Applications of Machine Learning (5 cr)

Objectives (course unit)

The student is familiar with the most common algorithms and implementation techniques of machine learning. The student knows how to prepare the data, choose the method and teach the model. The student is able to control data driving in a learned model and analyze the results.

The student knows the principles of project management and management.

Content (course unit)

Most common algorithms and implementation techniques for machine learning. Preparing data, selecting a method and teaching a model, driving data to a learned model, and analyzing the results.

Project management and management.

Prerequisites (course unit)

Datan varastointiteknologiat

Assessment criteria, satisfactory (1-2) (course unit)

The student is able to use a suitable machine learning method. Students get results using the model.

Assessment criteria, good (3-4) (course unit)

The student is able to use a suitable method. The student is able to produce results using the model.

Assessment criteria, excellent (5) (course unit)

The student is able to choose the most suitable method for the goal. The student is able to estimate the meaning of the results produced by the model.

Exam schedules

Ei tenttiä.

Assessment scale

0-5

Teaching methods

Lähiopetus
Viikkoharjoitukset (tärkein opiskelumuoto)
Ryhmätyö ja siihen liittyvä esitys

Learning materials

Ks. Moodle-kurssin lisätiedot.

Student workload

Ks. periodin aikataulu. Katso Moodle-kurssi kontaktiopetuksen ajankohdista ja tehtävistä.

Further information

Voimassa olevan koronaohjeistuksen mukaisesti opetus järjestetään Teollisuusteknologia-yksikössä (ainakin) 16.1.2022 SAAKKA ETÄOPETUKSENA. Ts. kurssi ainakin starttaa etänä, MS Teams -sovelluksen välityksellä.

Kurssi järjestettäisiin muuten oletuksena lähiopetuksena TAMKin pääkampuksella (rajoitettu etä- tai hybridiosallistuminen mahdollista MS Teamsin välityksellä). Katso Moodle-kurssi kontaktiopetuksen ajankohdista ja tehtävistä: https://moodle.tuni.fi/course/view.php?id=24457 . Huomaa, että mahdolliset covid-rajoitukset saattavat vaikuttaa kurssin toteutustapaan.

Assessment criteria - fail (0) (Not in use, Look at the Assessment criteria above)

Alle 30% harjoituksista suoritettu.

Assessment criteria - satisfactory (1-2) (Not in use, Look at the Assessment criteria above)

Opiskelija tuntee aihepiirin perusidean ja osaa toteuttaa pieniä sovelluksia tarkkojen ohjeiden avustuksella. Vähintään 30% harjoituksista suoritettu.

Assessment criteria - good (3-4) (Not in use, Look at the Assessment criteria above)

Opiskelija tuntee aihepiirin peruskäsitteet ja osaa toteuttaa pieniä sovelluksia itsenäisesti. Vähintään 60% harjoituksista suoritettu.

Assessment criteria - excellent (5) (Not in use, Look at the Assessment criteria above)

Opiskelija tuntee aihepiirin peruskäsitteet, pystyy kriittisesti arvioimaan aihepiirin sovellusten vaatimuksia sekä osaa toteuttaa realistisia sovelluksia itsenäisesti. Vähintään 90% harjoituksista suoritettu. Hyvä ryhmätyö tehty ja esitelty.