Opinto-opas

Tavoitteet (OJ)

Opiskelija tietää, mitä tarkoittaa data-analyysi ja datan visualisointi. Opiskelija osaa analysoida dataa erilaisilla menetelmillä ja tuottaa tarpeeseen sopivia datan visualisointeja. Opiskelija tuntee oman alansa datan ja sen analyysi- ja visualusointimahdollisuuksia.

Sisältö (OJ)

Data-analyysin teoriaa, menetelmiä ja tekniikoita. Erilaisia datan visualisointitekniikoita. Sopivan analyysi- ja visualisointityökalun tai työkalujen hyödyntämistä. Erilaisten dataympäristöjen tarkastelua.Opiskelija tietää, mitä tarkoittaa data-analyysi ja datan visualisointi. Opiskelija osaa analysoida dataa erilaisilla menetelmillä ja tuottaa tarpeeseen sopivia datan visualisointeja. Opiskelija tuntee oman alansa datan ja sen analyysi- ja visualusointimahdollisuuksia.

Arviointikriteerit, tyydyttävä (1-2) (OJ)

Opiskelja tietää, mitä on data-analyysi ja datan visualisointi sekä osaa ohjatusti tehdä datan analyysiä ja visualisointeja. Opiskelija tunnistaa omaan alaansa liittyvän datan.

Arviointikriteerit, hyvä (3-4) (OJ)

Opiskelija osaa analysoida dataa ja tuotaa joitakin datan visualisointeja. Opiskelija tuntee oman alansa datan ja tietää sen analysointi- ja visualisointimahdollisuuksista.

Arviointikriteerit, kiitettävä (5) (OJ)

Opiskelija osaa analysoida dataa monipuoisesti ja tuotaa useita erilaisia datan visualisointeja. Opiskelija ymmärtää erinomaisesti oman alansa datan ja sen analysointi- ja visualisointimahdollisuudet.

Arviointiasteikko

0-5

Tavoitteet (OJ)

Opiskelija tietää, mitä tarkoitetaan data-analyysiä ja tekoälyä varten kerättävällä datalla. Opiskelija tuntee datan keräämiseen käytettäviä tekniikoita ja osaa ratkaista datan keräämiseen ja käsittelyyn liittyviä haasteita. Opiskelija osaa kerätä dataa eri datalähteistä ja käsitellä dataa analysointia ja tekoälyn hyödyntämistä varten.

Sisältö (OJ)

Datan keräys- ja varastointitekniikat. Datalähteet, datan yhdistely- ja käsittelymenetelmät. Datan keräämistä ja valmistelua jatkotoimia varten. Erilaisten datan keräys- ja käsittelyskenaarioiden tarkastelua.

Arviointikriteerit, tyydyttävä (1-2) (OJ)

Opiskelija tuntee jonkin sopivan datan keräys- ja varastointitekniikan. Opiskelija osaa hyödyntää jotain datan yhdistely- ja käsittelymenetelmää datan valmistelussa. Opiskelija kykenee suunnittelemaan datan keräys- ja käsittelyskenaarion.

Arviointikriteerit, hyvä (3-4) (OJ)

Opiskelija tuntee yleisimmin käytetyt datan keräys- ja varastointitekniikat. Opiskelija osaa hyödyntää yleisimpiä datan yhdistely- ja käsittelymenetelmiä datan valmistelussa. Opiskelija kykenee suunnittelemaan erilaisia datan keräys- ja käsittelyskenaarioita.

Arviointikriteerit, kiitettävä (5) (OJ)

Opiskelija tuntee erilaisia tilanteeseen sopivia datan keräys- ja varastointitekniikoita. Opiskelija osaa hyödyntää monipuolisesti datan yhdistely- ja käsittelymenetelmiä datan valmistelussa. Opiskelija kykenee suunnittelemaan monipuolisesti erilaisia datan keräys- ja käsittelyskenaarioita.

Arviointiasteikko

0-5

Tavoitteet (OJ)

Opiskelija tuntee keskeisimmät digitalisaatiota ajavat teknologiat: esineiden ja asioiden internet, tiedonsiirtoteknologiat, kyberturvallisuus, ohjelmistotuotanto. Opiskelija tietää keskeiset digitaalisten palveluiden tuotantomenetelmät sekä digitalisaation mahdollistavan teknologisen infrastruktuurin. Opiskelija tietää tekoälyn ja koneoppimisen keskeisimmät periaatteet.

Sisältö (OJ)

Katsaus teknologioihin digitalisaation takana. Digitalisaatio ja yhteiskunta. Esineiden ja asioiden internet. Tiedonsiirtoteknologioiden yleiskatsaus. Digitaalisten palveluiden tuottaminen ja ohjelmistotuotanto. Kyberturvallisuus. Digitalisaation tulevaisuuden näkymät.

Arviointikriteerit, tyydyttävä (1-2) (OJ)

Opiskelija tietää ja tunnistaa kurssisisällössä olevat teknologiat sekä niiden rooleja erilaisissa digitaalisissa ratkaisuissa. Opiskelija ymmärtää teknologioiden yleiset periaatteet sekä niiden hyödyntämiskohteita digitaalisissa ratkaisuissa.

Arviointikriteerit, hyvä (3-4) (OJ)

Opiskelija tuntee kurssisisällössä olevat teknologiat sekä tunnistaa niiden merkityksen ja roolit digitaalisten palveluiden ja järjestelmien kokonaisarkkitehtuurissa. Opiskeija osaa myös esittää vaihtoehtoisia ratkaisumalleja ja kehityskohteita nykyisiin järjestelmiin.

Arviointikriteerit, kiitettävä (5) (OJ)

Opiskelija tuntee kurssisisällössä olevat teknologiat. Opiskelija osaa lisäksi analysoida erilaisia digitaalisia ratkaisuja teknologisen kokonaisarkkitehtuurin näkökulmasta sekä arvioida arkkitehtuurissa hyödynnettyjen teknologioiden soveltuvuutta ratkaisuun. Opiskelija osaa myös tunnistaa digitaalisten ratkaisujen kehityskohteita sekä vaihtoehtoisia toteutustapoja.

Arviointiasteikko

0-5

Tavoitteet (OJ)

Opiskelija
- osaa analysoida ja kehittää omaa toimintaansa hanketyöskentelyssä

Sisältö (OJ)

Työskentelyä TAMKin ulkoisen rahoituksen hankkeessa tai muussa hankkeessa.
1 opintopiste = 27 h opiskelijan työtä.
Opiskelija sopii hanketyöskentelystä ja sen raportoinnista hankkeessa toimivan opettajan tai oman opettajatuutorin kanssa.

