Johdatus koneoppimiseen (5 op)

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.

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)

Aika ja paikka

Etäopetus iltaisin

Oppimateriaalit

Linkit mahdollisiin Teams-luentojen tallenteisiin sekä lukuvinkit löytyvät Reppu-alustan "Aloita tästä"-osiosta. Kurssin virallinen oppikirja on KAMK Finnasta löytyvä:

Géron, A. (2022). *Hands-on machine learning with Scikit-Learn, Keras, and TensorFlow: Concepts, tools, and techniques to build intelligent systems* (Third edition.). O'Reilly Media, Inc.

Myös ilmaiseksi saatavilla olevaa alan perusteosta voi käyttää hyödyksi, joskin se matematiikan puolesta hieman haastavampi kuin edellinen kirja:
James, G., Witten, D., Hastie, T., Tibshirani, R. & Taylor, J. (2023). *An introduction to statistical learning with applications in Python* (First Printing). Springer. Retrieved from https://hastie.su.domains/ISLP/ISLP_website.pdf.download.html

YouTube-materiaalissa, johon saat linkin Reppu-sivustolta, käydään läpi seuraavan sivuston sisältö: https://sourander.github.io/ml-perusteet/

Opetusmenetelmät

Oppimispäiväkirja, etukäteen tallennetut YouTube-luennot, live-Teams-luennot, ja itsenäisesti tehtävät harjoitukset. Oppimispäiväkirjaan kirjoitetaan yksi merkintä per viikko ja päivä julkaistaan GitLab Pages -formaatissa opettajan luomaan GitLab-projektiin. Päiväkirja hyödyntää Material for MkDocs -teemaa. Tähän tarjotaan ohjeistus sekä kurssilla että apusivustolla: https://sourander.github.io/oat/

Toteutuksen valinnaiset suoritustavat

Ota yhteyttä opettajaan.

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.

Sisällön jaksotus

Kurssi etenee viikoittain siten, että eri viikoilla on eri aihe. Kukin aihe tai algoritmi käsitellään kyseisen viikon aikana, ja siihen liittyy harjoitustehtävä, jossa sinun tulee kouluttaa koneoppimismalli annetulla datasetillä. Mallin koulutetaan omalla kotikoneella eikä niihin tarvitse erityisen suurta laskentatehoa. Harjoitukset ovat aktivoiva elementti, joiden perusteella kirjoitat oppimispäiväkirjaa. Pelkkä toimiva ja toimitettu koodi ei siis riitä: on tärkeää, että osaat perustella tekemäsi ratkaisut ja esitellä lähteet, joista olet ratkaisuun löytänyt apua.

Aiheet ovat:

1. Koneoppiminen ja data
2. Bayes
3. Puut
4. k-NN
5. k-Means
6. Linear Regression
7. Logistic Regression

Lisätietoja opiskelijoille

Harjoitustöissä saa käyttää tekoälyä ratkaisujen kartoittamiseen ja oppimisen tukena. Tekoälyn kirjoittama koodi tulee testata, kommentoida ja koodin sekä koneoppimismallin toimintaperiaate tulee ottaa selville. Oppimispäiväkirjassa esitettyjen johtopäätösten tulee olla sinun omia, mutta tietopohjan tulee perustua lähteisiin. Kielimalli itsessään ei ole luotettava lähde: tarkista kielimallin tulosteen väitteet lähteisiin nojaten.

Arviointiasteikko

0 - 5

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.

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, 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.

Arviointimenetelmät ja arvioinnin perusteet

Kurssin arviointiasteikko löytyy aputyökalusta: https://arviointi.munpaas.com/ sekä auki kirjoitettuna alta.

