Syväoppiminen 2Laajuus (5 op)
Tunnus: TT00CC67
Laajuus
5 op
Opetuskieli
- suomi
Osaamistavoitteet
Opiskelija osaa soveltaa syväoppimisessa käytettäviä menetelmiä TensorFlow ympäristössä. Lisäksi opiskelija osaa hyödyntää GPU laskentaa ja CSC supertietokoneita neuroverkkojen koulutuksessa ja osaa ottaa käyttöön valmiiksi opetettuja neuroverkkoja nettiselaimessa.
Sisältö
- TensorFlow ympäristön käyttö
- GPU solmujen käyttö neuroverkkojen koulutuksessa
- Hajautettu koulutus usealla GPU:lla
- CSC:n supertietokoneiden käyttö neuroverkkojen koulutuksessa
- Koulutetun neuroverkon käyttöönotto nettiselaimessa
- Neuroverkkojen sovellukset
Esitietovaatimukset
Syväoppiminen 1
Arviointikriteerit, kiitettävä (5)
Arvosanaan 5 vaaditaan n. 95% kurssin harjoitusten pisteistä. Tämä tarkoittaa käytännössä, että kaikki palautettu koodi toimii ja harjoitusten pohdinta-osiot on tehty kiitettävästi.
Arviointikriteerit, tyydyttävä (1)
Arvosanaan 1 vaaditaan kaikkien tehtävien palautus ja 50% kurssin pisteistä. Lisäksi palautetuista kurssin harjoituksista on käytävä ilmi, että opiskelija osaa ottaa käyttöön Tensorflow -ympäristön, ladata siihen mallin ja opettaa ja käyttää sitä.
Ilmoittautumisaika
02.07.2024 - 31.07.2024
Ajoitus
01.08.2024 - 31.12.2024
Opintopistemäärä
5 op
Toteutustapa
Lähiopetus
Yksikkö
Teknologia
Opetuskielet
- Suomi
Koulutus
- Tieto- ja viestintätekniikan koulutus
Opettaja
- Pekka Huttunen
Ryhmät
-
TTM22SAITTM22SAI
Tavoitteet
Opiskelija osaa soveltaa syväoppimisessa käytettäviä menetelmiä TensorFlow ympäristössä. Lisäksi opiskelija osaa hyödyntää GPU laskentaa ja CSC supertietokoneita neuroverkkojen koulutuksessa ja osaa ottaa käyttöön valmiiksi opetettuja neuroverkkoja nettiselaimessa.
Sisältö
- TensorFlow ympäristön käyttö
- GPU solmujen käyttö neuroverkkojen koulutuksessa
- Hajautettu koulutus usealla GPU:lla
- CSC:n supertietokoneiden käyttö neuroverkkojen koulutuksessa
- Koulutetun neuroverkon käyttöönotto nettiselaimessa
- Neuroverkkojen sovellukset
Arviointiasteikko
0 - 5
Arviointikriteerit, kiitettävä (5)
Arvosanaan 5 vaaditaan n. 95% kurssin harjoitusten pisteistä. Tämä tarkoittaa käytännössä, että kaikki palautettu koodi toimii ja harjoitusten pohdinta-osiot on tehty kiitettävästi.
Arviointikriteerit, tyydyttävä (1)
Arvosanaan 1 vaaditaan kaikkien tehtävien palautus ja 50% kurssin pisteistä. Lisäksi palautetuista kurssin harjoituksista on käytävä ilmi, että opiskelija osaa ottaa käyttöön Tensorflow -ympäristön, ladata siihen mallin ja opettaa ja käyttää sitä.
Esitietovaatimukset
Syväoppiminen 1
Ilmoittautumisaika
02.07.2024 - 31.07.2024
Ajoitus
01.08.2024 - 31.12.2024
Opintopistemäärä
5 op
Toteutustapa
Lähiopetus
Yksikkö
Teknologia
Opetuskielet
- Suomi
Koulutus
- Tieto- ja viestintätekniikan koulutus
Opettaja
- Pekka Huttunen
Ryhmät
-
TTV22SAITTV22SAI
Tavoitteet
Opiskelija osaa soveltaa syväoppimisessa käytettäviä menetelmiä TensorFlow ympäristössä. Lisäksi opiskelija osaa hyödyntää GPU laskentaa ja CSC supertietokoneita neuroverkkojen koulutuksessa ja osaa ottaa käyttöön valmiiksi opetettuja neuroverkkoja nettiselaimessa.
Sisältö
- TensorFlow ympäristön käyttö
- GPU solmujen käyttö neuroverkkojen koulutuksessa
- Hajautettu koulutus usealla GPU:lla
- CSC:n supertietokoneiden käyttö neuroverkkojen koulutuksessa
- Koulutetun neuroverkon käyttöönotto nettiselaimessa
- Neuroverkkojen sovellukset
Arviointiasteikko
0 - 5
Arviointikriteerit, kiitettävä (5)
Arvosanaan 5 vaaditaan n. 95% kurssin harjoitusten pisteistä. Tämä tarkoittaa käytännössä, että kaikki palautettu koodi toimii ja harjoitusten pohdinta-osiot on tehty kiitettävästi.
Arviointikriteerit, tyydyttävä (1)
Arvosanaan 1 vaaditaan kaikkien tehtävien palautus ja 50% kurssin pisteistä. Lisäksi palautetuista kurssin harjoituksista on käytävä ilmi, että opiskelija osaa ottaa käyttöön Tensorflow -ympäristön, ladata siihen mallin ja opettaa ja käyttää sitä.
Esitietovaatimukset
Syväoppiminen 1