Arviointiasteikko

0-5

Tavoitteet (OJ)

Opiskelija tietää mitä tarkoittaa tekoäly ja millaisia tyypillisiä ongelmia sillä ratkotaan. Opiskelija tuntee tekoälyyn liittyvät keskeiset käsitteet ja algoritmit. Opiskelija tutustuu joihinkin tyypillisiin tekoälytyökaluihin ja niiden käyttöön. Tekoälyn sovellusalueita käydään lävitse.

Sisältö (OJ)

Tekoälyn olemus ja siihen liittyvät keskeiset käsitteet. Tekoälyllä tyypillisesti ratkaistavat ongelmat. Eri tyyppiset tekoälyalgoritmit. Tekoälyyn liittyvät työkalut. Tekoälysovelluksia.

Arviointikriteerit, tyydyttävä (1-2) (OJ)

Opiskelija tuntee tekoälyn yleisesti. Opiskelija osaa hyödyntää ohjatusti joitakin läpikäytyjä tekoälyyn liittyviä teknologioita. Opiskelija kykenee tunnistamaan eräitä sovellusalueita, johon tekoäly sopii.

Arviointikriteerit, hyvä (3-4) (OJ)

Opiskelija tuntee tekoälyn ja sen keskeiset käsitteet. Opiskelija osaa hyödyntää osaa kurssilla läpikäytyjä tekoälyyn liittyviä teknologioita. Opiskelija kykenee tunnistamaan tekoälyn käyttömahdollisuuksia eri sovellusalueilla.

Arviointikriteerit, kiitettävä (5) (OJ)

Opiskelija tuntee tekoälyn ja sen keskeiset käsitteet monipuolisesti. Opiskelija osaa hyödyntää luovasti keskeisimpiä läpikäytyjä tekoälyyn liittyviä teknologioita. Opiskelija kykenee arvioimaan erinomaisesti tekoälyn hyödyntämismahdollisuudet eri sovellusalueilla.

Aika ja paikka

Ks. periodiaikataulu. Kurssi starttaa hybridimuotoisena siten, että läsnäolo kampuksella on suositeltava osallistumistapa, mutta osallistumiseen tarjotaan mahdollisuuksien mukaan myös MS Teams-etäyhteys. Etäyhteyden roolia kurssilla arvioidaan kurssin kuluessa ja osallistumissuositusta tarkistetaan tarvittaessa. (Huomaa, että Teamsia voidaan joka tapauksessa käyttää myös paikan päällä kampuksella, esim. ryhmäkeskusteluissa, tallenteiden luomisessa ja tarkastelussa, ym.)

Tenttien ja uusintatenttien ajankohdat

Ei tenttiä.

Arviointimenetelmät ja arvioinnin perusteet

Kurssin arvosana määräytyy harjoituksista ja harjoitustyöstä kerättävien suorituspisteiden perusteella. Läpäisyyn ja arvosanaan 1 vaaditaan vähintään 30% pisteistä, maksimiarvosanaan vähintään 90% pisteistä (muut arvosanat lineaarisesti tältä väliltä).

Arviointiasteikko

0-5

Opiskelumuodot ja opetusmenetelmät

Kurssiin sisältyy oppimistehtävinä opetusviikkojen johdantoesityksiin ja teemoihin littyviä harjoituksia sekä suurempi harjoitustyö. Aikataulut, ohjeistus, aineistot ja tehtävien palautus Moodlessa.

Oppimateriaalit

Materiaali Moodlessa, sisältäen linkkejä aihepiirin englanninkieliseen aineistoon (mm. työkalujen ohjeet ja dokumentaatio).

Opiskelijan ajankäyttö ja kuormitus

Intensiivisiä kontaktiopetuspäiviä (etäopetus) ja näihin liittyviä harjoituksia, joista osa on tarkoitus tehdä itseopiskeluna. Ks. kurssin aikataulu.

Tavoitteet (OJ)

Opiskelija osaa toteuttaa erilaisia tekoälyä hyödyntäviä sovelluksia ja tietää, miten dataa käytetään osana tekoälysovellusta. Opiskelija tuntee erilaisia tekoälyn sovellustekniikoita ja menetelmiä sekä osaa valita niistä sopivimman eri käyttötarkoitukseen.

Sisältö (OJ)

Tekoälyä sisältävän sovelluksen suunnittelu ja toteuttaminen ohjelmointikielen avulla, datan käsittely osana tekoälysovellusta, tekoälymallien opettaminen ja testaus sekä tulosten arviointi.

Arviointikriteerit, tyydyttävä (1-2) (OJ)

Opiskelija osaa toteuttaa ohjatusti tekoälyä hyödyntävän sovelluksen ja tietää, miten dataa käytetään osana tekoälysovellusta. Opiskelija tuntee jonkin tekoälyn sovellustekniikan ja/tai menetelmän.

Arviointikriteerit, hyvä (3-4) (OJ)

Opiskelija osaa toteuttaa erilaisia tekoälyä hyödyntäviä sovelluksia ja tietää, miten dataa käytetään osana tekoälysovellusta. Opiskelija tuntee joitakin tekoälyn sovellustekniikoita ja menetelmiä sekä osaa käyttää niistä jotakin.

Arviointikriteerit, kiitettävä (5) (OJ)

Opiskelija osaa toteuttaa monipuolisesti erilaisia tekoälyä hyödyntäviä sovelluksia ja tietää hyvin, miten dataa käytetään osana tekoälysovellusta. Opiskelija tuntee monipuolisesti erilaisia tekoälyn sovellustekniikoita ja menetelmiä sekä osaa valita niistä sopivimman eri käyttötarkoitukseen.

Tenttien ja uusintatenttien ajankohdat

ei tenttiä

Arviointimenetelmät ja arvioinnin perusteet

1 - esimerkin testailua ja raportti
2 - oma case omalla datalla, testailua ja raportti
3 - oma case kahden erilaisen mallin opettaminen, testailua ja raportti
4 - oma case, kolmen erilaisen mallin opettaminen, tulosten vertailu keskenään ja pohdinta siitä, mikä menetelmä antoi parhaan tuloksen, metriikoiden ja tunnuslukujen käyttöä ja niiden pohdintaa, testailua ja raportti
+1 esitys

Arviointiasteikko

0-5

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

ei palautusta eikä esitystä

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

Opiskelija osaa toteuttaa ohjatusti tekoälyä hyödyntävän sovelluksen ja tietää, miten dataa käytetään osana tekoälysovellusta. Opiskelija tuntee jonkin tekoälyn sovellustekniikan ja/tai menetelmän.

