Opetussuunnitelmat

Osaamistavoitteet

Opintojaksolta saat vahvan pohjan sellaisten matemaattisten käsitteiden hallitsemiselle, jotka ovat olennaisia koneoppimisalgoritmien ja -menetelmien soveltamisessa. Hallitset todennäköisyyslaskennan perusteet ja satunnaisuuden käsitteen. Osaat lineaarialgebran, tilastotieteen ja kombinatoriikan keskeiset käsitteet ja menetelmät. Osaat käyttää ja soveltaa kirjastoja matemaattisten ongelmien ratkaisussa.

EUR-ACE Tieto ja ymmärrys
Sinulla on tieto ja ymmärrys koneoppimisalgoritmien ja menetelmien periaatteista. Ymmärrät todennäköisyyden ja satunnaisuuden merkityksen koneoppimisessa

EUR-ACE Tekniikan soveltaminen käytäntöön
Osaat soveltaa todennäköisyyslaskentaa sekä satunnaisuutta koneoppimisen menetelmiin käytännössä

Sisältö

Todennäköisyyslaskenta
Lineaarialgebra
Tilastotiede
Kombinatoriikka
Numeerista laskentaa

Esitietovaatimukset

Ohjelmoinnin perusteet

Arviointikriteerit, tyydyttävä (1)

Välttävä (1)
Tunnet koneoppimisen matemaattiset perusteet osittain.
Tunnistat todennäköisyyslaskennan peruskäsitteet.
Hallitset lineaarialgebran ja tilastotieteen alkeet.
Osaat käyttää NumPy-kirjastoa.

Tyydyttävä (2)
Tunnet koneoppimisen matemaattiset perusteet.
Tunnet todennäköisyyslaskennan perusteet ja satunnaisuuden käsitteen.
Tunnet lineaarialgebran ja tilastotieteen keskeisimpiä käsitteitä ja menetelmiä.
Osaat käyttää NumPy-kirjastoa joidenkin matemaattisten ongelmien ratkaisussa.

Arviointikriteerit, hyvä (3)

Hyvä (3)
Tunnet koneoppimisen matemaattiset perusteet.
Hallitset todennäköisyyslaskennan perusteet ja satunnaisuuden käsitteen.
Osaat lineaarialgebran ja tilastotieteen käsitteet ja menetelmät.
Osaat käyttää NumPy-kirjastoa tarkemmin määriteltyjen matemaattisten ongelmien ratkaisussa.

Kiitettävä (4)
Tunnet hyvin koneoppimisen matemaattiset perusteet ja osaat analysoida saatuja tuloksia.
Hallitset todennäköisyyslaskennan perusteet ja satunnaisuuden käsitteen.
Osaat lineaarialgebran, tilastotieteen ja kombinatoriikan keskeiset käsitteet ja menetelmät.
Osaat soveltaa NumPy-kirjastoa matemaattisten ongelmien ratkaisussa.

Arviointikriteerit, kiitettävä (5)

Erinomainen (5)
Osaat soveltaa koneoppimisen matemaattisia perusteita sekä analysoida ja tulkita saatuja tuloksia.
Hallitset erinomaisesti todennäköisyyslaskennan perusteet ja satunnaisuuden käsitteen.
Hallitset lineaarialgebran, tilastotieteen ja kombinatoriikan keskeiset käsitteet ja menetelmät.
Osaat soveltaa NumPy-kirjastoa laajasti matemaattisten ongelmien ratkaisussa ja ymmärrät eri ratkaisumallien erot.