Koneoppimisen pilvipalveluratkaisut (5op)

Arviointiasteikko

H-5

Sisällön jaksotus

- Pilvilaskenta yleisellä tasolla
- Yleisiä pilvipalvelualustoja
- Neuroverkkojen ja syväoppimisen perusteet
- Syväoppimisen teknologiset näkökohdat
- Kuvien luokittelun ja objektien tunnistamisen perusteet
- Koneoppimisen sovelluskehitys pilvialustoissa
- Muita pilvilaskennan työkaluja

Tavoitteet

The student is familiar with common machine learning models supported by online platforms for machine learning. The student can create custom machine learning applications in the cloud without having to write complex code.

Sisältö

Machine learning models supported by the largest cloud providers: binary prediction, category prediction and value prediction.

Building, training and deploying machine learning model in the cloud:
- Preparing the data
- Training the model to learn from the data
- Deploying the model
- Evaluate the model's performance

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. Opetettavat tekniikat sekä niitä koskevat esimerkit tulevat osittain lukukausiprojektissa mukana olevan työelämäedustajan / yrityksen 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)

The student can implement a machine learning application in the cloud.

Arviointikriteerit, hyvä (3)

The student can implement machine learning applications in the cloud using different models.

Arviointikriteerit, kiitettävä (5)

The student can implement machine learning applications in the cloud using different models and cloud machine learning services.