Generatiiviset kilpailevat verkot (GAN) ja deep fakeLaajuus (5 op)
Tunnus: TT00CF28
Laajuus
5 op
Opetuskieli
- suomi
Osaamistavoitteet
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.
Sisältö
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.
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.
Arviointikriteerit, hyvä (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.
Ilmoittautumisaika
30.12.2024 - 26.01.2025
Ajoitus
01.01.2025 - 31.05.2025
Opintopistemäärä
5 op
Toteutustapa
Lähiopetus
Yksikkö
Teknologia
Opetuskielet
- Suomi
Koulutus
- Tieto- ja viestintätekniikan koulutus
Opettaja
- Tommi Kauppinen
Ryhmät
-
TTM22SAITTM22SAI
Tavoitteet
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.
Sisältö
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.
Arviointiasteikko
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.
Arviointikriteerit, hyvä (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.
Esitietovaatimukset
Kurssilla tarvitaan riittävä ymmärrys tekoälystä, joten se on sopiva 3. ja 4. vuosikurssin opiskelijoille.
Ilmoittautumisaika
10.02.2024 - 10.03.2024
Ajoitus
11.03.2024 - 26.04.2024
Opintopistemäärä
5 op
Toteutustapa
Lähiopetus
Yksikkö
Teknologia
Opetuskielet
- Suomi
Koulutus
- Tieto- ja viestintätekniikan koulutus
Opettaja
- Tommi Kauppinen
Ryhmät
-
TTV21SAITTV21SAI
Tavoitteet
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.
Sisältö
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.
Arviointiasteikko
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.
Arviointikriteerit, hyvä (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.
Esitietovaatimukset
Kurssilla tarvitaan riittävä ymmärrys tekoälystä, joten se on sopiva 3. ja 4. vuosikurssin opiskelijoille.
Ilmoittautumisaika
21.01.2023 - 19.02.2023
Ajoitus
20.02.2023 - 15.06.2023
Opintopistemäärä
5 op
Toteutustapa
Lähiopetus
Yksikkö
Teknologia
Opetuskielet
- Suomi
Koulutus
- Tieto- ja viestintätekniikan koulutus
Opettaja
- Tommi Kauppinen
Ryhmät
-
TTV20SAITTV20SAI
Tavoitteet
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.
Sisältö
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.
Arviointiasteikko
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.
Arviointikriteerit, hyvä (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.
Esitietovaatimukset
Kurssilla tarvitaan riittävä ymmärrys tekoälystä, joten se on sopiva 3. ja 4. vuosikurssin opiskelijoille.
Ilmoittautumisaika
30.01.2022 - 28.02.2022
Ajoitus
01.03.2022 - 18.05.2022
Opintopistemäärä
5 op
Virtuaaliosuus
5 op
Toteutustapa
Etäopetus
Yksikkö
Teknologia
Opetuskielet
- Englanti
- Suomi
Koulutus
- Tieto- ja viestintätekniikan koulutus
Opettaja
- Tommi Kauppinen
Ryhmät
-
TTV19SAITTV19SAI
Tavoitteet
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.
Sisältö
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.
Arviointiasteikko
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.
Arviointikriteerit, hyvä (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.
Esitietovaatimukset
Kurssilla tarvitaan riittävä ymmärrys tekoälystä, joten se on sopiva 3. ja 4. vuosikurssin opiskelijoille.