Koneoppimisen perusteet (3op)

Osaamistavoitteet

Opintojakson suoritettuaan opiskelija tuntee koneoppimisen keskeiset käsitteet, yleisimmät oppimistyypit sekä valittujen perusalgoritmien toimintaperiaatteet. Opiskelija ymmärtää koneoppimisprosessin vaiheet datan esikäsittelystä mallin arviointiin ja osaa hyödyntää koneoppimista käytännön ongelmien ratkaisemisessa Python‑ohjelmointikielen ja yleisten data-analyysikirjastojen avulla. Lisäksi kurssilla tutustutaan algoritmien esimerkkitoteutuksiin ilman kirjastojen tarjoamia valmiita ratkaisuja.

Opintojakson jälkeen opiskelija kykenee...

- tunnistaa erilaisia koneoppimisongelmia ja valita niihin soveltuva menetelmä
- esikäsitellä dataa koneoppimismalleja varten
- ymmärtää ja toteuttaa keskeisten koneoppimisalgoritmien toimintaa sekä teoriassa että käytännössä
- hyödyntää valmiita kirjastoja (esim. scikit-learn) koneoppimismallien kouluttamiseen ja arviointiin
- arvioida mallien suorituskykyä ja tulkita tuloksia kriittisesti

Sisältö

Tarkka algoritmien valinta ja painotus määrittyy opintojakson toteutuksen mukaan, mutta sisältää sekoituksen eri toimintaperiaatteisiin perustuvia malleja, kuten todennäköisyysmalleja (Naive Bayes), puurakenteisiin perustuvia malleja (Decision Tree), etäisyyksiin perustuvia malleja (k-NN, k-Means), sekä datan käsittelyssä hyödyllisiä algoritmeja, kuten koordinaattimuutokseen tai dimensiovähennykseen liittyvät mallit (PCA).