Neural Networks for Machine Learning ApplicationsLaajuus (5 cr)
Code: TX00EW91
Credits
5 op
Objective
The student
- understands the structure of various types of neural networks and the basic mathematical machinery behind their operation,
- acquires the knowledge needed to create neural networks and work with them; and skills related to programming, data manipulation, method selection, model building, and interpreting the outcome, and
- learns to apply these skills in different machine learning tasks involving e.g. image classification and natural language processing.
Content
Basics of artificial neural networks, convolutional and recurrent neural networks, applications of neural networks.
Prerequisites
Basic algebra and statistics, intermediate programming skills, knowledge on handling measurement data.
Assessment criteria, satisfactory (1)
Students have achieved the course objectives fairly. Students will be able to identify, define and use the course subject area’s concepts and models. The student understands the criteria and principles of the expertise development.
Assessment criteria, good (3)
Students have achieved the course objectives well, even though the knowledge and skills need improvement on some areas. Students are able to define the course concepts and models and are able to justify the analysis. The student is able to apply their knowledge in leisure, study and work situations. The student understands the importance of expertise in the field of information technology and is able to analyze his/her own expertise.
Assessment criteria, excellent (5)
Students have achieved the objectives of the course with excellent marks. Students master commendably the course subject area’s concepts and models. Students are able to make justified and fluent analysis and to present concrete development measures. The students are well prepared to apply their knowledge in leisure, study and work situations. Students are able to analyze the information technology sector expertise and the evolvement of their own expertise.
Assessment criteria, approved/failed
Students have achieved the course objectives. Students will be able to identify, define and use the course subject area’s concepts and models. The student understands the criteria and principles of the expertise development.
Further information
The elective course “Mathematics and Methods in Machine Learning and Neural Networks” supports this course. It is recommended that the student participates both courses simultaneously.
Enrollment
18.12.2023 - 14.01.2024
Timing
15.01.2024 - 17.03.2024
Number of ECTS credits allocated
5 op
Mode of delivery
Contact teaching
Unit
School of ICT
Campus
Karaportti 2
Teaching languages
- English
Seats
15 - 35
Degree programmes
- Information and Communication Technology
- Degree Programme in Information Technology
Teachers
- Sakari Lukkarinen
Groups
-
TIVI-ELECT1IT Elective Studies / Tivi valinnaiset, moduuli 1
Objective
Opiskelija
- ymmärtää erityyppisten neuroverkkojen rakenteen ja niiden toiminnan taustalla olevat matemaattiset menetelmät,
- hankkii neuroverkkojen luomiseen ja niiden kanssa työskentelyyn tarvittavat tiedot; ja ohjelmointiin, tiedonkäsittelyyn, menetelmän valintaan, mallin rakentamiseen ja tulosten tulkintaan liittyvät taidot, ja
- oppii soveltamaan näitä taitoja erilaisissa koneoppimistehtävissä, joissa on mukana mm. kuvan luokittelu ja luonnollisen kielen käsittely.
Content
Neuroverkkojen perusteet, konvolutiiviset ja takaisinkytkeytyvät neuroverkot, neuroverkkojen sovellukset
Evaluation scale
0-5
Assessment criteria, satisfactory (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.
Assessment criteria, good (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.
Assessment criteria, excellent (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.
Assessment criteria, approved/failed
Opiskelija on saavuttanut opintojakson tavoitteet. Opiskelija tunnistaa, osaa määritellä ja käyttää opintojakson aihepiirin käsitteitä ja malleja. Opiskelija ymmärtää asiantuntijuuden kehittymisen edellytykset ja periaatteet.
Prerequisites
Algebran ja tilastomatematiikan perusteet, kohtalaiset ohjelmointitaidot, mittaustiedon käsittelytaidot.
Further information
Valinnainen opintojakso "Koneoppimisen ja neuroverkkojärjestelmien matematiikka ja menetelmät" tukee tätä kurssia. Suositellaan, että opiskelija osallistuu molemmille kursseille samanaikaisesti.
