Opinto-opas

Tavoitteet

Kognitiivisten järjestelmien avulla voidaan muodostaa erilaisia ihmisen ja koneen välisiä vuorovaikuttavia järjestelmiä käyttäen koneoppimismenetelmiä ja luonnollisen kielen prosessointia. Kognitiivisille järjestelmille odotetaan löytyvän laaja kirjo sovelluksia terveydenhuollossa, kuten kuva-analyysissä, päätöksenteon tuessa, diagnostiikassa ja potilaiden avustamisessa. Nämä järjestelmät nojaavat yhä enemmän syväoppimiseen ja yleensä toteutetaan neuroverkkojen avulla.

Tämä kurssi esittelee kuinka neuroverkkoja käytetään hahmontunnistamisen ja luonnollisen kielen käsittelyn kaltaisissa tehtävissä. Kurssi sisältää neuroverkkojen määrittelyssä ja opettamisessa käytettävien keskeisten käsitteiden ja algoritmien esittelyn lisäksi myös katsauksen tietyissä erityissovelluksissa tarvittaviin arkkitehtuurivalintoihin. Opiskelijat pääsevät myös itse rakentamaan oman neuroverkkonsa.

Kurssin suoritettuaan opiskelija on omaksunut kyvyn sekä ymmärtää että rakentaa neuroverkkoja terveysteknologisissa sovelluksissa.

Sisältö

Neuroverkkojen perusteet, konvolutiiviset ja takaisinkytkeytyvät neuroverkot, neuroverkkojen sovellukset terveysteknologisissa sovelluksissa, luonnollisen kielen käsittelysovellukset.

Arviointiasteikko

0-5

Arviointikriteerit, tyydyttävä (1)

Opiskelija on saavuttanut opintojakson tavoitteet välttävästi. Opiskelija tunnistaa, osaa määritellä ja käyttää opintojakson aihepiirin käsitteitä ja malleja. Opiskelija ymmärtää asiantuntijuuden kehittymisen edellytykset ja periaatteet.

Arviointikriteerit, hyvä (3)

Opiskelija on saavuttanut opintojakson tavoitteet hyvin, vaikka tiedoissa ja taidoissa onkin jollain alueilla vielä kehitettävää. Opiskelija osaa määritellä hyvin opintojakson aihepiirin käsitteitä ja malleja ja pystyy tekemään perusteltua analyysiä. Opiskelijalla on valmiuksia soveltaa oppimaansa vapaa-ajan, opiskelun ja työelämän tilanteissa. Opiskelija ymmärtää asiantuntijuuden merkityksen tietotekniikan alalla ja osaa analysoida omaa asiantuntijuuttaan

Arviointikriteerit, kiitettävä (5)

Opiskelija on saavuttanut opintojakson tavoitteet kiitettävästi. Opiskelija hallitsee kiitettävästi opintojakson aihepiirin käsitteet ja mallit. Opiskelija osaa analysoida sujuvasti ja perustellusti sekä esittää käytännön kehittämistoimenpiteitä. Opiskelijalla on hyvät valmiudet soveltaa oppimaansa vapaa-ajan, opiskelun ja työelämän tilanteissa. Opiskelija osaa analysoida tietotekniiikan alan asiantuntijuutta ja omaa asiantuntijaksi kehittymistään.

Arviointikriteeri, hyväksytty/hylätty

Opiskelija on saavuttanut opintojakson tavoitteet. Opiskelija tunnistaa, osaa määritellä ja käyttää opintojakson aihepiirin käsitteitä ja malleja. Opiskelija ymmärtää asiantuntijuuden kehittymisen edellytykset ja periaatteet.

Esitietovaatimukset

Algebran ja tilastomatematiikan perusteet, kohtalaiset ohjelmointitaidot, mittaustiedon käsittelytaidot.

Lisätiedot

Opintojaksojen Mathematics and Methods in Machine Learning and Neural Networks ja Neural Networks for Health Technology Applications sisällöt tukevat toisiaan ja suositellaan, että opiskelija osallistuu molemmille kursseille.