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, ylempi AMK
Opettaja
- Tomi Nieminen
Ryhmät
-
ZJAJ23KLIKEROKLiiketoiminnallisesti 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, ylempi AMK
Opettaja
- Tomi Nieminen
Ryhmät
-
ZJAYTG23S1Avoin amk, Robotiikka , Monimuoto
-
YTG23S1Insinööri (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, ylempi AMK
Opettaja
- Tomi Nieminen
Vastuuopettaja
Tomi Nieminen
Ryhmät
-
YTG22S1Insinööri (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, ylempi AMK
Opettaja
- Tomi Nieminen
Ryhmät
-
ZJA21SLKRKAvoin 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