Opinto-opas

Tavoitteet

Opintojakson suoritettuaan opiskelija hallitsee useita tehokkaita koneoppimistekniikoita ja ymmärtää niiden hyödyntämismahdollisuudet. Teoriaymmärryksen lisäksi opiskelija kykenee soveltamaan oppimiaan menetelmiä käytännön ongelmien ratkaisemiseen sekä omaa perusnäkemyksen koneoppimis- ja tekoälysovellusten toteuttamiseen liittyvistä hyvistä käytänteistä.

Sisältö

- Johdatus koneoppimiseen
- Ohjattu oppiminen (parametric/non-parametric algorithms, support vector machines, kernels, neural networks)
- Ohjaamaton oppiminen (clustering, dimensionality reduction, recommender systems, deep learning)
- Koneoppimisen parhaat käytänteet (bias/variance theory; innovation process in machine learning and AI)

Arviointiasteikko

0 - 5

Arviointikriteerit, kiitettävä (5)

Opiskelija hallitsee ja ymmärtää kaikkien opintojaksolla läpikäytävien menetelmien teoriaperustan osaten lisäksi soveltaa tekniikoita sujuvasti käytännön ongelmien ratkaisemiseen. Opiskelija on myös palauttanut vaaditut tehtävät ajoissa.

Arviointikriteerit, hyvä (3)

Opiskelija ymmärtää opintojaksolla läpikäytävien menetelmien teoriaperustan pääpiirteissään sekä kykenee soveltamaan suurinta osaa niistä käytännön ongelmien ratkaisemiseen. Opiskelija on palauttanut valtaosan (70 %) vaadituista tehtävät ajoissa.

Arviointikriteerit, tyydyttävä (1)

Opiskelija tuntee opintojaksolla läpikäytävien menetelmien teoriaperustan pintapuolisesti sekä kykenee välttävästi soveltamaan osaa tekniikoista käytännön ongelmien ratkaisemiseen. Opiskelija on palauttanut osan (50 %) vaadituista tehtävät ajoissa.