Machine learning and reasoning with built environment data (5 op)

Toteutuksen tunnus: TX00FE98-3003

Toteutuksen perustiedot

Ilmoittautumisaika: 02.12.2024 - 06.01.2025; Ilmoittautuminen toteutukselle on päättynyt.

Ajoitus: 13.01.2025 - 25.05.2025; Toteutus on päättynyt.

Opintopistemäärä: 5 op

Toteutustapa: Lähiopetus

Yksikkö: (2019-2024) Kiinteistö- ja rakennusala

Opetuskielet: englanti

Paikat: 0 - 20

Koulutus: Master's Degree Programme in Computing in Construction

Opettajat: Yan Peng; Seppo Törmä

Vastuuopettaja: Seppo Törmä

Ryhmät: T2424S6
Master's Degree Programme in Computing in Construction, ylempi

Opintojakso: TX00FE98

Toteutuksella on 18 opetustapahtumaa joiden yhteenlaskettu kesto on 63 t 0 min.

Aika	Aihe	Tila
Ma 17.03.2025 klo 08:00 - 12:00 (4 t 0 min)	Machine learning and reasoning with built environment data TX00FE98-3003	MPA3011 Digitila
To 20.03.2025 klo 13:00 - 16:00 (3 t 0 min)	Machine learning and reasoning with built environment data TX00FE98-3003	MPA4017 Digitila
Ma 24.03.2025 klo 08:00 - 12:00 (4 t 0 min)	Machine learning and reasoning with built environment data TX00FE98-3003	MPA3011 Digitila
To 27.03.2025 klo 13:00 - 16:00 (3 t 0 min)	Machine learning and reasoning with built environment data TX00FE98-3003	MPA4017 Digitila
Ma 31.03.2025 klo 08:00 - 12:00 (4 t 0 min)	Machine learning and reasoning with built environment data TX00FE98-3003	MPA3011 Digitila
To 03.04.2025 klo 13:00 - 16:00 (3 t 0 min)	Machine learning and reasoning with built environment data TX00FE98-3003	MPA4017 Digitila
Ma 07.04.2025 klo 08:00 - 12:00 (4 t 0 min)	Machine learning and reasoning with built environment data TX00FE98-3003	MPA3011 Digitila
To 10.04.2025 klo 13:00 - 16:00 (3 t 0 min)	Machine learning and reasoning with built environment data TX00FE98-3003	MPA4017 Digitila
Ma 14.04.2025 klo 08:00 - 12:00 (4 t 0 min)	Machine learning and reasoning with built environment data TX00FE98-3003	MPA3011 Digitila
To 17.04.2025 klo 13:00 - 16:00 (3 t 0 min)	Machine learning and reasoning with built environment data TX00FE98-3003	MPA4017 Digitila
To 24.04.2025 klo 13:00 - 16:00 (3 t 0 min)	Machine learning and reasoning with built environment data TX00FE98-3003	MPA4017 Digitila
Ma 28.04.2025 klo 08:00 - 12:00 (4 t 0 min)	Machine learning and reasoning with built environment data TX00FE98-3003	MPA3011 Digitila
Ma 05.05.2025 klo 08:00 - 12:00 (4 t 0 min)	Machine learning and reasoning with built environment data TX00FE98-3003	MPA3011 Digitila
To 08.05.2025 klo 13:00 - 16:00 (3 t 0 min)	Machine learning and reasoning with built environment data TX00FE98-3003	MPA4017 Digitila
Ma 12.05.2025 klo 08:00 - 12:00 (4 t 0 min)	Machine learning and reasoning with built environment data TX00FE98-3003	MPA3011 Digitila
To 15.05.2025 klo 13:00 - 16:00 (3 t 0 min)	Machine learning and reasoning with built environment data TX00FE98-3003	MPA4017 Digitila
Ma 19.05.2025 klo 08:00 - 12:00 (4 t 0 min)	Machine learning and reasoning with built environment data TX00FE98-3003	MPA3011 Digitila
To 22.05.2025 klo 13:00 - 16:00 (3 t 0 min)	Machine learning and reasoning with built environment data TX00FE98-3003	MPA4017 Digitila

Muutokset varauksiin voivat olla mahdollisia.

Tavoitteet

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.

Sisältö

- 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

Aika ja paikka

Metropolian Myllypuron kampus, 4. periodi 2025

Opetusmenetelmät

Luennot
Verkkokurssit
Tehtävät
Tentti

Arviointiasteikko

0-5

Arviointikriteerit, tyydyttävä (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.

Arviointikriteerit, hyvä (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.

Arviointikriteerit, kiitettävä (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.

Esitietovaatimukset

TX00FE95
TX00FE96