Tekoälyn sovellukset teollisuudessaLaajuus (5 op)
Tunnus: 8I00CH58
Osaamistavoitteet
Opiskelija tuntee koneoppimisen ja neuroverkkolaskennan periaatteet. Opiskelija osaa soveltaa koneoppimisen menetelmiä erilaisissa automaatiotekniikan sovelluksissa.
Sisältö
- Johdatus tekoälyyn ja koneoppimiseen
- Lineaarinen regressio
- Logistinen regressio
- Neuroverkot
- Klusterointi
- Pääkomponenttianalyysi
- Koneoppimisen sovellukset teollisuudessa
- Konenäkö ja koneoppiminen
Esitietovaatimukset
- Lineaarialgebra ja matriisilaskenta
- Ohjelmoinnin perusteet
Arviointikriteerit, tyydyttävä (1)
Opiskelija tuntee koneoppimisen ja neuroverkkolaskennan peruskäsitteet. Opiskelija osaa käyttää yksinkertaisia koneoppimisen menetelmiä.
Arviointikriteerit, hyvä (3)
Opiskelija tuntee koneoppimisen ja neuroverkkolaskennan periaatteet. Opiskelija osaa soveltaa erilaisia koneoppimisen menetelmiä.
Arviointikriteerit, kiitettävä (5)
Opiskelija tuntee koneoppimisen ja neuroverkkolaskennan periaatteet. Opiskelija osaa valita sopivan koneoppimisen menetelmän tilanteen mukaan ja soveltaa sitä erilaisissa automaation sovelluksissa.
Oppimateriaalit
Opiskelumateriaali ilmoitetaan opintojakson alussa
Ilmoittautumisaika
08.02.2021 - 21.02.2021
Ajoitus
11.03.2022 - 07.05.2022
Laajuus
5 op
Yksikkö
SeAMK Tekniikka
Toimipiste
SeAMK Seinäjoki, Frami
Opetuskielet
- Suomi
Tutkinto-ohjelma
- Insinööri (ylempi AMK), Automaatiotekniikka
Opettaja
- Pasi Mikkonen
Opiskelijaryhmät
-
WEB22Web-ohjelmointi
-
YAUTE21Insinööri (ylempi AMK), Automaatiotekniikka
Tavoitteet
Opiskelija tuntee koneoppimisen ja neuroverkkolaskennan periaatteet. Opiskelija osaa soveltaa koneoppimisen menetelmiä erilaisissa automaatiotekniikan sovelluksissa.
Sisältö
- Johdatus tekoälyyn ja koneoppimiseen
- Lineaarinen regressio
- Logistinen regressio
- Neuroverkot
- Klusterointi
- Pääkomponenttianalyysi
- Koneoppimisen sovellukset teollisuudessa
- Konenäkö ja koneoppiminen
Oppimateriaalit
ilmoitetaan opintojakson alussa
Opetusmenetelmät
luennot ja harjoitukset
Opiskelijan ajankäyttö ja kuormitus
135 h
Arviointiasteikko
1-5
Arviointikriteerit, tyydyttävä (1)
Opiskelija tuntee koneoppimisen ja neuroverkkolaskennan peruskäsitteet. Opiskelija osaa käyttää yksinkertaisia koneoppimisen menetelmiä.
Arviointikriteerit, hyvä (3)
Opiskelija tuntee koneoppimisen ja neuroverkkolaskennan periaatteet. Opiskelija osaa soveltaa erilaisia koneoppimisen menetelmiä.
Arviointikriteerit, kiitettävä (5)
Opiskelija tuntee koneoppimisen ja neuroverkkolaskennan periaatteet. Opiskelija osaa valita sopivan koneoppimisen menetelmän tilanteen mukaan ja soveltaa sitä erilaisissa automaation sovelluksissa.
Arviointimenetelmät ja arvioinnin perusteet
harjoitukset
Esitietovaatimukset
- Lineaarialgebra ja matriisilaskenta
- Ohjelmoinnin perusteet