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

Opiskelija osaa toteuttaa erilaisia tekoälyä hyödyntäviä sovelluksia ja tietää, miten dataa käytetään osana tekoälysovellusta. Opiskelija tuntee joitakin tekoälyn sovellustekniikoita ja menetelmiä sekä osaa käyttää niistä jotakin.

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

Opiskelija osaa toteuttaa monipuolisesti erilaisia tekoälyä hyödyntäviä sovelluksia ja tietää hyvin, miten dataa käytetään osana tekoälysovellusta. Opiskelija tuntee monipuolisesti erilaisia tekoälyn sovellustekniikoita ja menetelmiä sekä osaa valita niistä sopivimman eri käyttötarkoitukseen.

Tavoitteet (OJ)

Opiskelija tietää erilaisia tekoälyä hyödyntäviä ratkaisuita ja tuntee datan roolin osana tekoälysovelluksia. Opiskelija osaa tunnistaa erilaisia tilanteita, joissa voidaan hyödyntää tekoälyä ja minkälaista dataa ratkaisut vaativat.

Sisältö (OJ)

Tekoälyä hyödyntävien tapausten tutkimista ja analysointia. Datan rooli osana tekoälysovellusta.

Arviointikriteerit, tyydyttävä (1-2) (OJ)

Opiskelija tutkii ja analysoi tekoälyratkaisuita ja tunnistaa datan roolin osana tekoälysovelluksia.

Arviointikriteerit, hyvä (3-4) (OJ)

Opiskelija osaa tutkia ja analysoida tekoälyratkaisuita eri näkökulmista ja ymmärtää datan roolin osana tekoälysovelluksia. Opiskelija osaa tunnistaa hyvin tilanteita, joissa tekoälyä voidaan hyödyntää ja ymmärtää, millaista dataa tällöin tarvitaan.

Arviointikriteerit, kiitettävä (5) (OJ)

Opiskelija osaa tutkia ja analysoida tekoälyratkaisuita monipuolisesti ja ymmärtää hyvin datan roolin osana tekoälysovelluksia. Opiskelija osaa tunnistaa erinomaisesti tilanteita, joissa tekoälyä voidaan hyödyntää ja ymmärtää hyvin, millaista dataa tällöin tarvitaan ja onko dataa riittävästi saatavilla ja mistä dataa saadaan lisää.

Tenttien ja uusintatenttien ajankohdat

Ei tenttiä.

Arviointimenetelmät ja arvioinnin perusteet

Kurssiarvosana perustuu kurssin välietappien asianmukaiseen saavuttamiseen:
1 - seminaari esitys pidetty (pakollinen)
+1 - seminaari esityksen laajuus ja sisältö asianmukainen
+1 - väliraportti palautettu ajallaan
+1 - loppuraportti ja lopullinen esitysmateriaali palautettu ajallaan
+1 - Seminaariesitys pitää sisällään myös "live-demon" kolmannen osapuolen tekemää ja/tai (pientä) itse tehtyä sovellusta hyödyntäen. (Plan-B:nä on hyvä ottaa kuitenkin esityskalvoihin pari ruuduunkaappauskuvaa sen varalta, että live-demossa tulee teknisiä ongelmia.)

Arviointiasteikko

0-5

Opiskelumuodot ja opetusmenetelmät

Pienryhmätyöskentelyä kampuksella, etäosallistumismahdollisuudella MS Teamsillä. Kurssin aikana tutustutaan valittuun tekoälyn tai sen sovelluksen aihepiiriin pienryhmissä (tiivis väliraportti), syvennetään siihen liittyvää omaa osaamista (lyhyt loppuraportti) ja valmistellaan aiheesta esitys muille kurssin osallistujille (seminaariesityksen esityskalvot tms. materiaali). Aikataulut, ohjeistus, aineistot ja tehtävien palautus Moodlessa.

Oppimateriaalit

Materiaali moodlessa, sisältäen linkkejä aihepiirin englanninkieliseen aineistoon.

Lisätiedot (OJ)

Polkuopiskelijana suoritat tutkinto-ohjelman ensimmäisen lukukauden tai lukuvuoden (30-60) opinnot avoimen AMKin opiskelijana. Löydät opintosuunnitelmat TAMKin opinto-oppaasta https://opinto-opas-ops.tamk.fi/.

Voit ilmoittautua polkuopintoihin, jos sinulla on insinööri (AMK),  metsätalousinsinööri (AMK), rakennusarkkitehti (AMK), ammatillisen korkea-asteen insinööri, diplomi-insinööri tai vastaava ulkomainen tutkinto.

Ilmoittautuminen alkaa 9.12.2024 klo 9.00 ja päättyy 10.12.2024 klo 23.59.
YAMK-tutkintoryhmään on varattu yhteensä 2 paikkaa avoimen AMKin opiskelijoille. Mikäli paikkoja on tämän jälkeen vapaana, ilmoittautumisaikaa voidaan pidentää.

Ilmoittautumislomake julkaistaan tällä sivulla ja paikat täytetään ilmoittautumisjärjestyksessä. Ilmoittautuminen on verkkokauppailmoittautuminen ja opintomaksu 300 € maksetaan ilmoittautumisen yhteydessä.

Kevään ja syksyn 2025 opetuspäivät
Opiskelu alkaa TAMKin pääkampuksella orientaatiopäivällä 9.1.2025.
Opetuspäivät ovat pääsääntöisesti parillisten viikkojen torstaisin klo 16.30 – 19.30 ja perjantaisin klo 9.00 – 16.00. Opetuspäivät ovat kaikille pakollisia. Lisäksi opintoihin kuuluvia TAMKin ylemmän ammattikorkeakoulututkinnon yhteisiä opintojaksoja toteutetaan osittain myös lauantaisin.

Haku tutkinto-opiskelijaksi polkuopintojen jälkeen
Polkuopintojen suorittamisen perusteella voit hakea tutkinto-opiskelijaksi avoimen väylän erillishaussa opintopolku.fi-palvelussa lokakuussa 2025 tai jo toukokuussa 2025, mikäli opintosuunnitelmassasi keväällä on valintaan vaadittu opintopistemäärä.

Jotta voit tulla valituksi, opintoja tulee olla suoritettuna 15 opintopistettä kevään avoimen väylän erillishaussa 31.7.2025 mennessä ja syksyn 2025 haussa 31.12.2025 mennessä. Jos vaaditun opintopistemäärän suorittaminen ei onnistu kevätlukukauden aikana, opiskele vielä syksy avoimen opiskelijana ja hae tutkinto-opiskelijaksi syksyn avoimen väylän haussa lokakuussa 2025.

