Clustering and classificationLaajuus (3 cr)

Objective

Opintojakson suoritettuaan opiskelija tuntee luokittelu- ja klusterointimenetelmien yleiset ominaisuudet sekä tyypilliset käyttökohteet. Lisäksi opiskelija oppii hyödyntämään luokittelu- ja klusterointimenetelmiä osana datankäsittelyprosessia. Opiskelija osaa myös arvioida eri menetelmien hyvyyttä ja tulosten oikeellisuutta.

Content

Klusterointi- ja luokittelumenetelmiä, esimerkiksi:
-K-means
-SVM
-Bayes-luokittelija
-KNN

Materials

Opettajan osoittama oppimateriaali

Assessment criteria, excellent (5)

Opiskelija osaa sujuvasti soveltaa eri luokittelu- ja klusterointimenetelmiä erilaisiin datasetteihin sekä ymmärtää eri menetelmien teoriataustan. Lisäksi opiskelija hallitsee luokitteluun ja klusterointiin liittyvät datankäsittelyprosessit. Opiskelija osoittaa oppimistaan reflektoimalla analyyttisesti ja kattavasti kaikkia palauttamiaan harjoitustehtäviä.

Assessment criteria, good (3)

Opiskelija osaa hyödyntää eri luokittelu- ja klusterointimenetelmiä erilaisiin datasetteihin sekä tietää eri menetelmien teoriataustan. Lisäksi opiskelija hallitsee luokitteluun ja klusterointiin liittyvät datankäsittelyprosessit. Opiskelija osoittaa oppimistaan reflektoimalla analyyttisesti palauttamiaan harjoitustehtäviä.

Assessment criteria, satisfactory (1)

Opiskelija osaa auttavasti hyödyntää luokittelu- ja klusterointimenetelmiä erilaisiin datasetteihin. Lisäksi opiskelija tuntee luokitteluun ja klusterointiin liittyvät datankäsittelyprosessit.

Execution methods

Luennot
Ohjelmointiharjoitukset
Itsenäiset harjoitustehtävät

Accomplishment methods

Palautettavat harjoitustehtävät