Neuroverkot koneoppimissovelluksissa (5 op)
Toteutuksen tunnus: TX00EW91-3003
Toteutuksen perustiedot
- Ilmoittautumisaika
-
18.12.2023 - 14.01.2024
Ilmoittautuminen toteutukselle on päättynyt.
- Ajoitus
-
15.01.2024 - 17.03.2024
Toteutus on päättynyt.
- Opintopistemäärä
- 5 op
- Toteutustapa
- Lähiopetus
- Yksikkö
- (2019-2024) ICT ja tuotantotalous
- Toimipiste
- Karaportti 2
- Opetuskielet
- englanti
- Paikat
- 15 - 35
- Koulutus
- Tieto- ja viestintätekniikan tutkinto-ohjelma
- Degree Programme in Information Technology
- Opettajat
- Sakari Lukkarinen
- Ryhmät
-
TIVI-ELECT1IT Elective Studies / Tivi valinnaiset, moduuli 1
- Opintojakso
- TX00EW91
Toteutuksella on 16 opetustapahtumaa joiden yhteenlaskettu kesto on 48 t 0 min.
| Aika | Aihe | Tila |
|---|---|---|
|
Ke 17.01.2024 klo 13:00 - 16:00 (3 t 0 min) |
Neural Networks for Machine Learning Applications TX00EW91-3003 |
KME551
Oppimistila
|
|
To 18.01.2024 klo 09:00 - 12:00 (3 t 0 min) |
Neural Networks for Machine Learning Applications TX00EW91-3003 |
KME551
Oppimistila
|
|
Ke 24.01.2024 klo 13:00 - 16:00 (3 t 0 min) |
Neural Networks for Machine Learning Applications TX00EW91-3003 |
KME551
Oppimistila
|
|
To 25.01.2024 klo 09:00 - 12:00 (3 t 0 min) |
Neural Networks for Machine Learning Applications TX00EW91-3003 |
KME551
Oppimistila
|
|
Ke 31.01.2024 klo 13:00 - 16:00 (3 t 0 min) |
Neural Networks for Machine Learning Applications TX00EW91-3003 |
KME551
Oppimistila
|
|
To 01.02.2024 klo 09:00 - 12:00 (3 t 0 min) |
Neural Networks for Machine Learning Applications TX00EW91-3003 |
KME551
Oppimistila
|
|
Ke 07.02.2024 klo 13:00 - 16:00 (3 t 0 min) |
Neural Networks for Machine Learning Applications TX00EW91-3003 |
KME551
Oppimistila
|
|
To 08.02.2024 klo 09:00 - 12:00 (3 t 0 min) |
Neural Networks for Machine Learning Applications TX00EW91-3003 |
KME551
Oppimistila
|
|
Ke 14.02.2024 klo 13:00 - 16:00 (3 t 0 min) |
Neural Networks for Machine Learning Applications TX00EW91-3003 |
KME551
Oppimistila
|
|
To 15.02.2024 klo 09:00 - 12:00 (3 t 0 min) |
Neural Networks for Machine Learning Applications TX00EW91-3003 |
KME551
Oppimistila
|
|
Ke 21.02.2024 klo 09:00 - 12:00 (3 t 0 min) |
Neural Networks for Machine Learning Applications TX00EW91-3003 |
MMC223
Oppimistila
|
|
Ke 21.02.2024 klo 13:00 - 16:00 (3 t 0 min) |
Neural Networks for Machine Learning Applications TX00EW91-3003 |
MMC223
Oppimistila
|
|
Ke 28.02.2024 klo 13:00 - 16:00 (3 t 0 min) |
Neural Networks for Machine Learning Applications TX00EW91-3003 |
KME551
Oppimistila
|
|
To 29.02.2024 klo 09:00 - 12:00 (3 t 0 min) |
Neural Networks for Machine Learning Applications TX00EW91-3003 |
KME551
Oppimistila
|
|
Ke 06.03.2024 klo 13:00 - 16:00 (3 t 0 min) |
Neural Networks for Machine Learning Applications TX00EW91-3003 |
KME551
Oppimistila
|
|
To 07.03.2024 klo 09:00 - 12:00 (3 t 0 min) |
Neural Networks for Machine Learning Applications TX00EW91-3003 |
KME551
Oppimistila
|
Tavoitteet
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.
Sisältö
Neuroverkkojen perusteet, konvolutiiviset ja takaisinkytkeytyvät neuroverkot, neuroverkkojen sovellukset
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
Valinnainen opintojakso "Koneoppimisen ja neuroverkkojärjestelmien matematiikka ja menetelmät" tukee tätä kurssia. Suositellaan, että opiskelija osallistuu molemmille kursseille samanaikaisesti.
Lisätiedot
Valinnainen opintojakso "Koneoppimisen ja neuroverkkojärjestelmien matematiikka ja menetelmät" tukee tätä kurssia. Suositellaan, että opiskelija osallistuu molemmille kursseille samanaikaisesti.