Syväoppiminen (5op)

Arviointiasteikko

0-5

Virtuaaliosuus

5

Arviointikriteerit, tyydyttävä (1)

Erinomainen 5: Opiskelija tunnistaa syväoppmisen tuomat hyödyt digitalisaation aikakautena. Opiskelija osaa syväoppimisen yleisimmin käytetyt tekniikat ja osaa kriittisesti perustella käytettyjen tekniikoiden käytön erilaisissa tehtävissä. Opiskelija osaa soveltaa teknistä osaamistaan käytännössä ja arvioida kriittisesti toteutuksensa ja perustella sen kehittämistä.

Kiitettevä 4: Opiskelija tunnistaa syväoppimisen tuomat hyödyt digitalisaation aikakautena. Opiskelija osaa syväoppimisen yleisimmin käytetyt tekniikat ja osaa monipuolisesti perustella käytettyjen tekniikoiden käytön erilaisissa tehtävissä. Opiskelija osaa soveltaa teknistä osaamistaan käytännössä ja arvioida kriittisesti toteutuksensa ja perustella sen kehittämistä.

Hyvä 3: Opiskelija tiedostaa syväoppimisen tuomat hyödyt digitalisaation aikakautena. Opiskelija osaa syväoppimisen yleisimmin käytetyt tekniikat erilaisille ongelmille. Opiskelija osaa soveltaa teknistä osaamistaan käytännössä arvioida toteutuksensa ja perustella sen kehittämistä.

Tyydyttävä 2: Opiskelija tietää syväoppimisen yleisimmin käytetyt tekniikat ja erilaisille ongelmille. Hän osaa valita syväoppimisen tekniikat ja soveltaa teknistä osaamistaan käytännössä. Lisäksi opiskelija osaa arvioida pintapuolisesti toteutuksensa.

Välttävä 1: Opiskelija tietää syväoppimisen yleisimmin käytetyt tekniikat. Hän osaa soveltaa yleisimpiä syväoppimisen tekniikoita. Lisäksi opiskelija osaa arvioida suppeasti toteutuksensa.

Hylätty 0: Ei hallitse aihealuetta

Opetuskieli

fi

Opintopistemäärä

5

Esitietovaatimukset

Tietotekniikan peruskäyttätaidot, ohjelmoinnin perusosaaminen, Python-ohjelmointikielen tunteminen ja osaaminen. Datan esikäsittely opintojakso.

Sisältö

- Erilaiset neuroverkot
- Neuroverkkojen arkkitehtuurit ja käyttötarkoitukset (esim. CNN, RNN, LSTM, Autoencoder)
- Avoimen lähdekoodin neuroverkkokirjastoilla työskentely
- Siirretty oppiminen (transfer learning)
- Ennustaminen (prediction) ja luokittelu (classification)
- Sovellusalueet (esim. Konenäkö, NLP)

Tavoitteet

Opiskelija ymmärtää syväoppimisen merkityksen digitalisoituvassa toimintaympäristössä. Opiskelija tietää yleisimmät syväoppimisen menetelmät, osaa soveltaa niitä käytännössä olemassa olevaan dataan sekä tulkita menetelmien tulokset.