Tekoälyn sovellukset (5op)

Tavoitteet

Tunnet tekoälyn ja koneoppimisen sovelluskohteita.
Osaat valita sopivan menetelmän tekoälysovelluksen toteuttamiseksi.
Ymmärrät tekoälyn toimintaperiaatteita ja rajoituksia.

Sisältö

Mitä on tekoäly, koneoppiminen ja syväoppiminen?
Mitä koneoppimisen menetelmiä on olemassa ja millaisia ongelmia niillä voi ratkaista?
Miten ohjelmoidaan tekoälysovellus?

Arviointi

Opiskelija osaa

a. käyttää johdonmukaisesti ammattikäsitteitä
b. etsiä tietoa alan keskeisistä tiedonlähteistä
c. hahmottaa tehtäväkokonaisuuksia
e. käyttää keskeisiä oman alan malleja, menetelmiä, ohjelmistoja ja tekniikoita

Opiskelumateriaali

Kaikki kurssimateriaalit ovat saatavilla oppimisalustalla. Materiaaliin kuuluvat luentokalvot, kirjan luvut sekä muut tukiresurssit (esimerkiksi mallipohjat, “cheat sheet” -tiedostot jne.).

Opiskelumuodot ja -menetelmät

Jokainen luentopäivä yhdistää teoreettisia ja käytännönläheisiä sisältöjä. Luennoilla käsitellään aiheen teoreettiset perusteet, minkä jälkeen opiskelijat syventävät osaamistaan itsenäisillä harjoituksilla, lukemalla materiaaleja ja tekemällä tehtäviä.

Kurssilla on sekä käytännön harjoitustehtäviä (assignmenteja) että kaksi projektia. Kaikki tehtävät ja projektit ovat pakollisia kurssin suorittamiseksi (ks. arviointikriteerit alla).

Tenttien ja tehtävien ajoittuminen

Kurssilla ei ole virallista tenttiä. Sen sijaan opiskelijoiden on palautettava harjoitukset ja tehtävät määräaikaan mennessä saadakseen arvosanan. Kaikkien tehtävien tekeminen on pakollista kurssin läpäisemiseksi. Myöhässä palautetuista tehtävistä voi saada enintään 50 % kokonaispisteistä.

Opiskelijan työmäärä

Kurssi on laajuudeltaan 5 opintopistettä (noin 135 tuntia työtä). Noin kolmannes työmäärästä koostuu lähiopetuksesta, ja loput kaksi kolmannesta käytetään projektien ja tehtävien suorittamiseen.

Toteutuksen osien kuvaus

Tämä kurssi kattaa keskeiset tekoälyn käsitteet ja käytännön sovellukset, jotka ovat hyödyllisiä ohjelmistotekniikan opiskelijoille. Käsiteltäviä aiheita ovat esimerkiksi:

- Tekoälyn yleiskatsaus: Historia, määrittelyt ja keskeiset osa-alueet (koneoppiminen, syväoppiminen jne.).
- Koneoppimisen perusteet: Valvottu vs. valvomaton oppiminen, mallien arviointi sekä ylisovittamisen ja alisovittamisen tunnistaminen.
- Neuroverkot ja syväoppiminen: Perusarkkitehtuurit, syötteestä eteenpäin etenevät verkot, johdanto TensorFlow’hun tai PyTorchiin.
- Datan esikäsittely ja piirteiden valmistelu: Puuttuvan datan käsittely, piirteiden valinta ja muunnostekniikat.
- Luonnollisen kielen käsittely (NLP): Tekstin tokenisointi, tekstin esitystavat, sentimenttianalyysi ja yksinkertaiset chatbotit.
- Konenäkö: Kuvien luokittelu, objektien havaitseminen ja yleiset verkkoarkkitehtuurit.
- Eettinen ja vastuullinen tekoäly: Tekoälyn oikeudenmukaisuus, harhat sekä tekoälyn yhteiskunnalliset vaikutukset.
- Käytännön toteutus: Pythonin (Jupyter-notebookien ja skriptien) sekä erilaisten tekoälykirjastojen (esim. scikit-learn, Keras) hyödyntäminen.
- Kurssilla opiskelijat oppivat suunnittelemaan, kehittämään ja arvioimaan tekoälypohjaisia sovelluksia yhdistäen teoreettista tietoa ja käytännön harjoittelua.

Lisätietoja opiskelijoille

Kurssilla käytetään Pythonia pääasiallisena ohjelmointikielenä. Opiskelijat työskentelevät enimmäkseen Jupyter-notebookien ja skriptien avulla. Projektin valinnasta riippuen voidaan kuitenkin tarvita myös muita koodaustaitoja (esimerkiksi rajapintojen hyödyntäminen, yksinkertainen front-end-ohjelmointi, Git-versiohallinta jne.).

Arviointiasteikko

1-5

Arviointimenetelmät ja arvioinnin perusteet

Viikoittaiset harjoitustehtävät (40%): Harjoitukset ja tehtävät kunkin aiheen tukemiseksi.
Väliprojekti (20%): Projektityö, jossa tekoälyä sovelletaan annettuun ongelmaan.
Lopputyöprojekti (30%): Toinen projekti tekoälyn soveltamisesta toiseen aihealueeseen.
Asenne ja aktiivisuus (10%): Opiskelijan henkilökohtainen kiinnostus ja ammatillinen ote kurssin aikana.

Huom: Myöhässä palautetuista tehtävistä tai projekteista voi saada enintään 50 % maksimipisteistä. Kurssipalauteen antaminen on pakollista, jotta arvosana kirjautuu Peppiin.