Skip to main content

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.

Qualifications

Kurssilla tarvitaan riittävä ymmärrys tekoälystä, joten se on sopiva 3. ja 4. vuosikurssin opiskelijoille.

Arviointikriteerit, kiitettävä (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.

Arviointikriteerit, tyydyttävä (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.

en
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
  • TTV21SAI
    TTV21SAI

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

Arviointikriteerit, kiitettävä (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.

Arviointikriteerit, tyydyttävä (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.

Qualifications

Kurssilla tarvitaan riittävä ymmärrys tekoälystä, joten se on sopiva 3. ja 4. vuosikurssin opiskelijoille.

en
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
  • TTV20SAI
    TTV20SAI

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

Arviointikriteerit, kiitettävä (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.

Arviointikriteerit, tyydyttävä (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.

Qualifications

Kurssilla tarvitaan riittävä ymmärrys tekoälystä, joten se on sopiva 3. ja 4. vuosikurssin opiskelijoille.

en
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
  • TTV19SAI
    TTV19SAI

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

Arviointikriteerit, kiitettävä (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.

Arviointikriteerit, tyydyttävä (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.

Qualifications

Kurssilla tarvitaan riittävä ymmärrys tekoälystä, joten se on sopiva 3. ja 4. vuosikurssin opiskelijoille.