Johdatus koneoppimisen menetelmiin (5op)

Arviointiasteikko

H-5

Sisällön jaksotus

- Perustason koneoppimisen mallien teoria ja käytäntö tyypillisissä ohjatun ja ohjaamattoman oppimisen tehtävissä
- Yleiset perinteisen koneoppimisen algoritmit
- Datan esikäsittely koneoppimisen algoritmeja varten
- Virhemetriikka ja koneoppimisen mallin suorituskyvyn arviointi
- Soveltuvien työkalujen (e.g. korkean tason koneoppimisen ohjelmointirajapinnat, kuten scikit-learn) hyödyntäminen tekoälyratkaisujen kehittämisessä

Tavoitteet

- Knowledge and skills to understand basic machine learning (ML) models and methods, and to choose and apply them in a principled and sound way in basic tasks
- Abilities for computational thinking that utilizes machine learning, for problem solving

Sisältö

- Theory and practice of basic ML models and methods for typical tasks encountered in at least unsupervised and supervised learning
- Use of suitable tools (e.g., a high-level ML application programming interface) for building solutions

Aika ja paikka

Opintojaksolla opiskellaan kampuksella luokkatilassa. Lapin ammattikorkeakoulu, Rantavitikan kampus, 12.1.2026 - 15.5.2026.

Oppimateriaalit

Opintojakson oppimateriaali löytyy opintojakson Moodle-työtilasta. Lisämateriaalia haetaan tarvittaessa internetissä. Opintojaksolla kannustetaan myös itsenäiseen tiedonhakuun ylimääräisen materiaalin etsimiseksi.

Opetusmenetelmät

Luennot, workshopit, esimerkit, harjoitukset ja itsenäinen työskentely.

Opintojaksolla hyödynnetään Arenen tekoälysuosituksia ja liikennevalomallia ammattikorkeakouluille. Tekoälyn käyttämisen mahdollisuus riippuu annetusta harjoitustehtävästä.

Harjoittelu- ja työelämäyhteistyö

Opintojakso on kytketty saman lukukauden lukukausiprojektiin, jossa käytettävät tekniikat ovat yleisiä työelämässä. Opetettavat tekniikat sekä niitä koskevat esimerkit tulevat osittain lukukausiprojektin tarpeista.

Tenttien ajankohdat ja uusintamahdollisuudet

Opintojakso arvioidaan henkilökohtaisen työn ja harjoitusten perusteella.

Kansainvälisyys

Opintojakso toteutetaan englannin kielellä.

Toteutuksen valinnaiset suoritustavat

Vaihtoehtoisista opintojakson suoritustavoista voi keskustella ohjaajan kanssa.

Opiskelijan ajankäyttö ja kuormitus

Opintojakso on laajuudeltaan 5 opintopistettä (ECTS), mikä tarkoittaa noin 135 tunnin kokonaistyömäärää. Työmääräsi jakautuu keskimäärin seuraavasti:

- Luennot ja workshopit: 50 h
- Itsenäinen oppiminen ja valmistautuminen: 45 h
- Arvioitavat tehtävät: 40h

Arviointikriteerit, tyydyttävä (1)

Grade 1: The student knows the theory on the considered ML models and methods. The student is able to solve basic ML problems, using the considered tools.

Arviointikriteerit, hyvä (3)

Grade 3: The student understands the theory on the considered ML models and methods. The student is able to solve a variety of basic ML problems, using the considered tools, suitably.

Arviointikriteerit, kiitettävä (5)

Grade 5: The student understands the theory on the considered ML models and methods. The student is able to solve a variety of basic ML problems, using the considered tools, most suitably.