Machine Learning (5 cr)
Code: 5S00EZ72-3002
General information
- Enrolment period
- 02.12.2023 - 07.01.2024
- Registration for the implementation has ended.
- Timing
- 08.01.2024 - 05.05.2024
- Implementation has ended.
- Credits
- 5 cr
- Mode of delivery
- Contact learning
- Unit
- Electrical and Automation Engineering
- Campus
- TAMK Main Campus
- Teaching languages
- Finnish
- Seats
- 0 - 40
- Degree programmes
- Degree Programme in Electrical Engineering
Objectives (course unit)
Opiskelija
- ymmärtää koneoppimisen käsitteenä
- ymmärtää koneoppimisen käyttötapoja, hyötyjä ja lainalaisuuksia
- hallitsee erilaisia koneoppimisen menetelmiä ja osaa soveltaa niitä
- osaa valita sovellettavat koneoppimisen menetelmät
- osaa soveltaa koneoppimista automaatiossa
- oppii käyttämään vähintään yhtä ohjelmistoa koneoppimisen soveltamiseen
Content (course unit)
Prosessidatan käsittely, koneoppimisen menetelmät, koneoppimisen soveltaminen, automaatio.
Assessment criteria, satisfactory (1-2) (course unit)
Opiskelija hahmottaa koneoppimisen käsitteenä yksittäisen koneoppimismenetelmän kautta. Opiskelija tunnistaa joitakin koneoppimisen menetelmiä. Opiskelija ymmärtää tunnistamiensa menetelmien toimintaperiaatteet, käyttötavan ja sovellettavuuden rajatusti ja osaa soveltaa menetelmiä suppeasti.
.
Assessment criteria, good (3-4) (course unit)
Opiskelija hahmottaa koneoppimisen käsitteenä yleisesti ja laajasti. Opiskelija tunnistaa useita koneoppimisen menetelmiä. Opiskelija ymmärtää tunnistamiensa menetelmien toimintaperiaatteet, käyttötavat ja sovellettavuuden rajoitteineen ja osaa soveltaa menetelmiä laajasti.
Assessment criteria, excellent (5) (course unit)
Opiskelija hahmottaa koneoppimisen käsitteenä yleisesti ja laajasti. Opiskelija tunnistaa laajasti koneoppimisen menetelmiä. Opiskelija ymmärtää tunnistamiensa menetelmien toimintaperiaatteet, käyttötavat ja sovellettavuuden rajoitteineen ja osaa soveltaa menetelmiä hyvin laajasti. Opiskelija osaa käsitellä koneoppimisen tarvitsemaa ja tuottamaa dataa
Exam schedules
Opintojakson korotus ja uusinta sovitaan vastuuopettajan kanssa.
Assessment methods and criteria
Opintojakson suoritus perustuu viikkotehtäviin ja oppimistehtävien palautuksesta saatuihin pisteisiin.
Assessment scale
0-5
Teaching methods
Lähiopetusta, harjoitustehtäviä, itseoppimista.
Learning materials
Oppitunneille jaettu materiaali, opiskelijat omat muistiinpanot, muu opintojaksolla osoitettu materiaali.
Student workload
Opiskelijan kokonaistyömäärä on noin 133 tuntia (5 op x 1600/60 h/op), josta opiskelijan on varattava itsenäiseen oppimiseen iso osa.
Content scheduling
Tarkempi opintojakson sisältö esitellään ensimmäisellä opetuskerralla kurssin Moodlessa.
Further information
Opintojaksolla painotetaan oppimista harjoitustehtävin, jatkuvan ja itsenäisen oppimisen avulla.