Siirry suoraan sisältöön

Koneoppiminen robotiikassaLaajuus (5 op)

Tunnus: YTGJ0300

Laajuus

5 op

Opetuskieli

  • suomi

Vastuuhenkilö

  • Tomi Nieminen

Osaamistavoitteet

Ymmärrät ja tunnistat koneoppimisen merkityksen digitalisoituvassa toimintaympäristössä. Tiedät yleisimmät koneoppimisen menetelmät, osaat soveltaa niitä käytännössä olemassa olevaan dataan sekä tulkita menetelmien tulokset.

YTGAR: Älykäs robotiikka
Tunnistat koneoppimisen merkityksen tulevaisuuden robotiikassa.

Sisältö

Ohjatun koneoppimisen yleisimmät regressio- ja luokittelumallit ja niiden soveltaminen Python-ohjelmointiympäristössä käyttäen kirjastoja NumPy, Pandas, Scikit-learn, Keras ja Tensorflow.
Sopivan mallin valitseminen ja mallin tarkkuuden arviointi.
Neuroverkkojen matemaattinen teoria ja soveltaminen.
Kuvaluokittelu ja konvoluutioneuroverkot.
Vahvistusoppiminen Deep Q-learning algoritmilla ja tekoälyn soveltaminen robotin ohjauksessa.

Esitietovaatimukset

Ohjelmoinnin perusosaaminen

Arviointikriteerit, tyydyttävä (1)

Välttävä 1: Tiedät koneoppimisen yleisimmin käytetyt tekniikat. Osaat soveltaa yleisimpiä koneoppimisen tekniikoita. Lisäksi osaat arvioida suppeasti toteutuksesi.

Tyydyttävä 2: Tiedät koneoppimisen yleisimmin käytetyt tekniikat erilaisille ongelmille. Osaat valita koneoppimisen tekniikat ja soveltaa teknistä osaamistaan käytännössä. Lisäksi osaat arvioida pintapuolisesti toteutuksesi.

Arviointikriteerit, hyvä (3)

Hyvä 3: Tiedostat koneoppimisen tuomat hyödyt digitalisaation aikakautena. Osaat koneoppimisen yleisimmin käytetyt tekniikat erilaisille ongelmille. Osaat soveltaa teknistä osaamistaan robotiikassa.

Kiitettävä 4: Tunnistat koneoppimisen tuomat hyödyt digitalisaation aikakautena. Osaat koneoppimisen yleisimmin käytetyt tekniikat ja osaat perustella käytettyjen tekniikoiden käytön erilaisissa tehtävissä. Osaat soveltaa teknistä osaamistaan robotiikassa.

Arviointikriteerit, kiitettävä (5)

Erinomainen 5: Tunnistat koneoppimisen tuomat hyödyt digitalisaation aikakautena. Hallitset koneoppimisen tekniikat monipuolisesti ja osaat soveltaa tekniikoita robotiikassa. Osaat soveltaa teknistä osaamistaan käytännössä ja arvioida kriittisesti toteutuksesi ja perustella sen kehittämistä.

Ajoitus

07.03.2023 - 31.12.2024

Opintopistemäärä

5 op

Virtuaaliosuus

5 op

Toteutustapa

Verkko-opetus

Yksikkö

Teknologiayksikkö

Toimipiste

Pääkampus

Opetuskielet
  • Suomi
Koulutus
  • Robotiikka (YAMK)
Opettaja
  • Tomi Nieminen
Ryhmät
  • ZJAJ23KLIKEROK
    Liiketoiminnallisesti kestävän robotiikan kehittäjä

Tavoitteet

Ymmärrät ja tunnistat koneoppimisen merkityksen digitalisoituvassa toimintaympäristössä. Tiedät yleisimmät koneoppimisen menetelmät, osaat soveltaa niitä käytännössä olemassa olevaan dataan sekä tulkita menetelmien tulokset.

YTGAR: Älykäs robotiikka
Tunnistat koneoppimisen merkityksen tulevaisuuden robotiikassa.

Sisältö

Ohjatun koneoppimisen yleisimmät regressio- ja luokittelumallit ja niiden soveltaminen Python-ohjelmointiympäristössä käyttäen kirjastoja NumPy, Pandas, Scikit-learn, Keras ja Tensorflow.
Sopivan mallin valitseminen ja mallin tarkkuuden arviointi.
Neuroverkkojen matemaattinen teoria ja soveltaminen.
Kuvaluokittelu ja konvoluutioneuroverkot.
Vahvistusoppiminen Deep Q-learning algoritmilla ja tekoälyn soveltaminen robotin ohjauksessa.

