Siirry suoraan sisältöön

Koneoppimisen menetelmät (5 op)

Toteutuksen tunnus: RO00FQ45-3001

Toteutuksen perustiedot


Ilmoittautumisaika
07.04.2025 - 21.04.2025
Ilmoittautuminen toteutukselle ei ole vielä alkanut.
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
Opettajat
Henry Lähteenmäki
Vastuuopettaja
Henry Lähteenmäki
Ryhmät
ROKV23SP
Robotiikka ja tekoäly, päivätoteutus
ROKT22SP
Robotiikka ja tekoäly, päivätoteutus
Opintojakso
RO00FQ45

Toteutuksella on 39 opetustapahtumaa joiden yhteenlaskettu kesto on 53 t 30 min.

Aika Aihe Tila
Ti 02.09.2025 klo 10:30 - 12:00
(1 t 30 min)
Machine learning methods RO00FQ45-3001
309C Teorialuokka (52+1), 3. kerros
Ke 03.09.2025 klo 09:00 - 10:00
(1 t 0 min)
Machine learning methods RO00FQ45-3001
309C Teorialuokka (52+1), 3. kerros
Ke 03.09.2025 klo 10:00 - 11:30
(1 t 30 min)
Machine learning methods RO00FQ45-3001
309C Teorialuokka (52+1), 3. kerros
Ti 09.09.2025 klo 10:30 - 12:00
(1 t 30 min)
Machine learning methods RO00FQ45-3001
141 Teorialuokka (40+1), päärakennus
Ke 10.09.2025 klo 09:00 - 10:00
(1 t 0 min)
Machine learning methods RO00FQ45-3001
309C Teorialuokka (52+1), 3. kerros
Ke 10.09.2025 klo 10:00 - 11:30
(1 t 30 min)
Machine learning methods RO00FQ45-3001
309C Teorialuokka (52+1), 3. kerros
Ti 16.09.2025 klo 10:30 - 12:00
(1 t 30 min)
Machine learning methods RO00FQ45-3001
309C Teorialuokka (52+1), 3. kerros
Ke 17.09.2025 klo 09:00 - 10:30
(1 t 30 min)
Machine learning methods RO00FQ45-3001
309C Teorialuokka (52+1), 3. kerros
Ke 17.09.2025 klo 10:30 - 12:00
(1 t 30 min)
Machine learning methods RO00FQ45-3001
309C Teorialuokka (52+1), 3. kerros
Ti 23.09.2025 klo 10:30 - 12:00
(1 t 30 min)
Machine learning methods RO00FQ45-3001
309C Teorialuokka (52+1), 3. kerros
Ke 24.09.2025 klo 09:00 - 10:00
(1 t 0 min)
Machine learning methods RO00FQ45-3001
309C Teorialuokka (52+1), 3. kerros
Ke 24.09.2025 klo 10:00 - 11:30
(1 t 30 min)
Machine learning methods RO00FQ45-3001
309C Teorialuokka (52+1), 3. kerros
Ti 30.09.2025 klo 10:30 - 12:00
(1 t 30 min)
Machine learning methods RO00FQ45-3001
309C Teorialuokka (52+1), 3. kerros
Ke 01.10.2025 klo 09:00 - 10:00
(1 t 0 min)
Machine learning methods RO00FQ45-3001
309C Teorialuokka (52+1), 3. kerros
Ke 01.10.2025 klo 10:00 - 11:30
(1 t 30 min)
Machine learning methods RO00FQ45-3001
309C Teorialuokka (52+1), 3. kerros
Ti 07.10.2025 klo 10:30 - 12:00
(1 t 30 min)
Machine learning methods RO00FQ45-3001
309C Teorialuokka (52+1), 3. kerros
Ke 08.10.2025 klo 09:00 - 10:00
(1 t 0 min)
Machine learning methods RO00FQ45-3001
309C Teorialuokka (52+1), 3. kerros
Ke 08.10.2025 klo 10:00 - 11:30
(1 t 30 min)
Machine learning methods RO00FQ45-3001
309C Teorialuokka (52+1), 3. kerros
Ti 28.10.2025 klo 10:30 - 12:00
(1 t 30 min)
Machine learning methods RO00FQ45-3001
142 Teorialuokka (40+1), päärakennus
Ke 29.10.2025 klo 09:00 - 10:00
(1 t 0 min)
Machine learning methods RO00FQ45-3001
142 Teorialuokka (40+1), päärakennus
Ke 29.10.2025 klo 10:00 - 11:30
(1 t 30 min)
Machine learning methods RO00FQ45-3001
142 Teorialuokka (40+1), päärakennus
Ti 11.11.2025 klo 10:30 - 12:00
(1 t 30 min)
Machine learning methods RO00FQ45-3001
309C Teorialuokka (52+1), 3. kerros
Ke 12.11.2025 klo 09:00 - 10:00
(1 t 0 min)
Machine learning methods RO00FQ45-3001
309C Teorialuokka (52+1), 3. kerros
Ke 12.11.2025 klo 10:00 - 11:30
(1 t 30 min)
Machine learning methods RO00FQ45-3001
309C Teorialuokka (52+1), 3. kerros
Ti 18.11.2025 klo 10:30 - 12:00
(1 t 30 min)
Machine learning methods RO00FQ45-3001
309C Teorialuokka (52+1), 3. kerros
Ke 19.11.2025 klo 09:00 - 10:00
(1 t 0 min)
Machine learning methods RO00FQ45-3001
309C Teorialuokka (52+1), 3. kerros
Ke 19.11.2025 klo 10:00 - 11:30
(1 t 30 min)
Machine learning methods RO00FQ45-3001
309C Teorialuokka (52+1), 3. kerros
Ti 25.11.2025 klo 10:30 - 12:00
(1 t 30 min)
Machine learning methods RO00FQ45-3001
309C Teorialuokka (52+1), 3. kerros
Ke 26.11.2025 klo 09:00 - 10:00
(1 t 0 min)
Machine learning methods RO00FQ45-3001
309C Teorialuokka (52+1), 3. kerros
Ke 26.11.2025 klo 10:00 - 11:30
(1 t 30 min)
Machine learning methods RO00FQ45-3001
309C Teorialuokka (52+1), 3. kerros
Ti 02.12.2025 klo 10:30 - 12:00
(1 t 30 min)
Machine learning methods RO00FQ45-3001
309C Teorialuokka (52+1), 3. kerros
Ke 03.12.2025 klo 09:00 - 10:00
(1 t 0 min)
Machine learning methods RO00FQ45-3001
309C Teorialuokka (52+1), 3. kerros
Ke 03.12.2025 klo 10:00 - 11:30
(1 t 30 min)
Machine learning methods RO00FQ45-3001
309C Teorialuokka (52+1), 3. kerros
Ti 09.12.2025 klo 10:30 - 12:00
(1 t 30 min)
Machine learning methods RO00FQ45-3001
309C Teorialuokka (52+1), 3. kerros
Ke 10.12.2025 klo 09:00 - 10:30
(1 t 30 min)
Machine learning methods RO00FQ45-3001
309C Teorialuokka (52+1), 3. kerros
Ke 10.12.2025 klo 10:30 - 12:00
(1 t 30 min)
Machine learning methods RO00FQ45-3001
309C Teorialuokka (52+1), 3. kerros
Ti 16.12.2025 klo 10:30 - 12:00
(1 t 30 min)
Machine learning methods RO00FQ45-3001
309C Teorialuokka (52+1), 3. kerros
Ke 17.12.2025 klo 09:00 - 10:30
(1 t 30 min)
Machine learning methods RO00FQ45-3001
309C Teorialuokka (52+1), 3. kerros
Ke 17.12.2025 klo 10:30 - 12:00
(1 t 30 min)
Machine learning methods RO00FQ45-3001
309C Teorialuokka (52+1), 3. kerros
Muutokset varauksiin voivat olla mahdollisia.

