Deep learning 2Laajuus (5 cr)
Code: TT00CC67
Credits
5 op
Teaching language
- Finnish
Objective
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.
Content
- 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
Qualifications
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.
Enrollment
02.07.2024 - 31.07.2024
Timing
01.08.2024 - 31.12.2024
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
- Pekka Huttunen
Groups
-
TTM22SAITTM22SAI
Objective
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.
Content
- 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
Evaluation scale
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.
Qualifications
Syväoppiminen 1
Enrollment
02.07.2024 - 31.07.2024
Timing
01.08.2024 - 31.12.2024
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
- Pekka Huttunen
Groups
-
TTV22SAITTV22SAI
Objective
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.
Content
- 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
Evaluation scale
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.
Qualifications
Syväoppiminen 1