Oppimateriaali ja suositeltava kirjallisuus

Mueller: Introduction to Machine Learning with Python

Opetusmenetelmät

Virtuaaliopiskelu
Videoluennot, esimerkit ja harjoitukset

Opiskelijan ajankäyttö ja kuormitus

Virtuaaliopiskelu 135 h

Arviointiasteikko

0-5

Arviointikriteerit, tyydyttävä (1-2)

Välttävä 1: Tiedät koneoppimisen yleisimmin käytetyt tekniikat. Osaat soveltaa yleisimpiä koneoppimisen tekniikoita. Lisäksi osaat arvioida suppeasti toteutuksesi.

Tyydyttävä 2: Tiedät koneoppimisen yleisimmin käytetyt tekniikat erilaisille ongelmille. Osaat valita koneoppimisen tekniikat ja soveltaa teknistä osaamistaan käytännössä. Lisäksi osaat arvioida pintapuolisesti toteutuksesi.

Arviointikriteerit, hyvä (3-4)

Hyvä 3: Tiedostat koneoppimisen tuomat hyödyt digitalisaation aikakautena. Osaat koneoppimisen yleisimmin käytetyt tekniikat erilaisille ongelmille. Osaat soveltaa teknistä osaamistaan robotiikassa.

Kiitettävä 4: Tunnistat koneoppimisen tuomat hyödyt digitalisaation aikakautena. Osaat koneoppimisen yleisimmin käytetyt tekniikat ja osaat perustella käytettyjen tekniikoiden käytön erilaisissa tehtävissä. Osaat soveltaa teknistä osaamistaan robotiikassa.

Arviointikriteerit, kiitettävä (5)

Erinomainen 5: Tunnistat koneoppimisen tuomat hyödyt digitalisaation aikakautena. Hallitset koneoppimisen tekniikat monipuolisesti ja osaat soveltaa tekniikoita robotiikassa. Osaat soveltaa teknistä osaamistaan käytännössä ja arvioida kriittisesti toteutuksesi ja perustella sen kehittämistä.

Esitietovaatimukset

Ohjelmoinnin perusosaaminen

Ilmoittautumisaika

01.08.2023 - 08.09.2023

Ajoitus

28.08.2023 - 19.12.2023

Opintopistemäärä

5 op

Toteutustapa

Lähiopetus

Yksikkö

Teknologiayksikkö

Toimipiste

Pääkampus

Opetuskielet
  • Suomi
Paikat

0 - 20

Koulutus
  • Robotiikka (YAMK)
Opettaja
  • Tomi Nieminen
Ryhmät
  • ZJAYTG23S1
    Avoin amk, Robotiikka , Monimuoto
  • YTG23S1
    Insinööri (ylempi AMK), robotiikka

Tavoitteet

Ymmärrät ja tunnistat koneoppimisen merkityksen digitalisoituvassa toimintaympäristössä. Tiedät yleisimmät koneoppimisen menetelmät, osaat soveltaa niitä käytännössä olemassa olevaan dataan sekä tulkita menetelmien tulokset.

YTGAR: Älykäs robotiikka
Tunnistat koneoppimisen merkityksen tulevaisuuden robotiikassa.

Sisältö

Ohjatun koneoppimisen yleisimmät regressio- ja luokittelumallit ja niiden soveltaminen Python-ohjelmointiympäristössä käyttäen kirjastoja NumPy, Pandas, Scikit-learn, Keras ja Tensorflow.
Sopivan mallin valitseminen ja mallin tarkkuuden arviointi.
Neuroverkkojen matemaattinen teoria ja soveltaminen.
Kuvaluokittelu ja konvoluutioneuroverkot.
Vahvistusoppiminen Deep Q-learning algoritmilla ja tekoälyn soveltaminen robotin ohjauksessa.

Oppimateriaali ja suositeltava kirjallisuus

Mueller: Introduction to Machine Learning with Python

Opetusmenetelmät

Virtuaaliopiskelu
Videoluennot, esimerkit ja harjoitukset

Opiskelijan ajankäyttö ja kuormitus

Virtuaaliopiskelu 135 h

Arviointiasteikko

0-5

Arviointikriteerit, tyydyttävä (1-2)

Välttävä 1: Tiedät koneoppimisen yleisimmin käytetyt tekniikat. Osaat soveltaa yleisimpiä koneoppimisen tekniikoita. Lisäksi osaat arvioida suppeasti toteutuksesi.

