Koneoppimisen ja neuroverkkojärjestelmien matematiikka ja menetelmät (5 op)
Toteutuksen tunnus: TX00DV61-3005
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
- Mikko Pere
- Vesa Ollikainen
- Ryhmät
-
TIVI-ELECT1IT Elective Studies / Tivi valinnaiset, moduuli 1
- Opintojakso
- TX00DV61
Toteutuksella on 16 opetustapahtumaa joiden yhteenlaskettu kesto on 48 t 0 min.
| Aika | Aihe | Tila |
|---|---|---|
|
Ke 17.01.2024 klo 09:00 - 12:00 (3 t 0 min) |
Mathematics and Methods in Machine Learning and Neural Networks TX00DV61-3005 |
KME551
Oppimistila
|
|
To 18.01.2024 klo 13:00 - 16:00 (3 t 0 min) |
Mathematics and Methods in Machine Learning and Neural Networks TX00DV61-3005 |
KME551
Oppimistila
|
|
Ke 24.01.2024 klo 09:00 - 12:00 (3 t 0 min) |
Mathematics and Methods in Machine Learning and Neural Networks TX00DV61-3005 |
KME551
Oppimistila
|
|
To 25.01.2024 klo 13:00 - 16:00 (3 t 0 min) |
Mathematics and Methods in Machine Learning and Neural Networks TX00DV61-3005 |
KME551
Oppimistila
|
|
Ke 31.01.2024 klo 09:00 - 12:00 (3 t 0 min) |
Mathematics and Methods in Machine Learning and Neural Networks TX00DV61-3005 |
KME551
Oppimistila
|
|
To 01.02.2024 klo 13:00 - 16:00 (3 t 0 min) |
Mathematics and Methods in Machine Learning and Neural Networks TX00DV61-3005 |
KME551
Oppimistila
|
|
Ke 07.02.2024 klo 09:00 - 12:00 (3 t 0 min) |
Mathematics and Methods in Machine Learning and Neural Networks TX00DV61-3005 |
KME551
Oppimistila
|
|
To 08.02.2024 klo 13:00 - 16:00 (3 t 0 min) |
Mathematics and Methods in Machine Learning and Neural Networks TX00DV61-3005 |
KME551
Oppimistila
|
|
Ke 14.02.2024 klo 09:00 - 12:00 (3 t 0 min) |
Mathematics and Methods in Machine Learning and Neural Networks TX00DV61-3005 |
KME551
Oppimistila
|
|
To 15.02.2024 klo 13:00 - 16:00 (3 t 0 min) |
Mathematics and Methods in Machine Learning and Neural Networks TX00DV61-3005 |
KME551
Oppimistila
|
|
Ke 28.02.2024 klo 09:00 - 12:00 (3 t 0 min) |
Mathematics and Methods in Machine Learning and Neural Networks TX00DV61-3005 |
KME551
Oppimistila
|
|
To 29.02.2024 klo 13:00 - 16:00 (3 t 0 min) |
Mathematics and Methods in Machine Learning and Neural Networks TX00DV61-3005 |
KME551
Oppimistila
|
|
Ke 06.03.2024 klo 09:00 - 12:00 (3 t 0 min) |
Mathematics and Methods in Machine Learning and Neural Networks TX00DV61-3005 |
KME551
Oppimistila
|
|
To 07.03.2024 klo 13:00 - 16:00 (3 t 0 min) |
Mathematics and Methods in Machine Learning and Neural Networks TX00DV61-3005 |
KME551
Oppimistila
|
|
Ke 13.03.2024 klo 09:00 - 12:00 (3 t 0 min) |
Mathematics and Methods in Machine Learning and Neural Networks TX00DV61-3005 |
KME551
Oppimistila
|
|
To 14.03.2024 klo 13:00 - 16:00 (3 t 0 min) |
Mathematics and Methods in Machine Learning and Neural Networks TX00DV61-3005 |
KME551
Oppimistila
|
Tavoitteet
Opiskelija ymmärtää neuroverkkojen keskeisen matemaattisen koneiston.
Hän kykenee toteuttamaan koneoppimisprojekteja, jotka sisältävät ohjelmointia, datan käsittelyä, menetelmien valintaa, mallinnusta sekä tulosten arviointia ja tulkintaa.
Sisältö
Matriisi- ja differentiaalilaskenta, datan ohjelmallinen käsittely, datan ryvästys ja luokittelu, numeerinen ennustus, assosiaatioiden etsintä, tekstin- ja web-louhinnan menetelmät, suosittelujärjestelmät.
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 "Neuroverkot koneoppimissovelluksissa" tukee tätä kurssia. Suositellaan, että opiskelija osallistuu molemmille kursseille samanaikaisesti.
Lisätiedot
Valinnainen opintojakso "Neuroverkot koneoppimissovelluksissa" tukee tätä kurssia. Suositellaan, että opiskelija osallistuu molemmille kursseille samanaikaisesti.