Enrollment
19.12.2022 - 08.01.2023
Timing
05.01.2023 - 12.03.2023
Number of ECTS credits allocated
5 op
Mode of delivery
Contact teaching
Unit
School of ICT
Campus
Karaportti 2
Teaching languages
- English
Seats
0 - 40
Degree programmes
- Information and Communication Technology
- Degree Programme in Information Technology
Teachers
- Sakari Lukkarinen
- Juha Kopu
Groups
-
TIVI-ELECT1IT Elective Studies / Tivi valinnaiset, moduuli 1
Objective
Opiskelija
- ymmärtää erityyppisten neuroverkkojen rakenteen ja niiden toiminnan taustalla olevat matemaattiset menetelmät,
- hankkii neuroverkkojen luomiseen ja niiden kanssa työskentelyyn tarvittavat tiedot; ja ohjelmointiin, tiedonkäsittelyyn, menetelmän valintaan, mallin rakentamiseen ja tulosten tulkintaan liittyvät taidot, ja
- oppii soveltamaan näitä taitoja erilaisissa koneoppimistehtävissä, joissa on mukana mm. kuvan luokittelu ja luonnollisen kielen käsittely.
Content
Neuroverkkojen perusteet, konvolutiiviset ja takaisinkytkeytyvät neuroverkot, neuroverkkojen sovellukset
Evaluation scale
0-5
Assessment criteria, satisfactory (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.
Assessment criteria, good (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.
Assessment criteria, excellent (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.
Assessment criteria, approved/failed
Opiskelija on saavuttanut opintojakson tavoitteet. Opiskelija tunnistaa, osaa määritellä ja käyttää opintojakson aihepiirin käsitteitä ja malleja. Opiskelija ymmärtää asiantuntijuuden kehittymisen edellytykset ja periaatteet.
Prerequisites
Algebran ja tilastomatematiikan perusteet, kohtalaiset ohjelmointitaidot, mittaustiedon käsittelytaidot.
Further information
Valinnainen opintojakso "Koneoppimisen ja neuroverkkojärjestelmien matematiikka ja menetelmät" tukee tätä kurssia. Suositellaan, että opiskelija osallistuu molemmille kursseille samanaikaisesti.
Enrollment
20.12.2021 - 09.01.2022
Timing
10.01.2022 - 13.03.2022
Number of ECTS credits allocated
5 op
Mode of delivery
Contact teaching
Unit
School of ICT
Campus
Karaportti 2
Teaching languages
- English
Seats
20 - 40
Degree programmes
- Information and Communication Technology
Teachers
- Sakari Lukkarinen
- Juha Kopu
Groups
-
TIVI-ELECT1IT Elective Studies / Tivi valinnaiset, moduuli 1
Objective
Opiskelija
- ymmärtää erityyppisten neuroverkkojen rakenteen ja niiden toiminnan taustalla olevat matemaattiset menetelmät,
- hankkii neuroverkkojen luomiseen ja niiden kanssa työskentelyyn tarvittavat tiedot; ja ohjelmointiin, tiedonkäsittelyyn, menetelmän valintaan, mallin rakentamiseen ja tulosten tulkintaan liittyvät taidot, ja
- oppii soveltamaan näitä taitoja erilaisissa koneoppimistehtävissä, joissa on mukana mm. kuvan luokittelu ja luonnollisen kielen käsittely.
Content
Neuroverkkojen perusteet, konvolutiiviset ja takaisinkytkeytyvät neuroverkot, neuroverkkojen sovellukset
Further information
Valinnainen opintojakso "Koneoppimisen ja neuroverkkojärjestelmien matematiikka ja menetelmät" tukee tätä kurssia. Suositellaan, että opiskelija osallistuu molemmille kursseille samanaikaisesti.
Evaluation scale
0-5
Assessment criteria, satisfactory (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.
Assessment criteria, good (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.
Assessment criteria, excellent (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.
Assessment criteria, approved/failed
Opiskelija on saavuttanut opintojakson tavoitteet. Opiskelija tunnistaa, osaa määritellä ja käyttää opintojakson aihepiirin käsitteitä ja malleja. Opiskelija ymmärtää asiantuntijuuden kehittymisen edellytykset ja periaatteet.
Prerequisites
Algebran ja tilastomatematiikan perusteet, kohtalaiset ohjelmointitaidot, mittaustiedon käsittelytaidot.
Further information
Valinnainen opintojakso "Koneoppimisen ja neuroverkkojärjestelmien matematiikka ja menetelmät" tukee tätä kurssia. Suositellaan, että opiskelija osallistuu molemmille kursseille samanaikaisesti.