Syväoppiminen (5 op)

Toteutuksen tunnus: RO00FQ49-3001

Toteutuksen perustiedot

Ilmoittautumisaika: 07.04.2025 - 21.04.2025; Ilmoittautuminen toteutukselle on päättynyt.

Ajoitus: 01.09.2025 - 12.12.2025; Toteutus ei ole vielä alkanut.

Opintopistemäärä: 5 op

Lähiosuus: 5 op

Toteutustapa: Lähiopetus

Yksikkö: Robotiikan ja energia- ja rakennustekniikan koulutusyksikkö

Toimipiste: Kouvolan kampus

Opetuskielet: englanti; suomi

Paikat: 15 - 30

Opettajat: Henry Lähteenmäki

Vastuuopettaja: Henry Lähteenmäki

Ryhmät: ROKV23SP
Robotiikka ja tekoäly, päivätoteutus; ROKT22SP
Robotiikka ja tekoäly, päivätoteutus

Opintojakso: RO00FQ49

Toteutuksella on 26 opetustapahtumaa joiden yhteenlaskettu kesto on 39 t 0 min.

Aika	Aihe	Tila
To 04.09.2025 klo 10:30 - 12:00 (1 t 30 min)	Deep learning RO00FQ49-3001	142 Teorialuokka (40+1), päärakennus
To 04.09.2025 klo 12:30 - 14:00 (1 t 30 min)	Deep learning RO00FQ49-3001	142 Teorialuokka (40+1), päärakennus
To 11.09.2025 klo 10:30 - 12:00 (1 t 30 min)	Deep learning RO00FQ49-3001	142 Teorialuokka (40+1), päärakennus
To 11.09.2025 klo 12:30 - 14:00 (1 t 30 min)	Deep learning RO00FQ49-3001	142 Teorialuokka (40+1), päärakennus
To 18.09.2025 klo 10:30 - 12:00 (1 t 30 min)	Deep learning RO00FQ49-3001	142 Teorialuokka (40+1), päärakennus
To 18.09.2025 klo 12:30 - 14:00 (1 t 30 min)	Deep learning RO00FQ49-3001	142 Teorialuokka (40+1), päärakennus
To 25.09.2025 klo 10:30 - 12:00 (1 t 30 min)	Deep learning RO00FQ49-3001	142 Teorialuokka (40+1), päärakennus
To 25.09.2025 klo 12:30 - 14:00 (1 t 30 min)	Deep learning RO00FQ49-3001	142 Teorialuokka (40+1), päärakennus
To 02.10.2025 klo 10:30 - 12:00 (1 t 30 min)	Deep learning RO00FQ49-3001	142 Teorialuokka (40+1), päärakennus
To 02.10.2025 klo 12:30 - 14:00 (1 t 30 min)	Deep learning RO00FQ49-3001	142 Teorialuokka (40+1), päärakennus
To 09.10.2025 klo 10:30 - 12:00 (1 t 30 min)	Deep learning RO00FQ49-3001	142 Teorialuokka (40+1), päärakennus
To 09.10.2025 klo 12:30 - 14:00 (1 t 30 min)	Deep learning RO00FQ49-3001	142 Teorialuokka (40+1), päärakennus
To 30.10.2025 klo 09:30 - 11:00 (1 t 30 min)	Deep learning RO00FQ49-3001	142 Teorialuokka (40+1), päärakennus
To 30.10.2025 klo 11:00 - 12:30 (1 t 30 min)	Deep learning RO00FQ49-3001	142 Teorialuokka (40+1), päärakennus
To 13.11.2025 klo 09:30 - 11:00 (1 t 30 min)	Deep learning RO00FQ49-3001	142 Teorialuokka (40+1), päärakennus
To 13.11.2025 klo 11:00 - 12:30 (1 t 30 min)	Deep learning RO00FQ49-3001	142 Teorialuokka (40+1), päärakennus
To 20.11.2025 klo 09:30 - 11:00 (1 t 30 min)	Deep learning RO00FQ49-3001	142 Teorialuokka (40+1), päärakennus
To 20.11.2025 klo 11:00 - 12:30 (1 t 30 min)	Deep learning RO00FQ49-3001	142 Teorialuokka (40+1), päärakennus
To 27.11.2025 klo 09:30 - 11:00 (1 t 30 min)	Deep learning RO00FQ49-3001	142 Teorialuokka (40+1), päärakennus
To 27.11.2025 klo 11:00 - 12:30 (1 t 30 min)	Deep learning RO00FQ49-3001	142 Teorialuokka (40+1), päärakennus
To 04.12.2025 klo 09:30 - 11:00 (1 t 30 min)	Deep learning RO00FQ49-3001	142 Teorialuokka (40+1), päärakennus
To 04.12.2025 klo 11:00 - 12:30 (1 t 30 min)	Deep learning RO00FQ49-3001	142 Teorialuokka (40+1), päärakennus
To 11.12.2025 klo 09:30 - 11:00 (1 t 30 min)	Deep learning RO00FQ49-3001	142 Teorialuokka (40+1), päärakennus
To 11.12.2025 klo 11:00 - 12:30 (1 t 30 min)	Deep learning RO00FQ49-3001	142 Teorialuokka (40+1), päärakennus
To 18.12.2025 klo 10:30 - 12:00 (1 t 30 min)	Deep learning RO00FQ49-3001	142 Teorialuokka (40+1), päärakennus
To 18.12.2025 klo 12:30 - 14:00 (1 t 30 min)	Deep learning RO00FQ49-3001	142 Teorialuokka (40+1), päärakennus

Muutokset varauksiin voivat olla mahdollisia.

Tavoitteet

Osaat toteuttaa syväoppimisen malleja ohjelmoimalla.
Osaat käyttää syväoppimiseen tarkoitettuja kirjastoja.
Ymmärrät kustannusfunktion ja gradientin merkityksen optimoinnissa.
Osaat kommunikoida neuroverkkoihin liittyvillä käsitteillä.
Ymmärrät aktivointifunktioiden tarkoituksen.
Tiedät, miten voit muokata oppimisalgoritmiasi tai dataasi parantaaksesi mallin suorituskykyä.

Sisältö

Mitä eri kirjastoja käytetään syväoppimisen malleja ohjelmoitaessa?
Miten ohjelmoidaan syväoppimisen malleja?
Miten parannetaan oppimisalgoritmin suorituskykyä?
Mitä käsitteitä liittyy syväoppimiseen?
Mitä sovelluskohteita syväoppimisella on?

Arviointi

a. käyttää asiantuntevasti ammattikäsitteitä eri tilanteissa.
b. arvioida käyttämiään tietolähteitä kriittisesti.
c. työskennellä tiimin jäsenenä asiantuntijatehtävissä työelämässä sekä huomata ja kuvata ammattialan ongelmia.
e. valita tarkoituksenmukaiset mallit, menetelmät, ohjelmistot ja tekniikat ja perustella valinnan.
g. soveltaa kriittisesti oman alan eettisiä periaatteita eri tilanteissa.

Opiskelumateriaali

Luentokalvot ja laskuharjoitukset.

Opiskelumuodot ja -menetelmät

Tentti.

TKI ja työelämäyhteistyö

Opintojaksoon ei sisälly TKI- ja työelämäyhteistyötä.

Arviointiasteikko

1-5

Esitietovaatimukset

Edellytetään tietoja sovelletusta matematiikasta, data-analyysistä ja koneoppimisesta.