5 op / 135 tuntia opiskelijan työtä

Kurssi toteutetaan suomeksi. Osa materiaalista on englanninkielistä. Kurssi koostuu ryhmissä tehtävistä
harjoituksista.

Opintojakso järjestetään kevätlukukauden periodilla IV (vkot 11-19 (9.3.–8.5.2020)). Tutkinto-opiskelijoille suositeltava suoritusajankohta on 1. tai 2. opiskeluvuosi.

Opintojakson jälkeen opiskelija kykenee auttavasti tunnistamaan ongelman ratkaisemisessa mahdollisesti
soveliaat tekoälytekniikat, osaten erottaa toisistaan haku-, regressio-, luokittelu- ja ryvästysongelmat, pystyen
selittämään ohjatun ja ohjaamattoman oppimisen käytön, sekä suorituskyvyn mittaamisen menetelmät ja metriikat.

1. Johdanto: tekoälyn merkitys
2. Hakumenetelmät: pelien tekoäly
3. Regressiomenetelmät: kausaliteettien oppiminen
4. Luokittelumenetelmät: kategorioiden tunnistus
5. Ryvästysmenetelmät: luokkarakenteiden tunnistus
6. Ohjattu oppiminen
7. Ohjaamaton oppiminen

Kurssi toteutetaan lähiopetuksena

Luento-opetus 42h / ryhmätyöskentely 70 h/ itsenäinen opiskelu 23 h. Harjoitteet tehdään ryhmätyöskentelynä monialaisissa ryhmissä.

Kurssi soveltuu kaikille opiskelijoille, joskin harjoitteiden luonteen vuoksi jokaiseen ryhmään tarvitaan ohjelmoinnin perustaitoja omaavia.

Ei esitietovaatimuksia

Opintojakso on itsenäinen kokonaisuus eikä edellytä muita samanaikaisesti suoritettavia opintoja.

Opintojakson malli perustuu University of Washingtonin  Coursera –opintojaksoon “Machine learning foundations: a case study approach”.

Opintojaksolla käytetään jatkuvaa arviointia. Sen kuluessa on 6 välikoetta, joista 5 parasta käytetään loppuarvosteluun. Kurssiin kuuluu 5 ryhmäharjoitetta, joista vähintään 4 on suoritettava hyväksytysti.

Lue lisää opintosuoritusten arvostelusta yliopiston verkkosivulta.

Opintojaksolla käytetään numeerista arviointiasteikkoa 1-5. Numeerisessa asteikossa nolla merkitsee hylättyä suoritusta.

Olli Silvén

Kurssilla järjestetään vierailijoiden esityksiä tekoälyn sovelluskohteista.