Opinto-opas

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.

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 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.