Koneoppiminen (5 op)
Toteutuksen tunnus: 5S00EZ72-3003
Toteutuksen perustiedot
- Ilmoittautumisaika
- 02.12.2024 - 05.01.2025
- Ilmoittautuminen toteutukselle on päättynyt.
- Ajoitus
- 07.01.2025 - 10.05.2025
- Toteutus on päättynyt.
- Laajuus
- 5 op
- Toteutustapa
- Lähiopetus
- Yksikkö
- Sähkö- ja automaatiotekniikka
- Toimipiste
- TAMK Pääkampus
- Opetuskielet
- suomi
- Paikat
- 0 - 40
- Koulutus
- Sähkö- ja automaatiotekniikan tutkinto-ohjelma
- Opettajat
- Teemu Heinimäki
- Vastuuhenkilö
- Jarkko Lehtonen
- Ryhmät
-
22I231BSähkö- ja automaatiotekniikka
- Luokittelu
- ONLINE
- Opintojakso
- 5S00EZ72
Osaamistavoitteet (Opintojakso)
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
Sisältö (Opintojakso)
Prosessidatan käsittely, koneoppimisen menetelmät, koneoppimisen soveltaminen, automaatio.
Arviointikriteerit, tyydyttävä (1-2) (Opintojakso)
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.
.
Arviointikriteerit, hyvä (3-4) (Opintojakso)
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.
Arviointikriteerit, kiitettävä (5) (Opintojakso)
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
Aika ja paikka
Etänä alkaen 13.1.2025 klo 11.15. Ajantasaiset tiedot Moodlesta.
Tenttien ja uusintatenttien ajankohdat
Exam-tentti joustavasti opintojakson loppuvaiheessa. Lisäksi arviointi perustuu opintojakson aikana suoritettuihin aktiviteetteihin (harjoituksiin/harjoitustöihin, esityksiin, testeihin yms.).
Arviointimenetelmät ja arvioinnin perusteet
Arviointi perustuu tentin läpäisyyn ja opintojakson aikana kerättyihin pisteisiin, joita voi saada harjoituksista, esityksistä ja muista kurssiaktiviteeteista. Alustavasti tentin läpäisy vaaditaan, minkä jälkeen arvosanat määräytyvät opintojakson aikana kertyneiden pisteiden osuudesta saavutettavissa olevaan kokonaispistemäärään nähden seuraavasti: [0%–40%[ -> 1, [40%–60%[ -> 2, [60%–75%[ -> 3, [75%–90%[ -> 4, [90%–100%[ -> 5. Jotkin aktiviteetit (tehtävät, harjoitustyöt, arvioinnit) voivat olla pakollisia opintojakson läpäisemiseksi ja joitakin aktiviteetteja koskien saatetaan hyödyntää ja mahdollisesti vaatia vertais- tai itsearviointia.
Arviointiasteikko
0-5
Opiskelumuodot ja opetusmenetelmät
Luennot, harjoitukset, esitykset, etäopetus, itseopiskelu, ongelmaperustainen oppiminen
Oppimateriaalit
Esitellään opintojakson alussa.
Opiskelijan ajankäyttö ja kuormitus
Opiskelijan suunniteltu työkuorma keskimäärin n. 135 h, jakautuu tasaisesti kolmannelle ja neljännelle periodille.
Toteutuksen valinnaiset suoritustavat
(Tarvittaessa yhteys opettajaan erityisjärjestelyitä varten.)
Harjoittelu- ja työelämäyhteistyö
Ei merkittävässä roolissa, mutta tutkitaan mahdollisuutta saada vierailuluennoitsija.