Johdatus syväoppimiseen (5 op)
Toteutuksen tunnus: TX00DH43-3002
Toteutuksen perustiedot
Ilmoittautumisaika
21.12.2020 - 07.03.2021
Ajoitus
15.03.2021 - 09.05.2021
Opintopistemäärä
5 op
Virtuaaliosuus
5 op
Toteutustapa
Etäopetus
Yksikkö
ICT ja tuotantotalous
Toimipiste
Karaportti 2
Opetuskielet
- Englanti
Paikat
20 - 30
Koulutus
- Tieto- ja viestintätekniikan tutkinto-ohjelma
Opettaja
- Peter Hjort
Ryhmät
-
TVT18-OOhjelmistotuotanto
-
TVT18-HHyvinvointi- ja terveysteknologia
Tavoitteet
Opiskelija oppii miten koneoppimislähestymistapaa voi soveltaa ongelmanratkaisussa, mukaan lukien konenäköön ja sekventiaalisen liittyvät ongelmat. Opiskelija oppii kehittämään pieniä koneoppimisjärjestelmiä käyttäen Keras-sovelluskehystä ja Python-kieltä. Koneoppimisen tarkkuuden ja edistymisen arviointimenetelmät tulevat myös tutuiksi.
Sisältö
- Tekoälyn historiaa, koneoppimisen ja syväoppimisen kehitys
- Miksi syväoppiminen on nyt mahdollista
- Koneoppimisen perusteet
- Hermoverkkomallien perusteet
- Konvoluutio ja konenäkö
- Sekventiaalisesta datasta oppiminen
- Generatiiviset hermoverkkomallit
Arviointiasteikko
0-5
Arviointikriteerit, tyydyttävä (1)
Opiskelija tuntee syväoppimisen peruskäsitteet ja osaa soveltaa niitä rajatuissa tapauksissa.
Arviointikriteerit, hyvä (3)
Opiskelija ymmärtää peruskäsitteet ja niiden suhteen ja osaa käyttää niitä käytännön ongelmien ratkaisemisessa. Opiskelija osaa lähestyä vaativampia ongelmia soveltamalla teoreettista tietoa käytännössä.
Arviointikriteerit, kiitettävä (5)
Opiskelija ymmärtää perusmekanismit ja niiden rajoitteet. Opiskelija osaa käyttää teoreettista tietoa käytännön ongelmanratkaisussa.