TIES4700 Syväoppiminen (5 op)

Opinnon taso:
Syventävät opinnot
Arviointiasteikko:
0-5
Suorituskieli:
englanti, suomi
Vastuuorganisaatio:
Informaatioteknologian tiedekunta
Opetussuunnitelmakaudet:
2024-2025, 2025-2026, 2026-2027, 2027-2028

Kuvaus

Tämä opintojakso vie opiskelijan syväoppimisen maailmaan, keskittyen yleisimpiin syväoppimismenetelmiin, kuten erilaisiin neuroverkkoihin (CNN, RNN, Transformer, GAN). Opintojakso syventää opiskelijoiden ymmärrystä syväoppimisen matemaattisista malleista, optimointialgoritmeista, laskennallisista vaatimuksista sekä hyperparametrien optimoinnista.


Opintojakson aikana käytetään oppikirjana teosta Dive into Deep Learning (https://d2l.ai/), mikä tarjoaa opiskelijoille perusteellisen ymmärryksen syväoppimisen keskeisistä konsepteista ja tekniikoista. Opintojakso yhdistää teorian ja käytännön, antaen opiskelijoille valmiudet soveltaa syväoppimista monimutkaisiin datalähtöisiin ongelmiin.

Osaamistavoitteet

Opintojakson käytyään opiskelija tuntee yleisimmät syväoppimismenetelmät (CNN, RNN, Transformer, GAN) ja ymmärtää syväoppimiseen liittyvät matemaattiset mallit, optimointialgoritmit, laskennalliset vaatimukset ja hyperparametrien optimoinnin. Opiskelija osaa arvioida, milloin mallin voi olettaa yleistyvän ennen näkemättömälle datalle, ja osaa varmistaa asian käytännössä. Opiskelija osaa soveltaa Pytorch-kirjastoa (tai muuta soveltuvaa) oppimaansa: hän pystyy valitsemaan eri ongelmiin sopivan menetelmän ja osaa kouluttaa sen tehokkaasti.

Esitietojen kuvaus

Datatieteen aineopintokokonaisuus ja Koneoppiminen–opintojakso (tai vastaavat tiedot). 

Oppimateriaalit

Dive into Deep Learning: https://d2l.ai/

Suoritustavat

Tapa 1

Kuvaus:
Ilmoitetaan toteutuskohtaisesti
Arviointiperusteet:
Ilmoitetaan toteutuskohtaisesti
Valitaan kaikki merkityt osat
Suoritustapojen osat
x

Osallistuminen opetukseen (5 op)

Tyyppi:
Osallistuminen opetukseen
Arviointiasteikko:
0-5
Arviointiperusteet:
<p>Ilmoitetaan toteutuskohtaisesti</p>
Suorituskieli:
englanti, suomi
Oppimateriaalit:

Ilmoitetaan toteutuskohtaisesti

Ei julkaistua opetusta