TEKS4141 Syväoppimisen perusteet (5 op)

Opinnon taso:
Syventävät opinnot
Arviointiasteikko:
0-5
Suorituskieli:
suomi
Vastuuorganisaatio:
Informaatioteknologian tiedekunta
Järjestävä organisaatio:
Kokkolan yliopistokeskus Chydenius - Informaatioteknologia
Opetussuunnitelmakaudet:
2021-2022, 2022-2023

Kuvaus

  • Opetellaan syväoppimisen soveltamista Python-ohjelmointikielellä käytännön ongelmiin.
  • Käytetään pääasiassa Googlen tarjoaman avoimen lähdekoodin TensorFlow-ohjelmistokokonaisuuden alta löytyvää syväoppimiseen suunnattua Keras-ohjelmointikirjastoa.
  • Käytetään alustariippumatonta Anaconda-distribuutiota ja ohjelmoidaan selaimessa käytettävällä JupyterLab-ohjelmointityökalulla.
  • Opetellaan syväoppimisen eri vaiheet ja tutustutaan erilaisiin neuroverkkoarkkitehtuureihin sekä niiden soveltuvuusalueisiin.
  • Sovelletaan syväoppimismenetelmiä binääri- ja moniluokitteluongelmiin sekä regressiotehtäviin erilaisten datasettien kanssa (käytössä 16 eri datasettiä).
  • Esimerkkeihin kuuluu muun muassa konenäköön, aikasarjoihin ja sekvensseihin sekä poikkeamien havaitsemiseen liittyviä sovelluksia.
  • Tarkastellaan lisäksi epätasaista luokkajakoa, tekstidatan mallintamista ja virheanalyysin tekoa.
  • Tutustutaan syväoppimismallien optimoinnin perusperiaatteisiin ja opetellaan oikeaoppista mallinnusprosessia.

Osaamistavoitteet

Kurssin suoritettuaan opiskelija:

  • ymmärtää mitä on syväoppiminen ja miten tekoäly, kone- ja syväoppiminen liittyvät toisiinsa
  • omaa hyvän intuition syväoppimiseen liittyvistä asioista menemättä liikaa teknisiin, matemaattisiin yksityiskohtiin
  • omaa hyvän rutiinin syväoppimiseen liittyvään ohjelmointiin
  • ymmärtää syväoppimismallien optimoinnin eli opettamisen periaatteet ja osaa kehittää suorituskykyisiä syväoppimismalleja
  • osaa soveltaa opittuja asioita tosielämän datajoukkoihin erilaisissa sovelluksissa
  • omaa työkalut ja eväät oppia haastavampia ja edistyneempiä syväoppimismenetelmiä.

Lisätietoja

Kurssi suoritetaan itsenäisesti katsomalla luentotallenteet järjestyksessä ja tekemällä loppuprojekti. Kurssi arvioidaan loppuprojektin perusteella (1-5). Uusia luentotallenteita ja vastaavat ohjelmakoodit julkaistaan viidessä osassa kahden viikon välein.

Esitietojen kuvaus

Ei vaadi esitietoja. Hyödyllisiä edeltäviä opintoja ovat muun muassa ohjelmointiin, data-analyysiin ja tilastotieteisiin liittyvät peruskurssit.

Suoritustavat

Tapa 1

Valitaan kaikki merkityt osat
Suoritustapojen osat
x

Osallistuminen opetukseen (5 op)

Tyyppi:
Osallistuminen opetukseen
Arviointiasteikko:
0-5
Suorituskieli:
suomi

Opetus