Huomioithan, että hakiessasi YAMK-tutkintoon sinun pitää täyttää myös pohjakoulutus- ja työkokemusvaatimukset.

Arviointiasteikko

0-5

Sisältö (OJ)

Polkuopiskelijana suoritat tutkinto-ohjelman ensimmäisen lukukauden tai lukuvuoden (30-60) opinnot avoimen AMKin opiskelijana. Löydät opintosuunnitelmat TAMKin opinto-oppaasta https://opinto-opas-ops.tamk.fi/.

Voit ilmoittautua polkuopintoihin, jos sinulla bioanalyytikon, ensihoitaja, fysioterapeutin, kätilön, röntgenhoitaja, sairaanhoitajan, sosionomin, suuhygienistin tai terveydenhoitajan AMK-tutkinto, vastaava opistoasteen tai ammatillisen korkea-asteen tutkinto tai vastaava ulkomainen tutkinto.

Sosionomin aiemmista opistoasteen tutkinnoista hyväksytään seuraavat tutkinnot:
sosiaalikasvattaja ja sosiaalikasvattajan tutkintoon rinnastuva opistotasoinen lähikasvattaja,
sosiaaliohjaaja, kehitysvammaisten ohjaaja tai kehitysvamma-alan ohjaaja, sosiaalialan ohjaaja, diakonin tutkinto, johon sisältyy sosiaaliohjaajan koulutus.

Ilmoittautuminen alkaa 9.12.2024 klo 9.00 ja päättyy 10.12.2024 klo 23.59.
YAMK-tutkintoryhmään on varattu yhteensä 2 paikkaa avoimen AMKin opiskelijoille. Mikäli paikkoja on tämän jälkeen vapaana, ilmoittautumisaikaa voidaan pidentää.

Ilmoittautumislomake julkaistaan tällä sivulla ja paikat täytetään ilmoittautumisjärjestyksessä. Ilmoittautuminen on verkkokauppailmoittautuminen ja opintomaksu 300 € maksetaan ilmoittautumisen yhteydessä.

Kevään ja syksyn 2025 opetuspäivät
Opiskelu alkaa TAMKin pääkampuksella orientaatiopäivällä 9.1.2025.
Opetuspäivät ovat pääsääntöisesti parillisten viikkojen torstaisin klo 16.30 – 19.30 ja perjantaisin klo 9.00 – 16.00. Opetuspäivät ovat kaikille pakollisia. Lisäksi opintoihin kuuluvia TAMKin ylemmän ammattikorkeakoulututkinnon yhteisiä opintojaksoja toteutetaan osittain myös lauantaisin.

Haku tutkinto-opiskelijaksi polkuopintojen jälkeen
Polkuopintojen suorittamisen perusteella voit hakea tutkinto-opiskelijaksi avoimen väylän erillishaussa opintopolku.fi-palvelussa lokakuussa 2025 tai jo toukokuussa 2025, mikäli opintosuunnitelmassasi keväällä on valintaan vaadittu opintopistemäärä.

Jotta voit tulla valituksi, opintoja tulee olla suoritettuna 20 opintopistettä kevään avoimen väylän erillishaussa 31.7.2025 mennessä ja syksyn 2025 haussa 31.12.2025 mennessä. Jos vaaditun opintopistemäärän suorittaminen ei onnistu kevätlukukauden aikana, opiskele vielä syksy avoimen opiskelijana ja hae tutkinto-opiskelijaksi syksyn avoimen väylän haussa lokakuussa 2025.

Huomioithan, että hakiessasi YAMK-tutkintoon sinun pitää täyttää myös pohjakoulutus- ja työkokemusvaatimukset

Arviointiasteikko

0-5

Sisältö (OJ)

Polkuopiskelijana suoritat tutkinto-ohjelman ensimmäisen lukukauden tai lukuvuoden (30-60) opinnot avoimen AMKin opiskelijana. Löydät opintosuunnitelmat TAMKin opinto-oppaasta https://opinto-opas-ops.tamk.fi/.

Voit ilmoittautua polkuopintoihin, jos sinulla on korkeakoulututkinto. Tutkinto voi olla ammattikorkeakoulusta tai yliopistosta.

Ilmoittautuminen alkaa 9.12.2024 klo 9.00 ja päättyy 10.12.2024 klo 23.59.
YAMK-tutkintoryhmään on varattu yhteensä 2 paikkaa avoimen AMKin opiskelijoille. Mikäli paikkoja on tämän jälkeen vapaana, ilmoittautumisaikaa voidaan pidentää.

Ilmoittautumislomake julkaistaan tällä sivulla ja paikat täytetään ilmoittautumisjärjestyksessä. Ilmoittautuminen on verkkokauppailmoittautuminen ja opintomaksu 300 € maksetaan ilmoittautumisen yhteydessä.

Kevään ja syksyn 2025 opetuspäivät
Opiskelu alkaa TAMKin pääkampuksella orientaatiopäivällä 9.1.2025.
Opetuspäivät ovat pääsääntöisesti parillisten viikkojen torstaisin klo 16.30 – 19.30 ja perjantaisin klo 9.00 – 16.00. Opetuspäivät ovat kaikille pakollisia. Lisäksi opintoihin kuuluvia TAMKin ylemmän ammattikorkeakoulututkinnon yhteisiä opintojaksoja toteutetaan osittain myös lauantaisin.

Haku tutkinto-opiskelijaksi polkuopintojen jälkeen
Polkuopintojen suorittamisen perusteella voit hakea tutkinto-opiskelijaksi avoimen väylän erillishaussa opintopolku.fi-palvelussa lokakuussa 2025 tai jo toukokuussa 2025, mikäli opintosuunnitelmassasi keväällä on valintaan vaadittu opintopistemäärä.

Jotta voit tulla valituksi, opintoja tulee olla suoritettuna 20 opintopistettä kevään avoimen väylän erillishaussa 31.7.2025 mennessä ja syksyn 2025 haussa 31.12.2025 mennessä. Jos vaaditun opintopistemäärän suorittaminen ei onnistu kevätlukukauden aikana, opiskele vielä syksy avoimen opiskelijana ja hae tutkinto-opiskelijaksi syksyn avoimen väylän haussa lokakuussa 2025.

Huomioithan, että hakiessasi YAMK-tutkintoon sinun pitää täyttää myös pohjakoulutus- ja työkokemusvaatimukset.

