Opinto-opas

Tavoitteet (OJ)

Opiskelija tuntee koneoppimisen yleisimmät algoritmit ja toteutustekniikat. Opiskelija osaa datan valmistelun, menetelmän valinnan sekä mallin opettamisen käytänteet. Opiskelija hallitsee datan ajamisen opetettuun malliin sekä tulosten analysoinnin.

Opiskelija osaa projektin hallinnan ja johtamisen periaatteita.

Sisältö (OJ)

Koneoppimisen yleisimmät algoritmit ja toteutustekniikat. Datan valmistelu, menetelmän valinta ja mallin opettaminen, datan ajaminen opetettuun malliin ja tulosten analysointi.

Projektin hallinta ja johtaminen.

Esitietovaatimukset (OJ)

Datan varastointiteknologiat

Arviointikriteerit, tyydyttävä (1-2) (OJ)

Opiskelija osaa käyttää jotain soveltuvaa koneoppimisen menetelmää. Opiskelija saa mallin avulla tuloksia.

Arviointikriteerit, hyvä (3-4) (OJ)

Opiskelija osaa käyttää tavoitteeseen sopivaa menetelmää. Opiskelija kykenee tuottamaan mallin avulla tulokset.

Arviointikriteerit, kiitettävä (5) (OJ)

Opiskelija osaa valita tavoitteeseen parhaiten sopivan menetelmän. Opiskelija kykenee arvoimaan mallin tuottamien tulosten merkityksen.

Tenttien ja uusintatenttien ajankohdat

Ei tenttiä.

Arviointimenetelmät ja arvioinnin perusteet

Viikkoharjoitukset ja harjoitustyöesitelmä.

Arviointiasteikko

0-5

Opiskelumuodot ja opetusmenetelmät

Lähiopetus
Viikkoharjoitukset (tärkein opiskelumuoto)
Ryhmätyö ja siihen liittyvä esitys

Oppimateriaalit

Ks. Moodle-kurssin lisätiedot.

Opiskelijan ajankäyttö ja kuormitus

Ks. periodin aikataulu. Katso Moodle-kurssi kontaktiopetuksen ajankohdista ja tehtävistä.

Tavoitteet (OJ)

Opiskelija tuntee koneoppimisen yleisimmät algoritmit ja toteutustekniikat. Opiskelija osaa datan valmistelun, menetelmän valinnan sekä mallin opettamisen käytänteet. Opiskelija hallitsee datan ajamisen opetettuun malliin sekä tulosten analysoinnin.

Opiskelija osaa projektin hallinnan ja johtamisen periaatteita.

Sisältö (OJ)

Koneoppimisen yleisimmät algoritmit ja toteutustekniikat. Datan valmistelu, menetelmän valinta ja mallin opettaminen, datan ajaminen opetettuun malliin ja tulosten analysointi.

Projektin hallinta ja johtaminen.

Esitietovaatimukset (OJ)

Datan varastointiteknologiat

Arviointikriteerit, tyydyttävä (1-2) (OJ)

Opiskelija osaa käyttää jotain soveltuvaa koneoppimisen menetelmää. Opiskelija saa mallin avulla tuloksia.

Arviointikriteerit, hyvä (3-4) (OJ)

Opiskelija osaa käyttää tavoitteeseen sopivaa menetelmää. Opiskelija kykenee tuottamaan mallin avulla tulokset.

Arviointikriteerit, kiitettävä (5) (OJ)

Opiskelija osaa valita tavoitteeseen parhaiten sopivan menetelmän. Opiskelija kykenee arvoimaan mallin tuottamien tulosten merkityksen.

Arviointiasteikko

0-5

Tavoitteet (OJ)

Opiskelija tuntee koneoppimisen yleisimmät algoritmit ja toteutustekniikat. Opiskelija osaa datan valmistelun, menetelmän valinnan sekä mallin opettamisen käytänteet. Opiskelija hallitsee datan ajamisen opetettuun malliin sekä tulosten analysoinnin.

