Skip to main content

Machine learning and reasoning with built environment dataLaajuus (5 cr)

Code: TX00FE98

Credits

5 op

Teaching language

  • English

Responsible person

  • Seppo Törmä

Objective

The student can identify and explain the basic concepts of validating data and deriving new data from existing data through data analysis, machine learning, machine inference, rule-based systems, and artificial intelligence in general. The student understands the benefits and prerequisites of the technologies and the potential use scenarios in construction domain. The student knows and can apply a set of tools for data validation and data derivation for data in construction domain. The student can programmatically integrate these technologies to broader software solutions in the construction domain.

Content

- Introduction to artificial intelligence, learning and reasoning
- Application areas of artificial intelligence technologies in the construction domain
- Machine learning approaches, including neural networks and deep learning
- Semantic models
- Logical and ontology-based reasoning
- Knowledge graphs in construction
- Rule-based reasoning and validation
- Rule-based checking of BIM models

Prerequisites

TX00FE95
TX00FE96

Assessment criteria, satisfactory (1)

The student has achieved the minimal objectives of the course. The student can identify and explain the concepts and approaches related to data analysis, machine learning, reasoning, and rule-based systems and their potential use scenarios in the construction domain. The student knows and is familiar with some software tools in the area. The student has completed the required learning exercises in minimum requirement level. The competencies acquired form the basis for the student to build his/her knowledge in machine learning and reasoning in construction domain, eventually enabling a job position in applying these tools.

Assessment criteria, good (3)

The student has achieved the objectives of the course well, even though the knowledge and skills need improvement on some areas. The student can identify and explain the concepts and approaches related to data analysis, machine learning, reasoning, and rule-based systems and their potential use scenarios in the construction domain. The student knows and can apply software tools in the area. The student has completed the required learning exercises in good or satisfactory level. The student is able to create software solutions incorporating machine learning and reasoning functionalities. The student has the capability to apply the knowledge in further studies and in software development work related machine learning and reasoning.

Assessment criteria, excellent (5)

The student has achieved the objectives of the course with excellence. The student can identify and explain the concepts and approaches related to data analysis, machine learning, reasoning, and rule-based systems and their potential use scenarios in the construction domain. The student knows and can apply multiple software tools in the area. The student has completed the required learning exercises in excellent or good level. The student is able to integrate well-placed machine learning and reasoning functionalities in complex software solutions in a justified manner. The student has an excellent basis to apply the knowledge in further studies and in software development related to machine learning and reasoning.

Enrollment

01.03.2024 - 22.03.2024

Timing

18.03.2024 - 17.05.2024

Number of ECTS credits allocated

5 op

Mode of delivery

Contact teaching

Unit

School of Real Estate and Construction

Campus

Myllypurontie 1

Teaching languages
  • English
Degree programmes
  • Master's Degree Programme in Computing in Construction
Teacher in charge

Seppo Törmä

Groups
  • T2423S6
    Master's Degree Programme in Computing in Construction, ylempi

Objective

Opiskelija osaa tunnistaa ja selittää peruskäsitteet tiedon validoinnista ja uuden datan johtamisesta olemassa olevasta datasta data-analyysin, koneoppimisen, koneellisen päättelyn, sääntöpohjaisten järjestelmien sekä yleisesti tekoälyn avulla. Opiskelija ymmärtää näiden teknologioiden hyödyt ja käyttöedellytykset sekä mahdolliset käyttöskenaariot rakennusalalla. Opiskelija tuntee ja osaa soveltaa työkaluja rakennusalan tiedon validointiin ja uuden tiedon johtamiseen. Opiskelija osaa ohjelmallisesti integroida näitä teknologioita laajempiin rakennusalan ohjelmistoratkaisuihin.

Content

- Johdatus tekoälyyn, oppimiseen ja päättelyyn
- Tekoälytekniikoiden sovelluskohteet rakennusalalla
- Koneoppimisen lähestymistavat, mukaanlukien hermoverkot ja syväoppiminen
- Semanttiset mallit
- Looginen ja ontologiapohjainen päättely
- Tietämysgraafit rakennusalalla
- Sääntöihin perustuva päättely ja validointi
- Sääntöihin perustuva rakennustietomallien tarkastaminen

Evaluation scale

0-5

Assessment criteria, satisfactory (1)

Opiskelija on saavuttanut kurssin vähimmäistavoitteet. Opiskelija osaa tunnistaa ja selittää data-analyysiin, koneoppimiseen, päättelyyn ja sääntöpohjaisiin järjestelmiin liittyvät käsitteet ja lähestymistavat sekä niiden mahdolliset käyttöskenaariot rakentamisen alalla. Opiskelija tuntee joitakin alan ohjelmistotyökaluja. Opiskelija on suorittanut vaadittavat oppimisharjoitukset vähimmäisvaatimustasolla. Hankitut kompetenssit muodostavat pohjan opiskelijalle kasvattaa koneoppimisen ja päättelyn tietämystään rakentamisen alalla, mikä mahdollistaa lopulta työpaikan, jossa näitä työkaluja täytyy soveltaa.

Assessment criteria, good (3)

Opiskelija on saavuttanut opintojakson tavoitteet hyvin, vaikka tiedot ja taidot vaativat joillakin alueilla kehittämistä. Opiskelija osaa tunnistaa ja selittää data-analyysiin, koneoppimiseen, päättelyyn ja sääntöpohjaisiin järjestelmiin liittyvät käsitteet ja lähestymistavat sekä niiden mahdolliset käyttöskenaariot rakentamisen alalla. Opiskelija tuntee ja osaa soveltaa alan ohjelmistotyökaluja. Opiskelija on suorittanut vaadittavat oppimistehtävät hyvällä tai tyydyttävällä tasolla. Opiskelija osaa luoda ohjelmistoratkaisuja, joissa on koneoppimis- ja päättelytoimintoja. Opiskelija osaa soveltaa tietoja myöhemmissä opinnoissaan ja koneoppimiseen ja päättelyyn liittyvässä ohjelmistokehitystyössä.

Assessment criteria, excellent (5)

Opiskelija on saavuttanut kurssin tavoitteet erinomaisesti. Opiskelija tunnistaa ja osaa selittää sekä perustella data-analyysiin, koneoppimiseen, päättelyyn ja sääntöpohjaisiin järjestelmiin liittyvät käsitteet ja lähestymistavat sekä niiden mahdolliset käyttöskenaariot rakentamisen alalla. Opiskelija tuntee ja osaa soveltaa useita alan ohjelmistotyökaluja. Opiskelija on suorittanut vaadittavat oppimisharjoitukset erinomaisella tai hyvällä tasolla. Opiskelija osaa integroida hyvin sijoitetut ja perustellut koneoppimis- ja päättelytoiminnot monimutkaisiin ohjelmistoratkaisuihin. Opiskelijalla on erinomaiset pohjat soveltaa tietoa jatko-opinnoissa sekä koneoppimiseen ja päättelyyn liittyvässä ohjelmistokehityksessä.

Prerequisites

TX00FE95
TX00FE96