AI and Machine Learning (5 cr)
Code: R504TL137-3001
General information
- Enrollment
-
18.03.2024 - 31.07.2024
Registration for the implementation has ended.
- Timing
-
01.08.2024 - 31.12.2024
Implementation has ended.
- Number of ECTS credits allocated
- 5 cr
- Local portion
- 5 cr
- Mode of delivery
- Contact learning
- Unit
- Bachelor of Engineering, Information Technology
- Teaching languages
- Finnish
- Seats
- 0 - 50
- Degree programmes
- Degree Programme in Information and Communication Technology
- Teachers
- Mikko Pajula
- Teacher in charge
- Mikko Pajula
- Scheduling groups
- In-person group (Size: 0 . Open UAS : 0.)
- Online Group (Size: 0 . Open UAS : 0.)
- Groups
-
R54T21SBachelor of Engineering, Information Technology (full time day studies), autumn 2021
-
RA54T21SBachelor of Engineering, Information Technology (online studies), autumn 2021
- Small groups
- In-person group
- Online Group
- Course
- R504TL137
Evaluation scale
H-5
Content scheduling
- Johdanto Tekoälyyn ja Koneoppimiseen. Käyttökohteet ja Hyödyntämismahdollisuudet
- Koneoppimisen Algoritmit ja Menetelmät, kuten Regressioanalyysi, Päätöksentekoalgoritmit,
- Ohjatut ja ohjaamattomat luokittelualgoritmit, Pääkomponenttianalyysi.
- Sovellusesimerkit ja projektityö
- Koneoppimisen alustat ja kirjastot
Objective
Opiskelija tuntee tekoälyn ja koneoppimisen käsitteitä. Opiskelija osaa tunnistaa tekoälyn ja koneoppimisen käyttökohteita ja mahdollisuuksia. Opiskelija osaa soveltaa koneoppimisen algoritmeja käytäntöön sovelluskohteeseen soveltuvalla tavalla. Opiskelija tuntee keskeisimpiä koneoppimisen alustoja ja kirjastoja.
Content
Tekoälyn, koneoppimisen ja syväoppimisen perusteet, käyttökohteet ja hyödyntämismahdollisuudet. Toteutuskohtaisesti käydään läpi sovellusesimerkkejä koneoppimisen yleisimmistä algoritmeista, kuten
- Regressioanalyysi
- Päätöksentekoalgoritmit
- Ohjatut ja ohjaamattomat luokittelualgoritmit
- Pääkomponenttianalyysi
Valmiiden koneoppimisen pilvipalvelualustojen käyttö (open science online platform for machine learning).
Materials
Kaikki kurssin tarvittavat materiaalit koostetaan ja tehdään saataville Moodle-työtilasta käsin.
Itseopiskeluun ennakkovaatimuksia, jos ei ole tuttuja:
Pythonin perusteet: Tutustuminen Python-ohjelmointikielen peruskäsitteisiin ja syntaksiin. Tiedonhallinnan perusteet: Ymmärrys perusasioista tiedon käsittelyssä, mukaan lukien JSON ja tietokannat. Tietotekniikan perusteet: Tietämys keskeisistä IT-käsitteistä, mukaan lukien ymmärrys siitä, mitä CPU ja GPU ovat.
Teaching methods
Verkkomateriaali, nauhoitteet ja lähiopetus lähiopetusryhmälle. Etäryhmälle etätehtävät
Assessment criteria, satisfactory (1)
Opiskelija tuntee koneoppimisen sovelluskohteita sekä keskeisimpiä algoritmeja. Opiskelija osaa hyödyntää valmista koneoppimisen pilvipalvelualustaa.
Assessment criteria, good (3)
Opiskelija osaa valita tehtävään soveltuvat koneoppimisen algoritmit ja vertailla niitä. Opiskelija osaa hyödyntää valmiita koneoppimisen alustoja, kirjastoja ja malleja.
Assessment criteria, excellent (5)
Opiskelija osaa valita tehtävään parhaiten soveltuvat koneoppimisen alustat ja kirjastot. Opiskelija osaa suunnitella ja toteuttaa vaativan koneoppimista hyödyntävän ohjelmiston.