Arviointiasteikko

0-5

Sisältö (OJ)

Polkuopiskelijana suoritat tutkinto-ohjelman ensimmäisen lukukauden tai lukuvuoden (30-60) opinnot avoimen AMKin opiskelijana. Löydät opintosuunnitelmat TAMKin opinto-oppaasta https://opinto-opas-ops.tamk.fi/.

Voit ilmoittautua polkuopintoihin, jos sinulla bioanalyytikon, ensihoitaja, fysioterapeutin, kätilön, röntgenhoitaja, sairaanhoitajan, sosionomin, suuhygienistin tai terveydenhoitajan AMK-tutkinto, vastaava opistoasteen tai ammatillisen korkea-asteen tutkinto tai vastaava ulkomainen tutkinto.

Sosionomin aiemmista opistoasteen tutkinnoista hyväksytään seuraavat tutkinnot:
sosiaalikasvattaja ja sosiaalikasvattajan tutkintoon rinnastuva opistotasoinen lähikasvattaja,
sosiaaliohjaaja, kehitysvammaisten ohjaaja tai kehitysvamma-alan ohjaaja, sosiaalialan ohjaaja, diakonin tutkinto, johon sisältyy sosiaaliohjaajan koulutus.

Ilmoittautuminen alkaa 9.12.2024 klo 9.00 ja päättyy 10.12.2024 klo 23.59.
YAMK-tutkintoryhmään on varattu yhteensä 2 paikkaa avoimen AMKin opiskelijoille. Mikäli paikkoja on tämän jälkeen vapaana, ilmoittautumisaikaa voidaan pidentää.

Ilmoittautumislomake julkaistaan tällä sivulla ja paikat täytetään ilmoittautumisjärjestyksessä. Ilmoittautuminen on verkkokauppailmoittautuminen ja opintomaksu 300 € maksetaan ilmoittautumisen yhteydessä.

Kevään ja syksyn 2025 opetuspäivät
Opiskelu alkaa TAMKin pääkampuksella orientaatiopäivällä 9.1.2025.
Opetuspäivät ovat pääsääntöisesti parillisten viikkojen torstaisin klo 16.30 – 19.30 ja perjantaisin klo 9.00 – 16.00. Opetuspäivät ovat kaikille pakollisia. Lisäksi opintoihin kuuluvia TAMKin ylemmän ammattikorkeakoulututkinnon yhteisiä opintojaksoja toteutetaan osittain myös lauantaisin.

Haku tutkinto-opiskelijaksi polkuopintojen jälkeen
Polkuopintojen suorittamisen perusteella voit hakea tutkinto-opiskelijaksi avoimen väylän erillishaussa opintopolku.fi-palvelussa lokakuussa 2025 tai jo toukokuussa 2025, mikäli opintosuunnitelmassasi keväällä on valintaan vaadittu opintopistemäärä.

Jotta voit tulla valituksi, opintoja tulee olla suoritettuna 20 opintopistettä kevään avoimen väylän erillishaussa 31.7.2025 mennessä ja syksyn 2025 haussa 31.12.2025 mennessä. Jos vaaditun opintopistemäärän suorittaminen ei onnistu kevätlukukauden aikana, opiskele vielä syksy avoimen opiskelijana ja hae tutkinto-opiskelijaksi syksyn avoimen väylän haussa lokakuussa 2025.

Huomioithan, että hakiessasi YAMK-tutkintoon sinun pitää täyttää myös pohjakoulutus- ja työkokemusvaatimukset

Arviointiasteikko

0-5

Sisältö (OJ)

Polkuopiskelijana suoritat tutkinto-ohjelman ensimmäisen lukukauden tai lukuvuoden (30-60) opinnot avoimen AMKin opiskelijana. Löydät opintosuunnitelmat TAMKin opinto-oppaasta https://opinto-opas-ops.tamk.fi/.

Voit ilmoittautua polkuopintoihin, jos sinulla on korkeakoulututkinto. Tutkinto voi olla ammattikorkeakoulusta tai yliopistosta.

Ilmoittautuminen alkaa 9.12.2024 klo 9.00 ja päättyy 10.12.2024 klo 23.59.
YAMK-tutkintoryhmään on varattu yhteensä 2 paikkaa avoimen AMKin opiskelijoille. Mikäli paikkoja on tämän jälkeen vapaana, ilmoittautumisaikaa voidaan pidentää.

Ilmoittautumislomake julkaistaan tällä sivulla ja paikat täytetään ilmoittautumisjärjestyksessä. Ilmoittautuminen on verkkokauppailmoittautuminen ja opintomaksu 300 € maksetaan ilmoittautumisen yhteydessä.

Kevään ja syksyn 2025 opetuspäivät
Opiskelu alkaa TAMKin pääkampuksella orientaatiopäivällä 9.1.2025.
Opetuspäivät ovat pääsääntöisesti parillisten viikkojen torstaisin klo 16.30 – 19.30 ja perjantaisin klo 9.00 – 16.00. Opetuspäivät ovat kaikille pakollisia. Lisäksi opintoihin kuuluvia TAMKin ylemmän ammattikorkeakoulututkinnon yhteisiä opintojaksoja toteutetaan osittain myös lauantaisin.

Haku tutkinto-opiskelijaksi polkuopintojen jälkeen
Polkuopintojen suorittamisen perusteella voit hakea tutkinto-opiskelijaksi avoimen väylän erillishaussa opintopolku.fi-palvelussa lokakuussa 2025 tai jo toukokuussa 2025, mikäli opintosuunnitelmassasi keväällä on valintaan vaadittu opintopistemäärä.

Jotta voit tulla valituksi, opintoja tulee olla suoritettuna 20 opintopistettä kevään avoimen väylän erillishaussa 31.7.2025 mennessä ja syksyn 2025 haussa 31.12.2025 mennessä. Jos vaaditun opintopistemäärän suorittaminen ei onnistu kevätlukukauden aikana, opiskele vielä syksy avoimen opiskelijana ja hae tutkinto-opiskelijaksi syksyn avoimen väylän haussa lokakuussa 2025.

Huomioithan, että hakiessasi YAMK-tutkintoon sinun pitää täyttää myös pohjakoulutus- ja työkokemusvaatimukset.

Arviointiasteikko

0-5

Lisätiedot (OJ)

Polkuopiskelijana suoritat tutkinto-ohjelman ensimmäisen lukukauden tai lukuvuoden (30-60) opinnot avoimen AMKin opiskelijana. Löydät opintosuunnitelmat TAMKin opinto-oppaasta https://opinto-opas-ops.tamk.fi/.

