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
-
22I231BSähkö- 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
-
20I231CSähkö- ja automaatiotekniikka
-
21I231BSähkö- ja automaatiotekniikka
-
20I231BSähkö- 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.