Opinto-opas

Tavoitteet

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.

Sisältö

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).

Oppimateriaalit

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.

Opetusmenetelmät

Verkkomateriaali. Käytännön harjoitustuki tarjotaan työpajoissa.

Sisällön jaksotus

- 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 kirjasto

Arviointiasteikko

H-5

Arviointikriteerit, tyydyttävä (1)

Opiskelija tuntee koneoppimisen sovelluskohteita sekä keskeisimpiä algoritmeja. Opiskelija osaa hyödyntää valmista koneoppimisen pilvipalvelualustaa.

Arviointikriteerit, hyvä (3)

Opiskelija osaa valita tehtävään soveltuvat koneoppimisen algoritmit ja vertailla niitä. Opiskelija osaa hyödyntää valmiita koneoppimisen alustoja, kirjastoja ja malleja.

Arviointikriteerit, kiitettävä (5)

Opiskelija osaa valita tehtävään parhaiten soveltuvat koneoppimisen alustat ja kirjastot. Opiskelija osaa suunnitella ja toteuttaa vaativan koneoppimista hyödyntävän ohjelmiston.

Arviointimenetelmät ja arvioinnin perusteet

Arvosanat perustuvat harjoitusten laatuun, määrään ja kattavuuteen.