Voit ilmoittautua polkuopintoihin, jos sinulla on insinööri (AMK),  metsätalousinsinööri (AMK), rakennusarkkitehti (AMK), ammatillisen korkea-asteen insinööri, diplomi-insinööri tai vastaava ulkomainen tutkinto.

Ilmoittautuminen alkaa 9.12.2024 klo 9.00 ja päättyy 10.12.2024 klo 23.59.
YAMK-tutkintoryhmään on varattu yhteensä 2 paikkaa avoimen AMKin opiskelijoille. Mikäli paikkoja on tämän jälkeen vapaana, ilmoittautumisaikaa voidaan pidentää.

Ilmoittautumislomake julkaistaan tällä sivulla ja paikat täytetään ilmoittautumisjärjestyksessä. Ilmoittautuminen on verkkokauppailmoittautuminen ja opintomaksu 300 € maksetaan ilmoittautumisen yhteydessä.

Kevään ja syksyn 2025 opetuspäivät
Opiskelu alkaa TAMKin pääkampuksella orientaatiopäivällä 9.1.2025.
Opetuspäivät ovat pääsääntöisesti parillisten viikkojen torstaisin klo 16.30 – 19.30 ja perjantaisin klo 9.00 – 16.00. Opetuspäivät ovat kaikille pakollisia. Lisäksi opintoihin kuuluvia TAMKin ylemmän ammattikorkeakoulututkinnon yhteisiä opintojaksoja toteutetaan osittain myös lauantaisin.

Haku tutkinto-opiskelijaksi polkuopintojen jälkeen
Polkuopintojen suorittamisen perusteella voit hakea tutkinto-opiskelijaksi avoimen väylän erillishaussa opintopolku.fi-palvelussa lokakuussa 2025 tai jo toukokuussa 2025, mikäli opintosuunnitelmassasi keväällä on valintaan vaadittu opintopistemäärä.

Jotta voit tulla valituksi, opintoja tulee olla suoritettuna 15 opintopistettä kevään avoimen väylän erillishaussa 31.7.2025 mennessä ja syksyn 2025 haussa 31.12.2025 mennessä. Jos vaaditun opintopistemäärän suorittaminen ei onnistu kevätlukukauden aikana, opiskele vielä syksy avoimen opiskelijana ja hae tutkinto-opiskelijaksi syksyn avoimen väylän haussa lokakuussa 2025.

Huomioithan, että hakiessasi YAMK-tutkintoon sinun pitää täyttää myös pohjakoulutus- ja työkokemusvaatimukset.

Arviointiasteikko

0-5

Tavoitteet (OJ)

Opiskelija tuntee keskeisimmät digitalisaatiota ajavat teknologiat: esineiden ja asioiden internet, tiedonsiirtoteknologiat, kyberturvallisuus, ohjelmistotuotanto. Opiskelija tietää keskeiset digitaalisten palveluiden tuotantomenetelmät sekä digitalisaation mahdollistavan teknologisen infrastruktuurin. Opiskelija tietää tekoälyn ja koneoppimisen keskeisimmät periaatteet.

Sisältö (OJ)

Katsaus teknologioihin digitalisaation takana. Digitalisaatio ja yhteiskunta. Esineiden ja asioiden internet. Tiedonsiirtoteknologioiden yleiskatsaus. Digitaalisten palveluiden tuottaminen ja ohjelmistotuotanto. Kyberturvallisuus. Digitalisaation tulevaisuuden näkymät.

Arviointikriteerit, tyydyttävä (1-2) (OJ)

Opiskelija tietää ja tunnistaa kurssisisällössä olevat teknologiat sekä niiden rooleja erilaisissa digitaalisissa ratkaisuissa. Opiskelija ymmärtää teknologioiden yleiset periaatteet sekä niiden hyödyntämiskohteita digitaalisissa ratkaisuissa.

Arviointikriteerit, hyvä (3-4) (OJ)

Opiskelija tuntee kurssisisällössä olevat teknologiat sekä tunnistaa niiden merkityksen ja roolit digitaalisten palveluiden ja järjestelmien kokonaisarkkitehtuurissa. Opiskeija osaa myös esittää vaihtoehtoisia ratkaisumalleja ja kehityskohteita nykyisiin järjestelmiin.

Arviointikriteerit, kiitettävä (5) (OJ)

Opiskelija tuntee kurssisisällössä olevat teknologiat. Opiskelija osaa lisäksi analysoida erilaisia digitaalisia ratkaisuja teknologisen kokonaisarkkitehtuurin näkökulmasta sekä arvioida arkkitehtuurissa hyödynnettyjen teknologioiden soveltuvuutta ratkaisuun. Opiskelija osaa myös tunnistaa digitaalisten ratkaisujen kehityskohteita sekä vaihtoehtoisia toteutustapoja.

Arviointiasteikko

0-5

Tavoitteet (OJ)

Opiskelija tietää, mitä tarkoitetaan data-analyysiä ja tekoälyä varten kerättävällä datalla. Opiskelija tuntee datan keräämiseen käytettäviä tekniikoita ja osaa ratkaista datan keräämiseen ja käsittelyyn liittyviä haasteita. Opiskelija osaa kerätä dataa eri datalähteistä ja käsitellä dataa analysointia ja tekoälyn hyödyntämistä varten.

Sisältö (OJ)

Datan keräys- ja varastointitekniikat. Datalähteet, datan yhdistely- ja käsittelymenetelmät. Datan keräämistä ja valmistelua jatkotoimia varten. Erilaisten datan keräys- ja käsittelyskenaarioiden tarkastelua.

Arviointikriteerit, tyydyttävä (1-2) (OJ)

Opiskelija tuntee jonkin sopivan datan keräys- ja varastointitekniikan. Opiskelija osaa hyödyntää jotain datan yhdistely- ja käsittelymenetelmää datan valmistelussa. Opiskelija kykenee suunnittelemaan datan keräys- ja käsittelyskenaarion.

Arviointikriteerit, hyvä (3-4) (OJ)

Opiskelija tuntee yleisimmin käytetyt datan keräys- ja varastointitekniikat. Opiskelija osaa hyödyntää yleisimpiä datan yhdistely- ja käsittelymenetelmiä datan valmistelussa. Opiskelija kykenee suunnittelemaan erilaisia datan keräys- ja käsittelyskenaarioita.

Arviointikriteerit, kiitettävä (5) (OJ)

Opiskelija tuntee erilaisia tilanteeseen sopivia datan keräys- ja varastointitekniikoita. Opiskelija osaa hyödyntää monipuolisesti datan yhdistely- ja käsittelymenetelmiä datan valmistelussa. Opiskelija kykenee suunnittelemaan monipuolisesti erilaisia datan keräys- ja käsittelyskenaarioita.

