Tekoäly ja koneoppiminen sensoridatan analysoinnissaLaajuus (2 op)

Osaamistavoitteet

Opiskelija hallitsee sensoridatan käsittelyn ja analysoinnin perusteet sekä osaa soveltaa koneoppimismenetelmiä sen tulkintaan. Hän osaa käyttää klassisia ja syväoppimiseen perustuvia tekoälymenetelmiä, kuten neuroverkkoja ja päätöspuita, tunnistamaan ympäristön piirteitä ja tekemään ennusteita autonomisissa järjestelmissä.

Sisältö

1. Sensoridatan käsittely ja analysointi
2. Tekoälymenetelmät autonomisissa järjestelmissä

Esitietovaatimukset

Tekoäly ja koneoppiminen sensoridatan analysoinnissa (2 op) edellyttää perusymmärrystä sensoritekniikasta ja datan käsittelystä. Suositeltavaa on myös perustason osaaminen ohjelmoinnista ja matemaattisista malleista, kuten tilastollisista menetelmistä ja signaalinkäsittelystä.

Arviointikriteerit, tyydyttävä (1)

Opiskelija
• osaa suorittaa perusmuotoista sensoridatan käsittelyä ja analyysiä.
• tuntee yleisimmät koneoppimismenetelmät ja niiden peruskäytön.

Arviointikriteerit, hyvä (3)

Opiskelija
• osaa soveltaa signaalinkäsittelyä ja suodatustekniikoita datan laadun parantamiseen.
• pystyy toteuttamaan ja optimoimaan koneoppimismenetelmiä sensoridatan analysointiin.

Arviointikriteerit, kiitettävä (5)

Opiskelija
• osaa kehittää kehittyneitä analyysimenetelmiä ja yhdistää ne sensoridataan reaaliaikaisesti.
• ymmärtää ja soveltaa neuroverkkoja ja syväoppimismenetelmiä autonomisen päätöksenteon tukena.

Arviointikriteeri, hyväksytty/hylätty

Tekoäly ja koneoppiminen sensoridatan analysoinnissa (2 op) on hyväksytysti suoritettu, jos opiskelija osaa käsitellä ja analysoida sensoridataa sekä soveltaa tekoälymenetelmiä sen tulkintaan. Hyväksytty suoritus edellyttää harjoitusten ja simulaatioiden suorittamista sekä raportoinnin tekemistä. Hylätty suoritus tarkoittaa, että opiskelija ei osaa soveltaa signaalinkäsittelyä tai koneoppimismenetelmiä, ei pysty suorittamaan analyysiä sensoridatasta tai jättää raportoinnin puutteelliseksi.

Lisätiedot

Tekoäly ja koneoppiminen sensoridatan analysoinnissa (2 op) sisältää teoriaa, harjoituksia ja simulaatioita, joissa opiskelija käsittelee ja analysoi sensoridataa koneoppimismenetelmien avulla. Opiskelija hyödyntää ohjelmointiympäristöjä ja simulointityökaluja tekoälyn soveltamisessa autonomisiin järjestelmiin.