Opinto-opas

Osaamistavoitteet

Opiskelija:
• ymmärtää datan, signaalit ja niiden analysoinnin käsitteenä
• ymmärtää koneoppimisen käsitteenä
• ymmärtää erilaisia datan ja signaalien analysontimenetelmiä ja niiden hyötyjä
• ymmärtää koneoppimisen käyttötapoja, hyötyjä ja lainalaisuuksia
• osaa käsitellä automaation tuottamaa prosessidataa
• osaa valita ja soveltaa analyysimenetelmiä automaatiossa
• oppii käyttämään vähintään yhtä ohjelmistoa datan ja signaalien analysointiin
• osaa valita ja soveltaa koneoppimista automaatiossa.

Sisältö

Prosessidatan käsittely, digitaalinen signaalikäsittely, data-analyysi, koneoppimisen menetelmät, koneoppimisen soveltaminen, automaatio.

Arviointikriteerit, tyydyttävä (1-2)

Opiskelija hahmottaa datan ja signaalit sekä koneoppimisen käsitteinä yksittäisten esimerkkien tai tapausten kautta. Opiskelija tunnistaa joitakin data-analyysimenetelmiä ja koneoppimisen menetelmiä. Opiskelija ymmärtää tunnistamiensa menetelmien toimintaperiaatteet, käyttötavat ja sovellettavuuden ja osaa soveltaa menetelmiä suppeasti.

Arviointikriteerit, hyvä (3-4)

Opiskelija hahmottaa datan ja signaalit sekä koneoppimisen käsitteinä yleisesti ja laajasti. Opiskelija tunnistaa useita koneoppimisen menetelmiä ja data-analyysimenetelmiä. Opiskelija ymmärtää menetelmien toimintaperiaatteet, käyttötavan ja sovellettavuuden rajoitteineen ja osaa soveltaa menetelmiä laajasti.

Arviointikriteerit, kiitettävä (5)

Opiskelija hahmottaa datan ja signaalit sekä koneoppimisen käsitteinä yleisesti ja laajasti. Opiskelija tunnistaa laajasti analyysimenetelmiä. Opiskelija ymmärtää koneoppimisen sekä datan esikäsittelyn ja analyysimenetelmien toimintaperiaatteet, käyttötavat ja sovellettavuuden rajoitteineen ja osaa soveltaa menetelmiä hyvin laajasti. Opiskelija osaa käsitellä dataa tehokkaasti ja tuntee menetelmien teorian.