AI Methods (5cr)

Objectives (course unit)

The student knows what artificial intelligence means and what typical problems it solves. The student knows the main concepts and algorithms related to artificial intelligence. Students become familiar with some typical artificial intelligence tools and their use. Different applications of artificial intelligence are covered.

Content (course unit)

The essence of artificial intelligence and its key concepts. Problems typically solved with artificial intelligence. Different types of artificial intelligence algorithms. Artificial intelligence tools. Artificial Intelligence Applications.

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

The student is familiar with artificial intelligence in general. The student is able to utilize some of the advanced artificial intelligence related technologies. The student is able to identify certain application areas that artificial intelligence fits into.

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

The student is familiar with artificial intelligence and its key concepts. The student is able to utilize some of the technologies related to artificial intelligence. The student is able to identify the possibilities of using artificial intelligence in different application areas.

Assessment criteria, excellent (5) (course unit)

The student is versatile in artificial intelligence and its key concepts. The student is able to creatively utilize the most advanced artificial intelligence related technologies. The student will be able to evaluate excellently the possibilities of utilizing artificial intelligence in different application areas.

Location and time

Suomeksi
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.)

Exam schedules

Ei tenttiä.

Assessment methods and criteria

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

Assessment scale

0-5

Teaching methods

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

Learning materials

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

Student workload

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

Further information

Tekoälyn käyttö on kurssilla sallittua rajoitetusti. Tekoälyä voi ja on joskus jopa suositeltavaakin kriittisesti käyttää oppimiskaverina mutta esim. tekoälyavustajien generoimia tuotoksia ei sellaisenaan saa palauttaa omina kurssisuorituksina. Opiskelijoiden tulee ensisijaisesti käyttää TAMKin ja opettajan osoittamia työkaluja. Erityisesti: kurssimateriaalin, tehtävien ym. lataaminen TAMKin tietojärjestelmien ulkopuolisille tekoälyavustajille on kiellettyä, ellei tehtävänannossa tapauskohtaisesti näin erikseen ohjeisteta.