Opinto-opas

Tavoitteet (OJ)

Opintojaksolla opiskelijat perehtyvät tekoälyyn ja koneoppimiseen erityisesti terveysalan kontekstissa. Käsitellen edistyneitä algoritmeja ja ohjelmoinnin periaatteita opiskelijat arvioivat ja kehittävät tekoälyn sovelluksia, ja soveltavat teoreettista ymmärrystään ja osaamistaan vastaamaan nykyaikaisen terveydenhuollon haasteisiin ja innovaatioihin tekoälyn ja koneoppimisen alueella.

Opintojakson suoritettuaan opiskelija
- tietää tekoälyn ja koneoppimisen keskeiset periaatteet, termit ja käsitteet
- tietää koneoppimisen ja tekoälyn luomisen prosessin
- tietää tekoälyn keskeiset sovelluskohteet terveysalalla

Sisältö (OJ)

Algoritmin käsite, ohjelmoinnin perusperiaatteet
Tekoälyn ja koneoppimisen periaatteet, termit ja käsitteet
Tekoälyn ja koneoppimisen mallin luominen ja testaaminen sekä laadun arviointi
Tekoälyn ja koneoppimisen keskeiset sovelluskohteet terveysalalla

Arviointikriteerit, tyydyttävä (1-2) (OJ)

Opiskelija
- tuntee tekoälyn keskeiset periaatteet, termit ja käsitteet
- tuntee tekoälyn luomisen prosessit
- tuntee tekoälyn keskeiset sovelluskohteet sekä niiden vaikutukset terveysalalla

Arviointikriteerit, hyvä (3-4) (OJ)

Opiskelija
- tuntee tekoälyn keskeiset periaatteet, termit ja käsitteet
- tuntee tekoälyn luomisen prosessit
- tuntee tekoälyn keskeiset sovelluskohteet sekä niiden vaikutukset terveysalalla
- osaa luoda datan pohjalta koneoppimisen mallin sekä testata sekä arvioida mallia
- osaa analysoida tekoälyn käyttökohteita sekä käyttökelpoisuutta terveydenhuollon prosesseissa

Arviointikriteerit, kiitettävä (5) (OJ)

Opiskelija
- tuntee tekoälyn keskeiset periaatteet, termit ja käsitteet
- tuntee tekoälyn luomisen prosessit
- tuntee tekoälyn keskeiset sovelluskohteet sekä niiden vaikutukset terveysalalla
- osaa luoda datan pohjalta koneoppimisen mallin sekä testata sekä arvioida mallia
- osaa analysoida tekoälyn käyttökohteita sekä käyttökelpoisuutta terveydenhuollon prosesseissa
- osaa luoda tekoälyn mallin terveydenhuollon prosessissa sekä kriittisesti analysoida tekoälyn mallin laatua ja soveltuvuutta käyttökohteeseen
- tunnistaa erilaisten algoritmien erot koneoppimisen mallin luomisessa ja osaa valita käyttökohteeseen perustellusti soveltuvan algoritmin

Aika ja paikka

Etäopetuksena alkaen 17.1.2025 klo 8.30. Ajantasaisia aikataulutietoja ylläpidetään Moodlessa.

Tenttien ja uusintatenttien ajankohdat

Lähtökohtaisesti ei tenttiä.

Arviointimenetelmät ja arvioinnin perusteet

Arviointi perustuu opintojakson aikana suoritettuihin kurssiaktiviteetteihin (tehtävät, esitykset, projektit yms.) ja niistä kertyviin pisteisiin. Arvosana määräytyy kerättyjen pisteiden prosenttiosuudesta suurimpaan mahdolliseen kokonaispistemäärään nähden alustavasti seuraavasti:
[0 % – 50 %[: 0
[50 % – 60 %[: 1
[60 % – 70 %[: 2
[70 % – 80 %[: 3
[80 % – 90 %[: 4
[90 % – 100 %[: 5
Joidenkin aktiviteettien hyväksytty suoritus voidaan edellyttää, jotta opintojakson voi läpäistä – esim. itse- ja vertaisarviointeja voidaan vaatia.

Arviointiasteikko

0-5

Opiskelumuodot ja opetusmenetelmät

Luennot/harjoitukset, projektit, esitykset, verkko-opetus, itseopiskelu, ongelmalähtöinen oppiminen, mahdollisesti ryhmätyö, itse-/vertaisarviointi

Oppimateriaalit

Ilmoitetaan opintojakson alussa. Lähtökohtaisesti ei pakollista kurssikirjaa.

Opiskelijan ajankäyttö ja kuormitus

Suunniteltu keskimääräinen opiskelijan ajankäyttö n. 135 h, jakautuu tasaisesti kolmannelle ja neljännelle periodille.

Toteutuksen valinnaiset suoritustavat

(Tarvittaessa yhteys opettajaan erityisjärjestelyjen osalta.)

Harjoittelu- ja työelämäyhteistyö

Ei takeita, mutta tutkitaan mahdollisuutta vierailuluentoon.