Arviointiasteikko

0-5

Tavoitteet (OJ)

Opiskelija tietää, mitä tarkoittaa data-analyysi ja datan visualisointi. Opiskelija osaa analysoida dataa erilaisilla menetelmillä ja tuottaa tarpeeseen sopivia datan visualisointeja. Opiskelija tuntee oman alansa datan ja sen analyysi- ja visualusointimahdollisuuksia.

Sisältö (OJ)

Data-analyysin teoriaa, menetelmiä ja tekniikoita. Erilaisia datan visualisointitekniikoita. Sopivan analyysi- ja visualisointityökalun tai työkalujen hyödyntämistä. Erilaisten dataympäristöjen tarkastelua.Opiskelija tietää, mitä tarkoittaa data-analyysi ja datan visualisointi. Opiskelija osaa analysoida dataa erilaisilla menetelmillä ja tuottaa tarpeeseen sopivia datan visualisointeja. Opiskelija tuntee oman alansa datan ja sen analyysi- ja visualusointimahdollisuuksia.

Arviointikriteerit, tyydyttävä (1-2) (OJ)

Opiskelja tietää, mitä on data-analyysi ja datan visualisointi sekä osaa ohjatusti tehdä datan analyysiä ja visualisointeja. Opiskelija tunnistaa omaan alaansa liittyvän datan.

Arviointikriteerit, hyvä (3-4) (OJ)

Opiskelija osaa analysoida dataa ja tuotaa joitakin datan visualisointeja. Opiskelija tuntee oman alansa datan ja tietää sen analysointi- ja visualisointimahdollisuuksista.

Arviointikriteerit, kiitettävä (5) (OJ)

Opiskelija osaa analysoida dataa monipuoisesti ja tuotaa useita erilaisia datan visualisointeja. Opiskelija ymmärtää erinomaisesti oman alansa datan ja sen analysointi- ja visualisointimahdollisuudet.

Arviointiasteikko

0-5

Tavoitteet (OJ)

Opiskelija
- osaa analysoida ja kehittää omaa toimintaansa hanketyöskentelyssä

Sisältö (OJ)

Työskentelyä TAMKin ulkoisen rahoituksen hankkeessa tai muussa hankkeessa.
1 opintopiste = 27 h opiskelijan työtä.
Opiskelija sopii hanketyöskentelystä ja sen raportoinnista hankkeessa toimivan opettajan tai oman opettajatuutorin kanssa.

Arviointiasteikko

0-5

Tavoitteet (OJ)

Opiskelija tietää erilaisia tekoälyä hyödyntäviä ratkaisuita ja tuntee datan roolin osana tekoälysovelluksia. Opiskelija osaa tunnistaa erilaisia tilanteita, joissa voidaan hyödyntää tekoälyä ja minkälaista dataa ratkaisut vaativat.

Sisältö (OJ)

Tekoälyä hyödyntävien tapausten tutkimista ja analysointia. Datan rooli osana tekoälysovellusta.

Arviointikriteerit, tyydyttävä (1-2) (OJ)

Opiskelija tutkii ja analysoi tekoälyratkaisuita ja tunnistaa datan roolin osana tekoälysovelluksia.

Arviointikriteerit, hyvä (3-4) (OJ)

Opiskelija osaa tutkia ja analysoida tekoälyratkaisuita eri näkökulmista ja ymmärtää datan roolin osana tekoälysovelluksia. Opiskelija osaa tunnistaa hyvin tilanteita, joissa tekoälyä voidaan hyödyntää ja ymmärtää, millaista dataa tällöin tarvitaan.

Arviointikriteerit, kiitettävä (5) (OJ)

Opiskelija osaa tutkia ja analysoida tekoälyratkaisuita monipuolisesti ja ymmärtää hyvin datan roolin osana tekoälysovelluksia. Opiskelija osaa tunnistaa erinomaisesti tilanteita, joissa tekoälyä voidaan hyödyntää ja ymmärtää hyvin, millaista dataa tällöin tarvitaan ja onko dataa riittävästi saatavilla ja mistä dataa saadaan lisää.

Tenttien ja uusintatenttien ajankohdat

Ei tenttiä.

Arviointimenetelmät ja arvioinnin perusteet

Kurssiarvosana perustuu kurssin välietappien asianmukaiseen saavuttamiseen:
1 - seminaari esitys pidetty (pakollinen)
+1 - seminaari esityksen laajuus ja sisältö asianmukainen
+1 - väliraportti palautettu ajallaan
+1 - loppuraportti ja lopullinen esitysmateriaali palautettu ajallaan
+1 - Seminaariesitys pitää sisällään myös "live-demon" kolmannen osapuolen tekemää ja/tai (pientä) itse tehtyä sovellusta hyödyntäen. (Plan-B:nä on hyvä ottaa kuitenkin esityskalvoihin pari ruuduunkaappauskuvaa sen varalta, että live-demossa tulee teknisiä ongelmia.)

Arviointiasteikko

0-5

Opiskelumuodot ja opetusmenetelmät

Pienryhmätyöskentelyä kampuksella, etäosallistumismahdollisuudella MS Teamsillä. Kurssin aikana tutustutaan valittuun tekoälyn tai sen sovelluksen aihepiiriin pienryhmissä (tiivis väliraportti), syvennetään siihen liittyvää omaa osaamista (lyhyt loppuraportti) ja valmistellaan aiheesta esitys muille kurssin osallistujille (seminaariesityksen esityskalvot tms. materiaali). Aikataulut, ohjeistus, aineistot ja tehtävien palautus Moodlessa.

Oppimateriaalit

Materiaali moodlessa, sisältäen linkkejä aihepiirin englanninkieliseen aineistoon.

Tavoitteet (OJ)

Opiskelija tietää mitä tarkoittaa tekoäly ja millaisia tyypillisiä ongelmia sillä ratkotaan. Opiskelija tuntee tekoälyyn liittyvät keskeiset käsitteet ja algoritmit. Opiskelija tutustuu joihinkin tyypillisiin tekoälytyökaluihin ja niiden käyttöön. Tekoälyn sovellusalueita käydään lävitse.

Sisältö (OJ)

Tekoälyn olemus ja siihen liittyvät keskeiset käsitteet. Tekoälyllä tyypillisesti ratkaistavat ongelmat. Eri tyyppiset tekoälyalgoritmit. Tekoälyyn liittyvät työkalut. Tekoälysovelluksia.

