Generative Adversial Networks (GAN) ja deep fakeLaajuus (5 cr)
Code: TT00CF28
Credits
5 op
Teaching language
- Finnish
Objective
Generatiiviset kilpailevat verkostot (Generative Adversarial Networks, GAN) ovat kaiken nykyisen ”deep fake”-nimityksen mukaisen kuva- ja videomanipulaation taustalla. Tällä kurssilla opiskelijat pääsevät tutustumaan GAN-tekoälyyn sekä käytännön että teorian näkökulmasta. Kurssi on Moodlessa itsenäisesti tai ryhmässä suoritettava kurssi, ja se sisältää sekä koodausta että kirjallisia töitä. Alun aiheeseen tutustumisen jälkeen kurssilla koodataan kuvamanipulaattori, jolla voi tuottaa keinotekoisen kuvan, joka muistuttaa täysin aitoa. Lisäksi kurssilla analysoidaan manipuloituja kuvia ja pyritään erottamaan ne aidoista. Kurssin aikana tehdyistä löydöksistä kirjoitetaan loppuraportti. Kurssi arvioidaan arvosanalla 1-5.
Content
Kurssilla tehdään alkuessee ja tutustutaan opetusmateriaaliin ja GAN-verkkoja käsitteleviin tieteellisiin julkaisuihin. Kurssilla ohjelmoidaan kaksi GAN-koodia, joista toinen on täydennettävä itse ja toinen tehdään alusta saakka. Lopuksi kirjoitetaan loppuraportti kurssin aikana tehdyistä havainnoista.
Assessment criteria, excellent (5)
Loppuraportti on selkeä ja osoittaa erinomaista ymmärrystä sekä GAN-verkkojen teoriasta että koodaamisesta. Deep fake -tunnistamisesta tehdyt havainnot ovat oikeat ja täsmällisesti selitetty.
Assessment criteria, good (3)
Loppuraportti on kohtuullisen selkeä ja osoittaa hyvää ymmärrystä sekä GAN-verkkojen teoriasta että koodaamisesta. Deep fake -tunnistamisesta tehdyt havainnot ovat jossain määrin oikeita ja ymmärrettävästi selitetty.
Assessment criteria, satisfactory (1)
Loppuraportti on ymmärrettävä ja osoittaa riittävää ymmärrystä sekä GAN-verkkojen teoriasta että koodaamisesta. Deep fake -tunnistamisesta tehdyt havainnot ovat välillä oikeita ja jossain määrin selitetty.
Enrollment
30.12.2024 - 26.01.2025
Timing
01.01.2025 - 31.05.2025
Number of ECTS credits allocated
5 op
Mode of delivery
Contact teaching
Unit
Teknologia
Teaching languages
- Finnish
Degree programmes
- Bachelor’s Degree in Information and Communication Technology
Teachers
- Tommi Kauppinen
Groups
-
TTM22SAITTM22SAI
Objective
Generatiiviset kilpailevat verkostot (Generative Adversarial Networks, GAN) ovat kaiken nykyisen ”deep fake”-nimityksen mukaisen kuva- ja videomanipulaation taustalla. Tällä kurssilla opiskelijat pääsevät tutustumaan GAN-tekoälyyn sekä käytännön että teorian näkökulmasta. Kurssi on Moodlessa itsenäisesti tai ryhmässä suoritettava kurssi, ja se sisältää sekä koodausta että kirjallisia töitä. Alun aiheeseen tutustumisen jälkeen kurssilla koodataan kuvamanipulaattori, jolla voi tuottaa keinotekoisen kuvan, joka muistuttaa täysin aitoa. Lisäksi kurssilla analysoidaan manipuloituja kuvia ja pyritään erottamaan ne aidoista. Kurssin aikana tehdyistä löydöksistä kirjoitetaan loppuraportti. Kurssi arvioidaan arvosanalla 1-5.
Content
Kurssilla tehdään alkuessee ja tutustutaan opetusmateriaaliin ja GAN-verkkoja käsitteleviin tieteellisiin julkaisuihin. Kurssilla ohjelmoidaan kaksi GAN-koodia, joista toinen on täydennettävä itse ja toinen tehdään alusta saakka. Lopuksi kirjoitetaan loppuraportti kurssin aikana tehdyistä havainnoista.
Evaluation scale
0 - 5
Assessment criteria, excellent (5)
Loppuraportti on selkeä ja osoittaa erinomaista ymmärrystä sekä GAN-verkkojen teoriasta että koodaamisesta. Deep fake -tunnistamisesta tehdyt havainnot ovat oikeat ja täsmällisesti selitetty.