Tyydyttävä 2: Tiedät koneoppimisen yleisimmin käytetyt tekniikat erilaisille ongelmille. Osaat valita koneoppimisen tekniikat ja soveltaa teknistä osaamistaan käytännössä. Lisäksi osaat arvioida pintapuolisesti toteutuksesi.

Arviointikriteerit, hyvä (3-4)

Hyvä 3: Tiedostat koneoppimisen tuomat hyödyt digitalisaation aikakautena. Osaat koneoppimisen yleisimmin käytetyt tekniikat erilaisille ongelmille. Osaat soveltaa teknistä osaamistaan robotiikassa.

Kiitettävä 4: Tunnistat koneoppimisen tuomat hyödyt digitalisaation aikakautena. Osaat koneoppimisen yleisimmin käytetyt tekniikat ja osaat perustella käytettyjen tekniikoiden käytön erilaisissa tehtävissä. Osaat soveltaa teknistä osaamistaan robotiikassa.

Arviointikriteerit, kiitettävä (5)

Erinomainen 5: Tunnistat koneoppimisen tuomat hyödyt digitalisaation aikakautena. Hallitset koneoppimisen tekniikat monipuolisesti ja osaat soveltaa tekniikoita robotiikassa. Osaat soveltaa teknistä osaamistaan käytännössä ja arvioida kriittisesti toteutuksesi ja perustella sen kehittämistä.

Esitietovaatimukset

Ohjelmoinnin perusosaaminen

Ilmoittautumisaika

03.08.2022 - 03.09.2022

Ajoitus

03.09.2022 - 21.12.2022

Opintopistemäärä

5 op

Virtuaaliosuus

5 op

Toteutustapa

Verkko-opetus

Yksikkö

Teknologiayksikkö

Toimipiste

Pääkampus

Opetuskielet
  • Suomi
Paikat

0 - 30

Koulutus
  • Robotiikka (YAMK)
Opettaja
  • Tomi Nieminen
Vastuuopettaja

Tomi Nieminen

Ryhmät
  • YTG22S1
    Insinööri (ylempi AMK), robotiikka

Tavoitteet

Ymmärrät ja tunnistat koneoppimisen merkityksen digitalisoituvassa toimintaympäristössä. Tiedät yleisimmät koneoppimisen menetelmät, osaat soveltaa niitä käytännössä olemassa olevaan dataan sekä tulkita menetelmien tulokset.

YTGAR: Älykäs robotiikka
Tunnistat koneoppimisen merkityksen tulevaisuuden robotiikassa.

Sisältö

Ohjatun koneoppimisen yleisimmät regressio- ja luokittelumallit ja niiden soveltaminen Python-ohjelmointiympäristössä käyttäen kirjastoja NumPy, Pandas, Scikit-learn, Keras ja Tensorflow.
Sopivan mallin valitseminen ja mallin tarkkuuden arviointi.
Neuroverkkojen matemaattinen teoria ja soveltaminen.
Kuvaluokittelu ja konvoluutioneuroverkot.
Vahvistusoppiminen Deep Q-learning algoritmilla ja tekoälyn soveltaminen robotin ohjauksessa.

Oppimateriaali ja suositeltava kirjallisuus

Opettajan julkaisema materiaali: teoria ja harjoitustehtävät
Guido, S: Introduction to Machine Learning with Python

Opetusmenetelmät

Virtuaaliopetus

Opiskelijan ajankäyttö ja kuormitus

Luennot 3 h. Virtuaalinen opiskelu ja harjoitukset 125 h.

Lisätietoja opiskelijoille

Avoin AMK 5

Arviointiasteikko

0-5

Arviointikriteerit, tyydyttävä (1-2)

Välttävä 1: Tiedät koneoppimisen yleisimmin käytetyt tekniikat. Osaat soveltaa yleisimpiä koneoppimisen tekniikoita. Lisäksi osaat arvioida suppeasti toteutuksesi.

Tyydyttävä 2: Tiedät koneoppimisen yleisimmin käytetyt tekniikat erilaisille ongelmille. Osaat valita koneoppimisen tekniikat ja soveltaa teknistä osaamistaan käytännössä. Lisäksi osaat arvioida pintapuolisesti toteutuksesi.

Arviointikriteerit, hyvä (3-4)

Hyvä 3: Tiedostat koneoppimisen tuomat hyödyt digitalisaation aikakautena. Osaat koneoppimisen yleisimmin käytetyt tekniikat erilaisille ongelmille. Osaat soveltaa teknistä osaamistaan robotiikassa.