Arviointikriteerit, tyydyttävä (1-2) (OJ)

Opiskelija tuntee tekoälyn yleisesti. Opiskelija osaa hyödyntää ohjatusti joitakin läpikäytyjä tekoälyyn liittyviä teknologioita. Opiskelija kykenee tunnistamaan eräitä sovellusalueita, johon tekoäly sopii.

Arviointikriteerit, hyvä (3-4) (OJ)

Opiskelija tuntee tekoälyn ja sen keskeiset käsitteet. Opiskelija osaa hyödyntää osaa kurssilla läpikäytyjä tekoälyyn liittyviä teknologioita. Opiskelija kykenee tunnistamaan tekoälyn käyttömahdollisuuksia eri sovellusalueilla.

Arviointikriteerit, kiitettävä (5) (OJ)

Opiskelija tuntee tekoälyn ja sen keskeiset käsitteet monipuolisesti. Opiskelija osaa hyödyntää luovasti keskeisimpiä läpikäytyjä tekoälyyn liittyviä teknologioita. Opiskelija kykenee arvioimaan erinomaisesti tekoälyn hyödyntämismahdollisuudet eri sovellusalueilla.

Aika ja paikka

Ks. periodiaikataulu. Kurssi starttaa hybridimuotoisena siten, että läsnäolo kampuksella on suositeltava osallistumistapa, mutta osallistumiseen tarjotaan mahdollisuuksien mukaan myös MS Teams-etäyhteys. Etäyhteyden roolia kurssilla arvioidaan kurssin kuluessa ja osallistumissuositusta tarkistetaan tarvittaessa. (Huomaa, että Teamsia voidaan joka tapauksessa käyttää myös paikan päällä kampuksella, esim. ryhmäkeskusteluissa, tallenteiden luomisessa ja tarkastelussa, ym.)

Tenttien ja uusintatenttien ajankohdat

Ei tenttiä.

Arviointimenetelmät ja arvioinnin perusteet

Kurssin arvosana määräytyy harjoituksista ja harjoitustyöstä kerättävien suorituspisteiden perusteella. Läpäisyyn ja arvosanaan 1 vaaditaan vähintään 30% pisteistä, maksimiarvosanaan vähintään 90% pisteistä (muut arvosanat lineaarisesti tältä väliltä).

Arviointiasteikko

0-5

Opiskelumuodot ja opetusmenetelmät

Kurssiin sisältyy oppimistehtävinä opetusviikkojen johdantoesityksiin ja teemoihin littyviä harjoituksia sekä suurempi harjoitustyö. Aikataulut, ohjeistus, aineistot ja tehtävien palautus Moodlessa.

Oppimateriaalit

Materiaali Moodlessa, sisältäen linkkejä aihepiirin englanninkieliseen aineistoon (mm. työkalujen ohjeet ja dokumentaatio).

Opiskelijan ajankäyttö ja kuormitus

Intensiivisiä kontaktiopetuspäiviä (etäopetus) ja näihin liittyviä harjoituksia, joista osa on tarkoitus tehdä itseopiskeluna. Ks. kurssin aikataulu.

Tavoitteet (OJ)

Opiskelija osaa toteuttaa erilaisia tekoälyä hyödyntäviä sovelluksia ja tietää, miten dataa käytetään osana tekoälysovellusta. Opiskelija tuntee erilaisia tekoälyn sovellustekniikoita ja menetelmiä sekä osaa valita niistä sopivimman eri käyttötarkoitukseen.

Sisältö (OJ)

Tekoälyä sisältävän sovelluksen suunnittelu ja toteuttaminen ohjelmointikielen avulla, datan käsittely osana tekoälysovellusta, tekoälymallien opettaminen ja testaus sekä tulosten arviointi.

Arviointikriteerit, tyydyttävä (1-2) (OJ)

Opiskelija osaa toteuttaa ohjatusti tekoälyä hyödyntävän sovelluksen ja tietää, miten dataa käytetään osana tekoälysovellusta. Opiskelija tuntee jonkin tekoälyn sovellustekniikan ja/tai menetelmän.

Arviointikriteerit, hyvä (3-4) (OJ)

Opiskelija osaa toteuttaa erilaisia tekoälyä hyödyntäviä sovelluksia ja tietää, miten dataa käytetään osana tekoälysovellusta. Opiskelija tuntee joitakin tekoälyn sovellustekniikoita ja menetelmiä sekä osaa käyttää niistä jotakin.

Arviointikriteerit, kiitettävä (5) (OJ)

Opiskelija osaa toteuttaa monipuolisesti erilaisia tekoälyä hyödyntäviä sovelluksia ja tietää hyvin, miten dataa käytetään osana tekoälysovellusta. Opiskelija tuntee monipuolisesti erilaisia tekoälyn sovellustekniikoita ja menetelmiä sekä osaa valita niistä sopivimman eri käyttötarkoitukseen.

Tenttien ja uusintatenttien ajankohdat

ei tenttiä

Arviointimenetelmät ja arvioinnin perusteet

1 - esimerkin testailua ja raportti
2 - oma case omalla datalla, testailua ja raportti
3 - oma case kahden erilaisen mallin opettaminen, testailua ja raportti
4 - oma case, kolmen erilaisen mallin opettaminen, tulosten vertailu keskenään ja pohdinta siitä, mikä menetelmä antoi parhaan tuloksen, metriikoiden ja tunnuslukujen käyttöä ja niiden pohdintaa, testailua ja raportti
+1 esitys

Arviointiasteikko

0-5

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

ei palautusta eikä esitystä

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

Opiskelija osaa toteuttaa ohjatusti tekoälyä hyödyntävän sovelluksen ja tietää, miten dataa käytetään osana tekoälysovellusta. Opiskelija tuntee jonkin tekoälyn sovellustekniikan ja/tai menetelmän.

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

Opiskelija osaa toteuttaa erilaisia tekoälyä hyödyntäviä sovelluksia ja tietää, miten dataa käytetään osana tekoälysovellusta. Opiskelija tuntee joitakin tekoälyn sovellustekniikoita ja menetelmiä sekä osaa käyttää niistä jotakin.

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

Opiskelija osaa toteuttaa monipuolisesti erilaisia tekoälyä hyödyntäviä sovelluksia ja tietää hyvin, miten dataa käytetään osana tekoälysovellusta. Opiskelija tuntee monipuolisesti erilaisia tekoälyn sovellustekniikoita ja menetelmiä sekä osaa valita niistä sopivimman eri käyttötarkoitukseen.