Siirry suoraan sisältöön

KoneoppiminenLaajuus (5 op)

Tunnus: 5S00EZ72

Laajuus

5 op

Osaamistavoitteet

Opiskelija
- ymmärtää koneoppimisen käsitteenä
- ymmärtää koneoppimisen käyttötapoja, hyötyjä ja lainalaisuuksia
- hallitsee erilaisia koneoppimisen menetelmiä ja osaa soveltaa niitä
- osaa valita sovellettavat koneoppimisen menetelmät
- osaa soveltaa koneoppimista automaatiossa
- oppii käyttämään vähintään yhtä ohjelmistoa koneoppimisen soveltamiseen

Sisältö

Prosessidatan käsittely, koneoppimisen menetelmät, koneoppimisen soveltaminen, automaatio.

Arviointikriteerit, tyydyttävä (1-2)

Opiskelija hahmottaa koneoppimisen käsitteenä yksittäisen koneoppimismenetelmän kautta. Opiskelija tunnistaa joitakin koneoppimisen menetelmiä. Opiskelija ymmärtää tunnistamiensa menetelmien toimintaperiaatteet, käyttötavan ja sovellettavuuden rajatusti ja osaa soveltaa menetelmiä suppeasti.
.

Arviointikriteerit, hyvä (3-4)

Opiskelija hahmottaa koneoppimisen käsitteenä yleisesti ja laajasti. Opiskelija tunnistaa useita koneoppimisen menetelmiä. Opiskelija ymmärtää tunnistamiensa menetelmien toimintaperiaatteet, käyttötavat ja sovellettavuuden rajoitteineen ja osaa soveltaa menetelmiä laajasti.

Arviointikriteerit, kiitettävä (5)

Opiskelija hahmottaa koneoppimisen käsitteenä yleisesti ja laajasti. Opiskelija tunnistaa laajasti koneoppimisen menetelmiä. Opiskelija ymmärtää tunnistamiensa menetelmien toimintaperiaatteet, käyttötavat ja sovellettavuuden rajoitteineen ja osaa soveltaa menetelmiä hyvin laajasti. Opiskelija osaa käsitellä koneoppimisen tarvitsemaa ja tuottamaa dataa

Ilmoittautumisaika

02.12.2024 - 05.01.2025

Ajoitus

07.01.2025 - 10.05.2025

Laajuus

5 op

Toteutustapa

Lähiopetus

Yksikkö

Sähkö- ja automaatiotekniikka

Toimipiste

TAMK Pääkampus

Opetuskielet
  • Suomi
Paikat

0 - 40

Koulutus
  • Sähkö- ja automaatiotekniikan tutkinto-ohjelma
Opettaja
  • Teemu Heinimäki
Vastuuhenkilö

Jarkko Lehtonen

Ryhmät
  • 22I231B
    Sähkö- ja automaatiotekniikka

Tavoitteet (OJ)

Opiskelija
- ymmärtää koneoppimisen käsitteenä
- ymmärtää koneoppimisen käyttötapoja, hyötyjä ja lainalaisuuksia
- hallitsee erilaisia koneoppimisen menetelmiä ja osaa soveltaa niitä
- osaa valita sovellettavat koneoppimisen menetelmät
- osaa soveltaa koneoppimista automaatiossa
- oppii käyttämään vähintään yhtä ohjelmistoa koneoppimisen soveltamiseen

Sisältö (OJ)

Prosessidatan käsittely, koneoppimisen menetelmät, koneoppimisen soveltaminen, automaatio.

Arviointikriteerit, tyydyttävä (1-2) (OJ)

Opiskelija hahmottaa koneoppimisen käsitteenä yksittäisen koneoppimismenetelmän kautta. Opiskelija tunnistaa joitakin koneoppimisen menetelmiä. Opiskelija ymmärtää tunnistamiensa menetelmien toimintaperiaatteet, käyttötavan ja sovellettavuuden rajatusti ja osaa soveltaa menetelmiä suppeasti.
.

Arviointikriteerit, hyvä (3-4) (OJ)

Opiskelija hahmottaa koneoppimisen käsitteenä yleisesti ja laajasti. Opiskelija tunnistaa useita koneoppimisen menetelmiä. Opiskelija ymmärtää tunnistamiensa menetelmien toimintaperiaatteet, käyttötavat ja sovellettavuuden rajoitteineen ja osaa soveltaa menetelmiä laajasti.

Arviointikriteerit, kiitettävä (5) (OJ)

Opiskelija hahmottaa koneoppimisen käsitteenä yleisesti ja laajasti. Opiskelija tunnistaa laajasti koneoppimisen menetelmiä. Opiskelija ymmärtää tunnistamiensa menetelmien toimintaperiaatteet, käyttötavat ja sovellettavuuden rajoitteineen ja osaa soveltaa menetelmiä hyvin laajasti. Opiskelija osaa käsitellä koneoppimisen tarvitsemaa ja tuottamaa dataa

Aika ja paikka

Etänä alkaen 13.1.2025 klo 11.15. Ajantasaiset tiedot Moodlesta.

Tenttien ja uusintatenttien ajankohdat

Exam-tentti joustavasti opintojakson loppuvaiheessa. Lisäksi arviointi perustuu opintojakson aikana suoritettuihin aktiviteetteihin (harjoituksiin/harjoitustöihin, esityksiin, testeihin yms.).

