Curricula

Objectives

Objective of the course

Probability Theory is one of the alternative courses for applied mathematics. In this course you focus your skill in particular on the mathematics needed in machine learning.

Content

Sporadic phenomena and the concept of probability. Classic probability. Conditional probability and independence. Bayes formula. Random variable, binomial expression, Poisson and normal distribution, central limit value theorem. An overview on statistical analysis.

Time and location

Opintojakso toteutetaan non-stoppina 28.8.2023 - 31.7.2024.

Learning materials and recommended literature

Työtilassa olevat videot ja kirjallinen materiaali.

Teaching methods

Itseopiskelu verkossa olevan materiaalin (videot, harjoitukset) avulla. Vapaamuotoinen ohjausaika joka toinen viikko.

Exam dates and retake possibilities

Kokeita pidetään 2 kertaa kuukaudessa, kesäaikaan kerran kuukaudessa,

Alternative completion methods

Ei ole

Further information for students

Kyseessä on non-stop-toteutus. Kurssille voi ilmoittautua milloin vaan 28.8.2023 - 31.7.2024.
Opiintojakso suoritetaan kahdella välikokeella. Kokeita pidetään 2 kertaa kuukaudessa, kesäaikaan kerran kuukaudessa,

Evaluation scale

Pass/Fail

Evaluation criteria, pass/failed

You understand the concept of probability and know how to apply it to random real-world phenomena and statistical analysis.

Prerequisites

-

Objectives

Objective of the course

Probability Theory is one of the alternative courses for applied mathematics. In this course you focus your skill in particular on the mathematics needed in machine learning.

Content

Sporadic phenomena and the concept of probability. Classic probability. Conditional probability and independence. Bayes formula. Random variable, binomial expression, Poisson and normal distribution, central limit value theorem. An overview on statistical analysis.

Time and location

Kevätlukukauden 2023 toinen puolisko.

Learning materials and recommended literature

Opettajan oppimisympäristössä jakama kirjallinen ja videomateriaali.

Teaching methods

Kontaktiopetus 2+2 h/viikko, joissa luentoa ja laskuharjoituksia
Viikoittaiset kotitehtävät.
Itsenäistä opiskelua varten on olemassa luentovideot.

Exam dates and retake possibilities

Julkaistaan opintojakson alussa oppimisympäristössä.

Alternative completion methods

Hyväksilukemisen menettelytavat kuvataan tutkintosäännössä ja opinto-oppaassa. Opintojakson opettaja antaa lisätietoa mahdollisista opintojakson erityiskäytänteistä.

Student workload

Luennot + laskuharjoitukset n. 25 h
Itsenäinen opiskelu ja kotitehtävät 50 h
Tentti 3 h
Kuormitus on tasainen koko opintojakson ajan, yhteensä 80 h.

Further information for students

Opintojakso arvioidaan kurssin lopulla pidettävällä kokeella. Viikoittaisista kotitehtävistä saa lisäpisteitä kokeeseen.

Evaluation scale

Pass/Fail

Evaluation criteria, pass/failed

You understand the concept of probability and know how to apply it to random real-world phenomena and statistical analysis.

Prerequisites

-

Objectives

Objective of the course

Probability Theory is one of the alternative courses for applied mathematics. In this course you focus your skill in particular on the mathematics needed in machine learning.

Content

Sporadic phenomena and the concept of probability. Classic probability. Conditional probability and independence. Bayes formula. Random variable, binomial expression, Poisson and normal distribution, central limit value theorem. An overview on statistical analysis.

Time and location

Kevätlukukauden 2023 ensimmäinen puolisko.

Learning materials and recommended literature

Opettajan oppimisympäristössä jakama kirjallinen ja videomateriaali.

Teaching methods

Kontaktiopetus 2+2 h/viikko, joissa luentoa ja laskuharjoituksia
Viikoittaiset kotitehtävät.
Itsenäistä opiskelua varten on olemassa luentovideot.

Exam dates and retake possibilities

Julkaistaan opintojakson alussa oppimisympäristössä.