Assessment criteria, good (3)
Loppuraportti on kohtuullisen selkeä ja osoittaa hyvää ymmärrystä sekä GAN-verkkojen teoriasta että koodaamisesta. Deep fake -tunnistamisesta tehdyt havainnot ovat jossain määrin oikeita ja ymmärrettävästi selitetty.
Assessment criteria, satisfactory (1)
Loppuraportti on ymmärrettävä ja osoittaa riittävää ymmärrystä sekä GAN-verkkojen teoriasta että koodaamisesta. Deep fake -tunnistamisesta tehdyt havainnot ovat välillä oikeita ja jossain määrin selitetty.
Prerequisites
Kurssilla tarvitaan riittävä ymmärrys tekoälystä, joten se on sopiva 3. ja 4. vuosikurssin opiskelijoille.
Enrollment
10.02.2024 - 10.03.2024
Timing
11.03.2024 - 26.04.2024
Number of ECTS credits allocated
5 op
Mode of delivery
Contact teaching
Unit
Teknologia
Teaching languages
- Finnish
Degree programmes
- Bachelor’s Degree in Information and Communication Technology
Teachers
- Tommi Kauppinen
Groups
-
TTV21SAITTV21SAI
Objective
Generatiiviset kilpailevat verkostot (Generative Adversarial Networks, GAN) ovat kaiken nykyisen ”deep fake”-nimityksen mukaisen kuva- ja videomanipulaation taustalla. Tällä kurssilla opiskelijat pääsevät tutustumaan GAN-tekoälyyn sekä käytännön että teorian näkökulmasta. Kurssi on Moodlessa itsenäisesti tai ryhmässä suoritettava kurssi, ja se sisältää sekä koodausta että kirjallisia töitä. Alun aiheeseen tutustumisen jälkeen kurssilla koodataan kuvamanipulaattori, jolla voi tuottaa keinotekoisen kuvan, joka muistuttaa täysin aitoa. Lisäksi kurssilla analysoidaan manipuloituja kuvia ja pyritään erottamaan ne aidoista. Kurssin aikana tehdyistä löydöksistä kirjoitetaan loppuraportti. Kurssi arvioidaan arvosanalla 1-5.
Content
Kurssilla tehdään alkuessee ja tutustutaan opetusmateriaaliin ja GAN-verkkoja käsitteleviin tieteellisiin julkaisuihin. Kurssilla ohjelmoidaan kaksi GAN-koodia, joista toinen on täydennettävä itse ja toinen tehdään alusta saakka. Lopuksi kirjoitetaan loppuraportti kurssin aikana tehdyistä havainnoista.
Evaluation scale
0 - 5
Assessment criteria, excellent (5)
Loppuraportti on selkeä ja osoittaa erinomaista ymmärrystä sekä GAN-verkkojen teoriasta että koodaamisesta. Deep fake -tunnistamisesta tehdyt havainnot ovat oikeat ja täsmällisesti selitetty.
Assessment criteria, good (3)
Loppuraportti on kohtuullisen selkeä ja osoittaa hyvää ymmärrystä sekä GAN-verkkojen teoriasta että koodaamisesta. Deep fake -tunnistamisesta tehdyt havainnot ovat jossain määrin oikeita ja ymmärrettävästi selitetty.
Assessment criteria, satisfactory (1)
Loppuraportti on ymmärrettävä ja osoittaa riittävää ymmärrystä sekä GAN-verkkojen teoriasta että koodaamisesta. Deep fake -tunnistamisesta tehdyt havainnot ovat välillä oikeita ja jossain määrin selitetty.
Prerequisites
Kurssilla tarvitaan riittävä ymmärrys tekoälystä, joten se on sopiva 3. ja 4. vuosikurssin opiskelijoille.
Enrollment
21.01.2023 - 19.02.2023
Timing
20.02.2023 - 15.06.2023
Number of ECTS credits allocated
5 op
Mode of delivery
Contact teaching
Unit
Teknologia
Teaching languages
- Finnish
Degree programmes
- Bachelor’s Degree in Information and Communication Technology
Teachers
- Tommi Kauppinen
Groups
-
TTV20SAITTV20SAI
Objective
Generatiiviset kilpailevat verkostot (Generative Adversarial Networks, GAN) ovat kaiken nykyisen ”deep fake”-nimityksen mukaisen kuva- ja videomanipulaation taustalla. Tällä kurssilla opiskelijat pääsevät tutustumaan GAN-tekoälyyn sekä käytännön että teorian näkökulmasta. Kurssi on Moodlessa itsenäisesti tai ryhmässä suoritettava kurssi, ja se sisältää sekä koodausta että kirjallisia töitä. Alun aiheeseen tutustumisen jälkeen kurssilla koodataan kuvamanipulaattori, jolla voi tuottaa keinotekoisen kuvan, joka muistuttaa täysin aitoa. Lisäksi kurssilla analysoidaan manipuloituja kuvia ja pyritään erottamaan ne aidoista. Kurssin aikana tehdyistä löydöksistä kirjoitetaan loppuraportti. Kurssi arvioidaan arvosanalla 1-5.
