Opinto-opas

Osaamistavoitteet

Opintojakson suorittanut opiskelija hallitsee generatiivisen tekoälyn, koneoppimisen ja syväoppimisen keskeiset periaatteet sekä ymmärtää niiden soveltamisen käytännön ongelmanratkaisussa. Opiskelija kykenee analysoimaan ja valitsemaan tarkoituksenmukaisia koneoppimismalleja erilaisiin tehtäviin ja konteksteihin. Käytännönläheisten harjoitusten avulla opiskelija oppii suunnittelemaan, toteuttamaan, testaamaan ja arvioimaan yksinkertaisia koneoppimismalleja sekä hahmottamaan niiden soveltamismahdollisuuksia eri toimialoilla. Opintojakso yhdistää teoreettisen tiedon käytännön osaamiseen ja luo vahvan perustan tekoälypohjaisten ratkaisujen kehittämiselle ja hyödyntämiselle.

Sisältö

• Tekoälyn perusteet: käsitteet, historia ja nykytilanne
• Koneoppimisen periaatteet ja yleisimmät algoritmit
• Syväoppimisen menetelmät ja sovellukset
• Generatiivisen tekoälyn toiminta ja sovellukset, foundation models
• Eettiset näkökulmat ja vastuullinen tekoälyn käyttö
• Käytännön harjoituksia eri tekoälymallien ja työkalujen kanssa
• Laadukas promptaus
• Pienimuotoinen projektityö

Arviointikriteerit, tyydyttävä (1-2)

Opiskelija tunnistaa tekoälyn ja koneoppimisen peruskäsitteet, mutta niiden käytännön soveltaminen jää pintapuoliseksi.

Arviointikriteerit, hyvä (3-4)

Opiskelija hallitsee keskeisimmät menetelmät ja pystyy valitsemaan tarkoituksenmukaisen algoritmin erilaisiin sovelluskonteksteihin. Hän osoittaa taitoa suunnitella, toteuttaa ja optimoida perustason malleja.

Arviointikriteerit, kiitettävä (5)

Opiskelija osoittaa syvällistä osaamista tekoälyn ja koneoppimisen tekniikoissa huomioiden opintojakson laajuus.