Kiitettävä 4: Tunnistat koneoppimisen tuomat hyödyt digitalisaation aikakautena. Osaat koneoppimisen yleisimmin käytetyt tekniikat ja osaat perustella käytettyjen tekniikoiden käytön erilaisissa tehtävissä. Osaat soveltaa teknistä osaamistaan robotiikassa.

Arviointikriteerit, kiitettävä (5)

Erinomainen 5: Tunnistat koneoppimisen tuomat hyödyt digitalisaation aikakautena. Hallitset koneoppimisen tekniikat monipuolisesti ja osaat soveltaa tekniikoita robotiikassa. Osaat soveltaa teknistä osaamistaan käytännössä ja arvioida kriittisesti toteutuksesi ja perustella sen kehittämistä.

Esitietovaatimukset

Ohjelmoinnin perusosaaminen

Ajoitus

16.03.2022 - 14.08.2022

Opintopistemäärä

5 op

Virtuaaliosuus

5 op

Toteutustapa

Verkko-opetus

Yksikkö

Teknologiayksikkö

Toimipiste

Pääkampus

Opetuskielet
  • Suomi
Koulutus
  • Robotiikka (YAMK)
Opettaja
  • Tomi Nieminen
Ryhmät
  • ZJA21SLKRK
    Avoin AMK, Liiketoiminnallisesti kestävän robotiikan kehittäjä

Tavoitteet

Ymmärrät ja tunnistat koneoppimisen merkityksen digitalisoituvassa toimintaympäristössä. Tiedät yleisimmät koneoppimisen menetelmät, osaat soveltaa niitä käytännössä olemassa olevaan dataan sekä tulkita menetelmien tulokset.

YTGAR: Älykäs robotiikka
Tunnistat koneoppimisen merkityksen tulevaisuuden robotiikassa.

Sisältö

Ohjatun koneoppimisen yleisimmät regressio- ja luokittelumallit ja niiden soveltaminen Python-ohjelmointiympäristössä käyttäen kirjastoja NumPy, Pandas, Scikit-learn, Keras ja Tensorflow.
Sopivan mallin valitseminen ja mallin tarkkuuden arviointi.
Neuroverkkojen matemaattinen teoria ja soveltaminen.
Kuvaluokittelu ja konvoluutioneuroverkot.
Vahvistusoppiminen Deep Q-learning algoritmilla ja tekoälyn soveltaminen robotin ohjauksessa.

Oppimateriaali ja suositeltava kirjallisuus

Opettajan julkaisema materiaali: teoria ja harjoitustehtävät
Guido, S: Introduction to Machine Learning with Python

Opetusmenetelmät

Virtuaaliopetus

Opiskelijan ajankäyttö ja kuormitus

Luennot 3 h. Virtuaalinen opiskelu ja harjoitukset 125 h.

Lisätietoja opiskelijoille

Avoin AMK 5

Arviointiasteikko

0-5

Arviointikriteerit, tyydyttävä (1-2)

Välttävä 1: Tiedät koneoppimisen yleisimmin käytetyt tekniikat. Osaat soveltaa yleisimpiä koneoppimisen tekniikoita. Lisäksi osaat arvioida suppeasti toteutuksesi.

Tyydyttävä 2: Tiedät koneoppimisen yleisimmin käytetyt tekniikat erilaisille ongelmille. Osaat valita koneoppimisen tekniikat ja soveltaa teknistä osaamistaan käytännössä. Lisäksi osaat arvioida pintapuolisesti toteutuksesi.

Arviointikriteerit, hyvä (3-4)

Hyvä 3: Tiedostat koneoppimisen tuomat hyödyt digitalisaation aikakautena. Osaat koneoppimisen yleisimmin käytetyt tekniikat erilaisille ongelmille. Osaat soveltaa teknistä osaamistaan robotiikassa.

Kiitettävä 4: Tunnistat koneoppimisen tuomat hyödyt digitalisaation aikakautena. Osaat koneoppimisen yleisimmin käytetyt tekniikat ja osaat perustella käytettyjen tekniikoiden käytön erilaisissa tehtävissä. Osaat soveltaa teknistä osaamistaan robotiikassa.

Arviointikriteerit, kiitettävä (5)

Erinomainen 5: Tunnistat koneoppimisen tuomat hyödyt digitalisaation aikakautena. Hallitset koneoppimisen tekniikat monipuolisesti ja osaat soveltaa tekniikoita robotiikassa. Osaat soveltaa teknistä osaamistaan käytännössä ja arvioida kriittisesti toteutuksesi ja perustella sen kehittämistä.

Esitietovaatimukset

Ohjelmoinnin perusosaaminen