Content
Kurssilla tehdään alkuessee ja tutustutaan opetusmateriaaliin ja GAN-verkkoja käsitteleviin tieteellisiin julkaisuihin. Kurssilla ohjelmoidaan kaksi GAN-koodia, joista toinen on täydennettävä itse ja toinen tehdään alusta saakka. Lopuksi kirjoitetaan loppuraportti kurssin aikana tehdyistä havainnoista.
Evaluation scale
0 - 5
Assessment criteria, excellent (5)
Loppuraportti on selkeä ja osoittaa erinomaista ymmärrystä sekä GAN-verkkojen teoriasta että koodaamisesta. Deep fake -tunnistamisesta tehdyt havainnot ovat oikeat ja täsmällisesti selitetty.
Assessment criteria, good (3)
Loppuraportti on kohtuullisen selkeä ja osoittaa hyvää ymmärrystä sekä GAN-verkkojen teoriasta että koodaamisesta. Deep fake -tunnistamisesta tehdyt havainnot ovat jossain määrin oikeita ja ymmärrettävästi selitetty.
Assessment criteria, satisfactory (1)
Loppuraportti on ymmärrettävä ja osoittaa riittävää ymmärrystä sekä GAN-verkkojen teoriasta että koodaamisesta. Deep fake -tunnistamisesta tehdyt havainnot ovat välillä oikeita ja jossain määrin selitetty.
Prerequisites
Kurssilla tarvitaan riittävä ymmärrys tekoälystä, joten se on sopiva 3. ja 4. vuosikurssin opiskelijoille.
Enrollment
30.01.2022 - 28.02.2022
Timing
01.03.2022 - 18.05.2022
Number of ECTS credits allocated
5 op
Virtual portion
5 op
Mode of delivery
Distance learning
Unit
Teknologia
Teaching languages
- English
- Finnish
Degree programmes
- Bachelor’s Degree in Information and Communication Technology
Teachers
- Tommi Kauppinen
Groups
-
TTV19SAITTV19SAI
Objective
Generatiiviset kilpailevat verkostot (Generative Adversarial Networks, GAN) ovat kaiken nykyisen ”deep fake”-nimityksen mukaisen kuva- ja videomanipulaation taustalla. Tällä kurssilla opiskelijat pääsevät tutustumaan GAN-tekoälyyn sekä käytännön että teorian näkökulmasta. Kurssi on Moodlessa itsenäisesti tai ryhmässä suoritettava kurssi, ja se sisältää sekä koodausta että kirjallisia töitä. Alun aiheeseen tutustumisen jälkeen kurssilla koodataan kuvamanipulaattori, jolla voi tuottaa keinotekoisen kuvan, joka muistuttaa täysin aitoa. Lisäksi kurssilla analysoidaan manipuloituja kuvia ja pyritään erottamaan ne aidoista. Kurssin aikana tehdyistä löydöksistä kirjoitetaan loppuraportti. Kurssi arvioidaan arvosanalla 1-5.
Content
Kurssilla tehdään alkuessee ja tutustutaan opetusmateriaaliin ja GAN-verkkoja käsitteleviin tieteellisiin julkaisuihin. Kurssilla ohjelmoidaan kaksi GAN-koodia, joista toinen on täydennettävä itse ja toinen tehdään alusta saakka. Lopuksi kirjoitetaan loppuraportti kurssin aikana tehdyistä havainnoista.
Evaluation scale
0 - 5
Assessment criteria, excellent (5)
Loppuraportti on selkeä ja osoittaa erinomaista ymmärrystä sekä GAN-verkkojen teoriasta että koodaamisesta. Deep fake -tunnistamisesta tehdyt havainnot ovat oikeat ja täsmällisesti selitetty.
Assessment criteria, good (3)
Loppuraportti on kohtuullisen selkeä ja osoittaa hyvää ymmärrystä sekä GAN-verkkojen teoriasta että koodaamisesta. Deep fake -tunnistamisesta tehdyt havainnot ovat jossain määrin oikeita ja ymmärrettävästi selitetty.
Assessment criteria, satisfactory (1)
Loppuraportti on ymmärrettävä ja osoittaa riittävää ymmärrystä sekä GAN-verkkojen teoriasta että koodaamisesta. Deep fake -tunnistamisesta tehdyt havainnot ovat välillä oikeita ja jossain määrin selitetty.
Prerequisites
Kurssilla tarvitaan riittävä ymmärrys tekoälystä, joten se on sopiva 3. ja 4. vuosikurssin opiskelijoille.