Siirry suoraan sisältöön

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
22I231B
Sähkö- 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.

Siirry alkuun