Tavoitteet

Tunnet koneoppimisen eri menetelmiä.
Ymmärrät, mitä tarkoittaa ohjattu oppiminen.
Ymmärrät, mitä tarkoittaa ohjaamaton oppiminen.
Ymmärrät lineaariregression toimintaperiaatteen.
Ymmärrät, miten logistista regressiota käytetään luokittelussa.
Osaat kommunikoida koneoppimisen käsitteillä.
Tunnet neuroverkkojen perusteet.
Tunnet päätöspuiden ja satunnaismetsien toimintaperiaatteen.
Osaat ohjelmoida koneoppimisen malleja.

Sisältö

Mitä ovat eri koneoppimisen menetelmät?
Miten koneoppimisen malleja toteutetaan ohjelmoimalla?
Miten valitaan sopiva koneoppimisen menetelmä tietyssä sovelluskohteessa?
Mihin koneoppimisen mallit perustuvat?
Miten koneoppimiseen tarkoitettuja eri kirjastoja käytetään ohjelmoinnissa?

Opiskelumateriaali

Luentokalvot ja laskuharjoitukset.

Opiskelumuodot ja -menetelmät

Tentti.

TKI ja työelämäyhteistyö

Opintojaksoon ei sisälly TKI- ja työelämäyhteistyötä.

Arviointiasteikko

1-5

Esitietovaatimukset

Edellytetään taitoja koneoppimisen matematiikasta, ohjelmoinnista ja data-analyysistä.

Siirry alkuun