TIEA2300 Koneoppimisen perusteet (3–5 op)

Opinnon taso:
Aineopinnot
Arviointiasteikko:
0-5
Suorituskieli:
suomi
Vastuuorganisaatio:
Informaatioteknologian tiedekunta
Opetussuunnitelmakaudet:
2021-2022, 2022-2023

Kuvaus

Sisältö

Peruskäsitteet. Koneoppimisalgoritmien peruselementit. Ohjaamattoman ja ohjatun koneoppimisen menetelmien ja opetusalgoritmien periaatteet. Mallien validointi ja testaaminen. Käytännön harjoituksia Python kirjastoja hyödyntäen.

Suoritustavat

Harjoitukset, tentti ja harjoitustyö

Arviointiperusteet

Tentti ja harjoituspisteet

Osaamistavoitteet

Opiskelija osaa koneoppimisen keskeiset käsitteet, koneoppimismenetelmän peruselementit ja datapohjaisten mallien opettamisen periaatteet. Opiskelija ymmärtää sekä ohjatun ja ohjaamattoman oppimisen että selittävän ja ennustavan analytiikan erot. Opiskelija osaa esikäsitellä dataa, muodostaa laskennallisesti piirteitä, ohjelmoida ja soveltaa algoritmeja mallien opettamiseen erilaisissa koneoppimistehtävissä simuloituja ja käytännön aineistoja sekä koneoppimiskirjastoja käyttäen. Opiskelija osaa arvioida ja vertailla numeerisesti ja tilastollisesti koneoppimismallien suorituskykyä.

Esitietojen kuvaus

Ohjelmointi 1, Algoritmit 1; Lineaarialgebran perusteet ja Johdatus tilastotieteeseen suositeltavia.

Oppimateriaalit

Luentokalvot

Suoritustavat

Tapa 1

Valitaan kaikki merkityt osat
Suoritustapojen osat
x

Osallistuminen opetukseen (3–5 op)

Tyyppi:
Osallistuminen opetukseen
Arviointiasteikko:
0-5
Suorituskieli:
suomi
Ei julkaistua opetusta