Opinto-opas

Tavoitteet

Opiskelija ymmärtää syväoppimisen ja neuroverkkojen perusteet ja niiden opettamiseen liittyvät rajoitukset ja mahdollisuudet. Opiskelija osaa soveltaa syväoppimisessa käytettäviä menetelmiä Pytorch ympäristössä.

Sisältö

- Keinotekoiset neuronit ja neuroverkot
- Syväoppiminen neuroverkoilla
- Neuroverkkojen opettaminen
- Opetettujen neuroverkkojen käyttö
- Neuroverkkojen hyperparametrit
- Pytorch ympäristön käyttö
- CNN neuroverkot (Convolutional Neural Networks)
- RNN neuroverkot (Recurrent Neural Networks)
- Transformer neuroverkot

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 Pytorch -ympäristön, ladata siihen valmiiksi opetetun mallin ja ajaa sitä.

Esitietovaatimukset

Datatieteen matematiikka 1 (tilastotieteen peruskäsitteet)
Datatieteen matematiikka 2 (matriisialgebra)
Python-ohjelmointi