Arviointimenetelmät ja arvioinnin perusteet

Arviointi perustuu tentin läpäisyyn ja opintojakson aikana kerättyihin pisteisiin, joita voi saada harjoituksista, esityksistä ja muista kurssiaktiviteeteista. Alustavasti tentin läpäisy vaaditaan, minkä jälkeen arvosanat määräytyvät opintojakson aikana kertyneiden pisteiden osuudesta saavutettavissa olevaan kokonaispistemäärään nähden seuraavasti: [0%–40%[ -> 1, [40%–60%[ -> 2, [60%–75%[ -> 3, [75%–90%[ -> 4, [90%–100%[ -> 5. Jotkin aktiviteetit (tehtävät, harjoitustyöt, arvioinnit) voivat olla pakollisia opintojakson läpäisemiseksi ja joitakin aktiviteetteja koskien saatetaan hyödyntää ja mahdollisesti vaatia vertais- tai itsearviointia.

Arviointiasteikko

0-5

Opiskelumuodot ja opetusmenetelmät

Luennot, harjoitukset, esitykset, etäopetus, itseopiskelu, ongelmaperustainen oppiminen

Oppimateriaalit

Esitellään opintojakson alussa.

Opiskelijan ajankäyttö ja kuormitus

Opiskelijan suunniteltu työkuorma keskimäärin n. 135 h, jakautuu tasaisesti kolmannelle ja neljännelle periodille.

Toteutuksen valinnaiset suoritustavat

(Tarvittaessa yhteys opettajaan erityisjärjestelyitä varten.)

Harjoittelu- ja työelämäyhteistyö

Ei merkittävässä roolissa, mutta tutkitaan mahdollisuutta saada vierailuluennoitsija.

Ilmoittautumisaika

02.12.2023 - 07.01.2024

Ajoitus

08.01.2024 - 05.05.2024

Laajuus

5 op

Toteutustapa

Lähiopetus

Yksikkö

Sähkö- ja automaatiotekniikka

Toimipiste

TAMK Pääkampus

Opetuskielet
  • Suomi
Paikat

0 - 40

Koulutus
  • Sähkö- ja automaatiotekniikan tutkinto-ohjelma
Opettaja
  • Antti Välimäki
  • Pekka Pöyry
Vastuuhenkilö

Pekka Pöyry

Ryhmät
  • 20I231C
    Sähkö- ja automaatiotekniikka
  • 21I231B
    Sähkö- ja automaatiotekniikka
  • 20I231B
    Sähkö- ja automaatiotekniikka

Tavoitteet (OJ)

Opiskelija
- ymmärtää koneoppimisen käsitteenä
- ymmärtää koneoppimisen käyttötapoja, hyötyjä ja lainalaisuuksia
- hallitsee erilaisia koneoppimisen menetelmiä ja osaa soveltaa niitä
- osaa valita sovellettavat koneoppimisen menetelmät
- osaa soveltaa koneoppimista automaatiossa
- oppii käyttämään vähintään yhtä ohjelmistoa koneoppimisen soveltamiseen

Sisältö (OJ)

Prosessidatan käsittely, koneoppimisen menetelmät, koneoppimisen soveltaminen, automaatio.

Arviointikriteerit, tyydyttävä (1-2) (OJ)

Opiskelija hahmottaa koneoppimisen käsitteenä yksittäisen koneoppimismenetelmän kautta. Opiskelija tunnistaa joitakin koneoppimisen menetelmiä. Opiskelija ymmärtää tunnistamiensa menetelmien toimintaperiaatteet, käyttötavan ja sovellettavuuden rajatusti ja osaa soveltaa menetelmiä suppeasti.
.

Arviointikriteerit, hyvä (3-4) (OJ)

Opiskelija hahmottaa koneoppimisen käsitteenä yleisesti ja laajasti. Opiskelija tunnistaa useita koneoppimisen menetelmiä. Opiskelija ymmärtää tunnistamiensa menetelmien toimintaperiaatteet, käyttötavat ja sovellettavuuden rajoitteineen ja osaa soveltaa menetelmiä laajasti.

Arviointikriteerit, kiitettävä (5) (OJ)

Opiskelija hahmottaa koneoppimisen käsitteenä yleisesti ja laajasti. Opiskelija tunnistaa laajasti koneoppimisen menetelmiä. Opiskelija ymmärtää tunnistamiensa menetelmien toimintaperiaatteet, käyttötavat ja sovellettavuuden rajoitteineen ja osaa soveltaa menetelmiä hyvin laajasti. Opiskelija osaa käsitellä koneoppimisen tarvitsemaa ja tuottamaa dataa

Tenttien ja uusintatenttien ajankohdat

Opintojakson korotus ja uusinta sovitaan vastuuopettajan kanssa.

Arviointimenetelmät ja arvioinnin perusteet

Opintojakson suoritus perustuu viikkotehtäviin ja oppimistehtävien palautuksesta saatuihin pisteisiin.

Arviointiasteikko

0-5

Opiskelumuodot ja opetusmenetelmät

Lähiopetusta, harjoitustehtäviä, itseoppimista.

Oppimateriaalit

Oppitunneille jaettu materiaali, opiskelijat omat muistiinpanot, muu opintojaksolla osoitettu materiaali.

Opiskelijan ajankäyttö ja kuormitus

Opiskelijan kokonaistyömäärä on noin 133 tuntia (5 op x 1600/60 h/op), josta opiskelijan on varattava itsenäiseen oppimiseen iso osa.

Sisällön jaksotus

Tarkempi opintojakson sisältö esitellään ensimmäisellä opetuskerralla kurssin Moodlessa.

Lisätietoja opiskelijoille

Opintojaksolla painotetaan oppimista harjoitustehtävin, jatkuvan ja itsenäisen oppimisen avulla.