Generatiivisen tekoälyn hyödyntäminen (4op)
Toteutuksen tunnus: KL00DX67-3003
Toteutuksen perustiedot
- Ilmoittautumisaika
 - 07.05.2025 - 31.08.2025
 - Ilmoittautuminen toteutukselle on päättynyt.
 
- Ajoitus
 - 21.08.2025 - 12.10.2025
 - Toteutus on päättynyt.
 
- Opintopistemäärä
 - 4 op
 
- Lähiosuus
 - 0 op
 
- Virtuaaliosuus
 - 4 op
 
- Toteutustapa
 - Etäopetus
 
- Toimipiste
 - SeAMK Seinäjoki, Frami
 
- Opetuskielet
 - suomi
 
- Koulutus
 - Insinööri (AMK), Tietotekniikka
 
- Opettajat
 - Matti Panula
 
- Ryhmät
 - 
                        GENAI25Tekoälyn hyödyntäminen ja ohjelmistorobotiikka
 
- Opintojakso
 - KL00DX67
 
Arviointiasteikko
1-5
                    
Tavoitteet
Opiskelija osaa selittää kielimallien (LLM) toimintaperiaatteet ja osaa soveltaa niitä käytännön tehtävissä myös ohjelmallisesti. Opiskelija osaa asentaa LLM:n paikallisesti tai yksityiseen pilvipalveluun. Opiskelija osaa hienosäätää LLM:n ja soveltaa Retrieval-Augmented Generation (RAG) -tekniikkaa.
                    
Sisältö
- Kielimallien (LLM) hyödyntäminen ohjelmallisesti
- Paikallisesti asennetun kielimallin hyödyntäminen
- Tutustuminen pilvipohjaisiin ratkaisuihin
- Kielimallin hienosäätö ja Retrieval-Augmented Generation (RAG)
                    
Arviointikriteerit, tyydyttävä (1)
Opiskelija osaa selittää kielimallien (LLM) toimintaperiaatteet ja osaa soveltaa niitä käytännön tehtävissä. Opiskelija osaa asentaa LLM:n paikallisesti tai yksityiseen pilvipalveluun.
                    
Arviointikriteerit, hyvä (3)
Opiskelija osaa selittää kielimallien (LLM) toimintaperiaatteet ja osaa soveltaa niitä käytännön tehtävissä myös ohjelmallisesti. Opiskelija osaa asentaa LLM:n paikallisesti tai yksityiseen pilvipalveluun. Opiskelija osaa hienosäätää LLM:n ja soveltaa Retrieval-Augmented Generation (RAG) -tekniikkaa.
                    
Arviointikriteerit, kiitettävä (5)
Opiskelija osaa selittää kielimallien (LLM) toimintaperiaatteet ja osaa soveltaa niitä monipuolisesti myös ohjelmallisesti. Opiskelija osaa asentaa LLM:n paikallisesti tai yksityiseen pilvipalveluun. Hän ymmärtää paikallisen asennuksen edut ja rajoitukset. Opiskelija osaa hienosäätää LLM:n ja soveltaa Retrieval-Augmented Generation (RAG) -tekniikkaa. Hän ymmärtää, miten hienosäätö parantaa mallin suorituskykyä.