Opiskelija osaa projektin hallinnan ja johtamisen periaatteita.

Sisältö (OJ)

Koneoppimisen yleisimmät algoritmit ja toteutustekniikat. Datan valmistelu, menetelmän valinta ja mallin opettaminen, datan ajaminen opetettuun malliin ja tulosten analysointi.

Projektin hallinta ja johtaminen.

Esitietovaatimukset (OJ)

Datan varastointiteknologiat

Arviointikriteerit, tyydyttävä (1-2) (OJ)

Opiskelija osaa käyttää jotain soveltuvaa koneoppimisen menetelmää. Opiskelija saa mallin avulla tuloksia.

Arviointikriteerit, hyvä (3-4) (OJ)

Opiskelija osaa käyttää tavoitteeseen sopivaa menetelmää. Opiskelija kykenee tuottamaan mallin avulla tulokset.

Arviointikriteerit, kiitettävä (5) (OJ)

Opiskelija osaa valita tavoitteeseen parhaiten sopivan menetelmän. Opiskelija kykenee arvoimaan mallin tuottamien tulosten merkityksen.

Tenttien ja uusintatenttien ajankohdat

Ei tenttiä.

Arviointiasteikko

0-5

Opiskelumuodot ja opetusmenetelmät

Lähiopetus
Viikkoharjoitukset (tärkein opiskelumuoto)
Ryhmätyö ja siihen liittyvä esitys

Oppimateriaalit

Ks. Moodle-kurssin lisätiedot.

Opiskelijan ajankäyttö ja kuormitus

Ks. periodin aikataulu. Katso Moodle-kurssi kontaktiopetuksen ajankohdista ja tehtävistä.

Lisätietoja opiskelijoille

Voimassa olevan koronaohjeistuksen mukaisesti opetus järjestetään Teollisuusteknologia-yksikössä (ainakin) 16.1.2022 SAAKKA ETÄOPETUKSENA. Ts. kurssi ainakin starttaa etänä, MS Teams -sovelluksen välityksellä.

Kurssi järjestettäisiin muuten oletuksena lähiopetuksena TAMKin pääkampuksella (rajoitettu etä- tai hybridiosallistuminen mahdollista MS Teamsin välityksellä). Katso Moodle-kurssi kontaktiopetuksen ajankohdista ja tehtävistä: https://moodle.tuni.fi/course/view.php?id=24457 . Huomaa, että mahdolliset covid-rajoitukset saattavat vaikuttaa kurssin toteutustapaan.

Arviointikriteerit - hylätty (0) (Ei käytössä, kts Opintojakson Arviointikriteerit ylempänä)

Alle 30% harjoituksista suoritettu.

Arviointikriteerit - tyydyttävä (1-2) (Ei käytössä, kts Opintojakson Arviointikriteerit ylempänä)

Opiskelija tuntee aihepiirin perusidean ja osaa toteuttaa pieniä sovelluksia tarkkojen ohjeiden avustuksella. Vähintään 30% harjoituksista suoritettu.

Arviointikriteerit - hyvä (3-4) (Ei käytössä, kts Opintojakson Arviointikriteerit ylempänä)

Opiskelija tuntee aihepiirin peruskäsitteet ja osaa toteuttaa pieniä sovelluksia itsenäisesti. Vähintään 60% harjoituksista suoritettu.

Arviointikriteerit - kiitettävä (5) (Ei käytössä, kts Opintojakson Arviointikriteerit ylempänä)

Opiskelija tuntee aihepiirin peruskäsitteet, pystyy kriittisesti arvioimaan aihepiirin sovellusten vaatimuksia sekä osaa toteuttaa realistisia sovelluksia itsenäisesti. Vähintään 90% harjoituksista suoritettu. Hyvä ryhmätyö tehty ja esitelty.