumā grāmatnīcās AI risinājumu praktiskā pavārgrāmata
Autors
Edijs Tanons
Izdevējs
Edijs Tanons, 2026
ISBN
978-9934-38-841-5
UDK
004.8(03)
Valoda
latviešu

Regulējuma informācija (AI Act, GDPR, MIC speciālā regulatīvā vide) atbilst stāvoklim 2026. gada oktobrī.

Par autoru

Edijs Tanons

Tehnoloģijas, bizness un praktiska AI ieviešana

  • 20+gadu pieredze Latvijas un starptautiskajā IT nozarē
  • IBMvadījis IBM biznesu Latvijā; vadoši amati arī LG Electronics
  • Datakominovāciju direktors: AI risinājumi, privāta AI infrastruktūra, HPC
  • IT klasterisLatvijas IT klastera padomes loceklis

Edijs Tanons ir tehnoloģiju un biznesa attīstības vadītājs, kura darbs vienmēr bijis saistīts ar divām pasaulēm: tehnoloģijām un biznesu.

Profesionālās karjeras laikā viņš strādājis ar uzņēmumu digitālo transformāciju, datu analītiku, infrastruktūru un jaunu tehnoloģiju ieviešanu. Par biznesa analītiku un datu izmantošanu viņš publiski runājis jau IBM Watson laikā, un šobrīd strādā ar nākamās paaudzes AI infrastruktūru, modeļiem un uzņēmumu AI ieviešanas projektiem.

Datakom viņš attīsta jaunus tehnoloģiju un biznesa virzienus, sākot no uzņēmumu un valsts organizāciju AI risinājumiem līdz privātai AI infrastruktūrai, augstas veiktspējas skaitļošanai un praktiskai ģeneratīvā AI ieviešanai.

Zināšanas papildinājis University of Illinois Urbana-Champaign, University of Pennsylvania un University of Virginia programmās: stratēģiskā vadība, finanšu pārvaldība, dizaina domāšana un AI praktiskā izmantošana.

Svarīgākais nav tas, cik daudz mākslīgā intelekta mēs Latvijā patērējam. Svarīgākais ir, cik daudz zināšanu, tehnoloģiju un produktu mēs paši spējam radīt un eksportēt. NO NODAĻAS “KĀPĒC ŠĪ GRĀMATA?”
Sadarbība

Satiksimies, apmācīsim komandu vai kopā izveidosim jūsu AI projektu

Uzrakstiet pāris teikumus par savu ideju vai vajadzību, un vienosimies par laiku tikšanās reizei.

Tikšanās

  • AI iespēju saruna jūsu organizācijai
  • Lekcija vai uzstāšanās pasākumā
  • Grāmatas prezentācija komandai
Pieteikt tikšanos →

Apmācības

  • Vadītājiem: kā izvēlēties un novērtēt AI projektu
  • Komandām: dati, receptes, novērtēšana
  • AI Act un GDPR praktiskā piemērošana
Pieteikt apmācības →

Palīdzība projektā

  • Idejas un datu gatavības novērtējums
  • Pieejas, modeļa un infrastruktūras izvēle
  • Pilotprojekts un ceļš līdz ekspluatācijai
Aprakstīt projektu →
E-pasts Edijs.Tanons@datakom.lv
Rakstīt e-pastu
LinkedIn Edijs Tanons