Data-analytiikka ja Koneoppiminen (5 op)
Toteutuksen tunnus: 3011633-3003
Toteutuksen perustiedot
- Ilmoittautumisaika
- 11.12.2021 - 21.01.2022
- Ilmoittautuminen toteutukselle on päättynyt.
- Ajoitus
- 10.01.2022 - 25.04.2022
- Toteutus on päättynyt.
- Opintopistemäärä
- 5 op
- Lähiosuus
- 5 op
- Toteutustapa
- Lähiopetus
- Yksikkö
- Tekniikka ja liiketoiminta
- Toimipiste
- Kupittaan kampus
- Opetuskielet
- suomi
- Paikat
- 0 - 50
- Opettajat
- Matti Kuikka
- Golnaz Sahebi
- Tuomo Helo
- Ryhmät
-
PTIETS20swisPTIETS20 Ohjelmistojen kehittäminen ja Tietoturva
- Opintojakso
- 3011633
Arviointiasteikko
H-5
Sisällön jaksotus
Johdatus koneoppimiseen
Koneoppimisprojektin vaiheet:
- tehtävään perehtyminen
- datan tarkastelu
- datan jalostaminen
- mallin valinta ja arviointi
- mallin ottaminen tuotantoon
Numeerinen ennustaminen
Luokittelu
Klusterianalyysi
*
Etenemme pääpiirteissään kurssikirjan lukujen mukaisesti.
Ryhmätyö
Tavoitteet
Kurssin suoritettuaan opiskelija:
- Osaa kertoa, mitä data-analyysi ja koneoppiminen ovat
- Osaa kertoa miksi data-analyysiä ja koneoppimista käytetään
- Osaa analysoida ja visualisoida dataa
- Osaa kuvata koneoppimisprosessin
- Osaa käyttää soveltuvia työkaluja data-analyysiin ja koneoppimiseen
Sisältö
Johdatus data-analyysiin ja koneoppimiseen
Data-analyysin prosessi ja menetelmät
Koneoppimisen prosessi ja menetelmät
Käytännön harjoittelu
Oppimateriaalit
Kurssikirja:
Aurélien Géron.
Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow
2nd Edition.
Publisher : O'Reilly Media; 2nd edition
(October 15, 2019)
Luemme valikoiden kirjan lukuja 1-10. Niissä on noin 300 sivua, mutta osasta hypätään yli.
Kurssikirja on luettavissa sähköisessä muodossa oppilaitoksemme eBook Central -tietokannasta.
Kurssilla on myös luettavaa, joka ilmoitetaan kurssin aikana.
Tenttien ajankohdat ja uusintamahdollisuudet
Ei tenttiä.
Pedagogiset toimintatavat ja kestävä kehitys
Opintojakso sisältää noin 12 ohjattua työskentely- ja teoriakertaa, 10 henkilökohtaista harjoitustehtävää ja ryhmätyön.
*
Ryhmätyö tehdään 3-4 hengen ryhmissä ohjauskertojen ulkopuolella. Ryhmätyön esittämiseen ryhmä varaa 15 minuutin ajan ohjauskertojen ulkopuolelta.
Arviointimenetelmät ja arvioinnin perusteet
Opintojakso arvostellaan skaalalla 0-5.
*
Saadakseen hyväksytyn suorituksen opiskelijan on saatava hyväksyttävä merkintä sekä 1) henkilökohtaisista harjoitustehtävistä että 2) ryhmätyöstä.
*
Jokaisesta harjoitustehtävästä voi saada vähintään 10 pistettä. Kaikista 10 harjoitustehtävästä voi saada siis yhteensä maksimissaan 100 pistettä.
Henkilökohtaiset harjoitustehtävät: 25 pistettä -> arvosana 0,5; 38 -> 1,0; 50 -> 1,5; 63 -> 2,0; 75 - 2,5; 88 -> 3,0. Tehtävät tarkastetaan demoissa. Demokerroilla on oltava läsnä.
Osallistuminen ryhmätyöhön: 0,0 - 2,0.
*
(Molemmissa tapauksissa 0,5 on ensimmäinen hyväksytty arvosana)