UUSI Koneoppiminen (3op)

Osaamistavoitteet

Opiskelija osaa soveltaa opintojaksolla esiteltyjä matemaattisia menetelmiä käytännön ongelmien ratkaisemiseksi

Sisältö

Opintojakson sisältö
Koneoppimisen perusteita:
Minimointi nopeimman laskeutumisen periaatteella
Lineaarinen regression
Logistinen regressio
Neuroverkot

Esitietovaatimukset

Algebra ja geometria, Vektorit ja matriisit, Differentiaali- ja integraalilaskenta, Automaatiotekniikan matematiikka

Arviointikriteerit, tyydyttävä (1)

Opiskelija tuntee ja hallitsee koneoppimisen matemaattiset peruskäsitteet ja menetelmät niin, että kykenee ratkaisemaan kurssimateriaalissa esitettyjä ongelmia itsenäisesti mutta materiaaliin tukeutuen.

Arviointikriteerit, hyvä (3)

Opiskelija tuntee keskeiset koneoppimiseen liittyvät matemaattiset peruskäsitteet ja menetelmät sekä kykenee soveltamaan niitä kurssimateriaalissa esitettyjen ja myöskin erityyppisten ongelmien ratkaisemisessa. Hän kykenee yhdistämään oppimaansa aiempiin kokemuksiinsa aihepiiristä.

Arviointikriteerit, kiitettävä (5)

Opiskelija pystyy kuvailemaan koneoppimiseen liittyvät käsitteet ja menetelmät oikein sekä soveltamaan niitä monipuolisesti erityyppisten kysymysten ja ongelmien ratkaisemisessa myös kurssimateriaalin ulkopuolelta. Hän on osoittanut kykyä luoda aihepiirin puitteissa uusia merkityksiä sekä osoittaa innovatiivisuutta oppimaansa soveltaen.

Oppimateriaalit

Luennoitsijan luentomateriaalit ja luentojen esimerkit.