Alternative completion methods

Hyväksilukemisen menettelytavat kuvataan tutkintosäännössä ja opinto-oppaassa. Opintojakson opettaja antaa lisätietoa mahdollisista opintojakson erityiskäytänteistä.

Student workload

Luennot + laskuharjoitukset n. 25 h
Itsenäinen opiskelu ja kotitehtävät 50 h
Tentti 3 h
Kuormitus on tasainen koko opintojakson ajan, yhteensä 80 h.

Further information for students

Opintojakso arvioidaan kurssin lopulla pidettävällä kokeella. Viikoittaisista kotitehtävistä saa lisäpisteitä kokeeseen.

Evaluation scale

Pass/Fail

Evaluation criteria, pass/failed

You understand the concept of probability and know how to apply it to random real-world phenomena and statistical analysis.

Prerequisites

-

Objectives

Objective of the course

Probability Theory is one of the alternative courses for applied mathematics. In this course you focus your skill in particular on the mathematics needed in machine learning.

Content

Sporadic phenomena and the concept of probability. Classic probability. Conditional probability and independence. Bayes formula. Random variable, binomial expression, Poisson and normal distribution, central limit value theorem. An overview on statistical analysis.

Time and location

Opintojakso toteutetaan viikoilla 35 - 50 (29.8.-16.12.2022). Etäopiskelu Moodlen kautta.

Learning materials and recommended literature

Opettajan oppimisympäristössä jakama kirjallinen ja videomateriaali.

Teaching methods

Itseopsikelu: luentovideot ja harjoitustehtävät.
Viikottaiset kotitehtävät

Exam dates and retake possibilities

Julkaistaan opintojakson alussa oppimisympäristössä.

Alternative completion methods

Hyväksilukemisen menettelytavat kuvataan tutkintosäännössä ja opinto-oppaassa. Opintojakson opettaja antaa lisätietoa mahdollisista opintojakson erityiskäytänteistä.

Student workload

Itsenäinen opiskelu ja kotitehtävät 75 h
Tentti 3 h
Kuormitus on tasainen koko opintojakson ajan, yhteensä 80 h.

Further information for students

Opintojakso arvioidaan kurssin lopulla pidettävällä kokeella. Viikoittaisista kotitehtävistä saa lisäpisteitä kokeeseen.
Kokeen voi tehdä Dynamolla tai etäkokeena.

Evaluation scale

0-5

Evaluation criteria, pass/failed

You understand the concept of probability and know how to apply it to random real-world phenomena and statistical analysis.

Prerequisites

-

Objectives

Objective of the course

Probability Theory is one of the alternative courses for applied mathematics. In this course you focus your skill in particular on the mathematics needed in machine learning.

Content

Sporadic phenomena and the concept of probability. Classic probability. Conditional probability and independence. Bayes formula. Random variable, binomial expression, Poisson and normal distribution, central limit value theorem. An overview on statistical analysis.

Time and location

Kevätlukukauden 2022 ensimmäinen puolisko.

Learning materials and recommended literature

Opettajan oppimisympäristössä jakama kirjallinen ja videomateriaali.

Teaching methods

Kontaktiopetus 2+2 h/viikko, joissa luentoa ja laskuharjoituksia
Viikoittaiset kotitehtävät.
Itsenäistä opiskelua varten on olemassa luentovideot.

Exam dates and retake possibilities

Julkaistaan opintojakson alussa oppimisympäristössä.

Alternative completion methods

Hyväksilukemisen menettelytavat kuvataan tutkintosäännössä ja opinto-oppaassa. Opintojakson opettaja antaa lisätietoa mahdollisista opintojakson erityiskäytänteistä.

Student workload

Luennot + laskuharjoitukset n. 25 h
Itsenäinen opiskelu ja kotitehtävät 50 h
Tentti 3 h
Kuormitus on tasainen koko opintojakson ajan, yhteensä 80 h.

Further information for students

Opintojakso arvioidaan kurssin lopulla pidettävällä kokeella. Viikoittaisista kotitehtävistä saa lisäpisteitä kokeeseen.

Evaluation scale

Pass/Fail

Evaluation criteria, pass/failed

You understand the concept of probability and know how to apply it to random real-world phenomena and statistical analysis.

Prerequisites

-