Kurssin arviointi perustuu 4 numeraalisen kriteerin painotettuun keskiarvoon:

Tietotaidot (40 %): Korkean tietotaidon omaava opiskelija hallitsee kurssilla käsitellyn käytännön ja teorian todistettavasti. Opiskelija tunnistaa oman osaamisensa. Muista antaa numeraalinen arvosana itsellesi!
Asiatyyli (20 %): Asiatyyliin kirjoitettu dokumentti muistuttaa opinnäytetyötä, ammattilaisille kirjoitettua artikkelia (esim. Medium.com) tai raporttia. Palautusformaattina on Material for MkDocs -sivusto ellei kurssin tehtävänannossa erikseen toisin sanota. Noudata Oppimispäiväkirja 101 ohjeita.
Opiskeluaktiivisuus (20 %): Aktiivinen opiskelu edistää oppimista ja samalla harjaannuttaa git-versionhallinnan käytössä. Sinulta toivotaan viikoittaista työskentelyä, jonka tulee näkyä git-lokeissa.
Lähdeviitteet (20 %): Hyvin käytetyt lähdeviitteet tukevat kirjoituksen argumentteja. Työ ikään kuin keskustelee lähdeteosten kanssa. Valittujen lähteiden tulee olla luotettavia ja ajantasaisia. Noudata ohjeistettua viittaustyyliä.

Hylätty (0)

Opiskelija ei ole ollut läsnä tunneilla (yli 50 % kerroista) eikä ilmoittanut poissaoloistaan valideihin syihin vedoten tai todistanut tehtävien etenemistä muutoin.

Ei näyttöä tarvittavista taidoista.
Teksti ei ole ymmärrettävää ja/tai asiatyylistä.
Työskentelyhistoriasta ei ole näyttöä. Git-historiassa on vain yksi commit juuri ennen palautusta.
Lähdeaineisto on riittämätön.

Toteutuksen arviointikriteerit, kiitettävä (5)

Opiskelija soveltaa taitoja, vertailee toimintatapoja ja luo uusia johtopäätöksiä. On täysin selvää, että opiskelija osaa kurssilla vaaditut asiat. Hän tunnistaa osaamisensa ja mahdolliset kehittämiskohteet itse.
Teksti on argumentoivaa, oivaltavaa ja lähes virheetöntä asiatyyliä. Tekstin, kuvien, koodin, luetteloiden, väliotsikoiden ja muiden elementtien käyttö on harkittua ja tasapainoista.
Opiskelija on ollut erittäin aktiivinen ja git-lokit ovat selkeät ja täydelliset. Kunkin viikon merkinnän suurin työ on commitoitu kyseisellä viikolla. Mahdolliset poikkeamat on dokumentoitu ja niistä on keskusteltu opettajan kanssa.
Lähdeaineisto on kriittisesti arvioitu ja punnittu. Lähteet ovat luotettavia ja huolella valittu. Opiskelija esittelee uusia näkökulmia ja argumentoi niitä lähteiden avulla tai lähteiden innoittamana.

Toteutuksen arviointikriteerit, hyvä (3-4)

Opiskelija käyttää kurssilla vaadittuja taitoja ja yhdistää ne teoriaan siten, että aihepiirin ymmärrys ei jää epäselväksi. Opiskelija tunnistaa oman osaamisensa tason.
Teksti on huoliteltua ja tehtävänannon mukaista asiatekstiä. Markdown-kieltä ja asiatyyliä on käytetty Oppimispäiväkirja 101 -ohjeistuksen mukaisesti.
Työskentely on ollut aktiivista läpi kurssin, mutta kausittaista. Työtä on tehty noin joka toinen viikko.
Lähteitä on käytetty, ja ne tukevat opiskelijan argumentointia. Lähdeaineiston käyttö on systemaattista ja lukijalle selkeää.

Toteutuksen arviointikriteerit, tyydyttävä (1-2)

Opiskelija listaa perustaitoja. Kurssin sanasto ja jotkin työvaiheet ovat läsnä, mutta opiskelijan oma tietotaidon määrä ei ole vahvasti todistettuna.
Teksti on tyylillisesti jäsentymätöntä. Esiintyy suuria määriä tyyli- ja/tai kielivirheitä, jotka vaikeuttavat tekstin lukemista, tai teknisiä virheitä, jotka estävät dokumentaation lukemisen.
Työ on tehty viikossa. Git-historiasta löytyy myös toisilta viikoilta esimerkiksi typon korjaus, mutta käytännössä koko työ on yhdeltä istumalta tehty.
Lähdeaineistoa on listattu, mutta runko on kirjoitettu ilman lähteitä.

Esitietovaatimukset

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