Johdatus koneoppimiseen (5 op)

Arviointiasteikko

0 - 5

Tavoitteet

Opintojakson suoritettuaan opiskelija hallitsee tyypillisimpiä 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.

Toteutustavat

Kurssin toteutus tapahtuu pääasiassa tallennettujen tai live-luentojen sekä itsenäisesti tai pienryhmissä tehtävien harjoitusten tai tehtävien varassa.

Suoritustavat

Kurssi suoritetaan kurssin tehtäviä tekemällä. Tehtävät palautetaan kurssin toteutuksen alussa esitellyn aikataulun ja formaatin mukaisesti. Kurssiin voi sisältyä toteutuksesta riippuen myös tentti.

Sisältö

- Johdatus koneoppimiseen
- Työnkulun tyypilliset vaiheet
- Datan käsittelyn alkeet (Z-score, Box-Cox, jne.)
- Mallin suorituskyvyn mittaus (MSE, F1 jne.)
- Useita eri algoritmeja, kuten:
- Naive Bayes
- Päätöspuu
- k-NN
- k-Means
- Linear Regression (Hill Climbing ja/tai Gradient Descent)

Oppimateriaalit

Linkit oppimateriaaliin, mahdollisiin luentojen tallenteisiin sekä lukuvinkit löytyvät Reppu-alustan "Aloita tästä"-osiosta. Kirja "An Introduction to Statistical Learning with Application in Python" toimii virallisen kurssimateriaalin tukevana kirjallisuutena. Lisäksi oppimispäiväkirjan tueksi on suositeltavaa etsiä muuta kirjallisuutta omatoimisesti.

Opetusmenetelmät

Oppimispäiväkirja, luennot, ja itsenäisesti tehtävät harjoitukset. Luentojen tallennekäytäntö sovitaan kurssin alussa yhteisesti. Oppimispäiväkirja on laadittava Oppimispäiväkirja 101 -ohjeen mukaisesti käyttäen. Ohje sijaitsee osoitteesta: https://sourander.github.io/oat/

Toteutuksen valinnaiset suoritustavat

Ota yhteyttä opettajaan, mikäli on tarve AHOT-prosessiin tai muutoin vaihtoehtoiseen tapaan osoittaa kurssilla vaadittu osaaminen.

Opiskelijan ajankäyttö ja kuormitus

Luennoille osallistumisen tai niiden tallenteiden katsomisen lisäksi opiskelijan oletetaan käyttävän viikoittain kurssin laajuutta vastaava määrä tunteja tehtävien tekemiseen, itsensä kehittämiseen ja tämän prosessin dokumentointiin oppimispäiväkirjamuodossa.

Arviointikriteerit, tyydyttävä (1)

Opiskelija käyttää asianmukaisesti keskeisiä kurssin aihepiirin käsitteitä ja osaa nimetä ammattialansa perustiedot. Opiskelija toimii tarkoituksenmukaisesti, joskin toiminta voi olla vielä epävarmaa ja vaatii ohjausta. Opiskelija käyttää toiminnassaan tarkoituksenmukaisesti ammattialansa tekniikoita ja malleja sekä toimii ammattieettisten periaatteiden mukaisesti.

Arviointikriteerit, hyvä (3)

Opiskelija käyttää johdonmukaisesti ammattialansa käsitteitä ja osaa nimetä, kuvailla ja perustella ammattialansa perustiedot. Opiskelija valitsee tarkoituksenmukaisia toimintatapoja hankkimansa tiedon ja ohjeistuksen perusteella sekä soveltaa tarkoituksenmukaisesti ammattialansa toimintaan soveltuvia tekniikoita ja malleja. Opiskelija arvioi ja reflektoida omaa osaamistaan ja osaa perustella toimintansa ammattieettisten periaatteiden mukaisesti.

Arviointikriteerit, kiitettävä (5)

Opiskelija käyttää asiantuntevasti ja laaja-alaisesti ammattialansa käsitteitä sekä yhdistää niitä kokonaisuuksiksi. Opiskelija osaa analysoida, reflektoida ja arvioida kriittisesti omaa osaamistaan ja ammattialansa toimintatapoja hankkimansa tiedon avulla. Opiskelija osaa myös valita ja arvioida kriittisesti ammattialansa tekniikoita ja malleja sekä käyttää niitä toiminnassaan ja soveltaa kriittisesti ammattieettisiä periaatteita toiminnassaan.

Esitietovaatimukset

Git-, Python- ja Jupyter Notebook -osaaminen oltava vähintään perusteiden tasolla.