Future IoT Technologies (5 op)
Toteutuksen tunnus: TTC8850-3004
Toteutuksen perustiedot
- Ilmoittautumisaika
-
20.11.2023 - 04.01.2024
Ilmoittautuminen toteutukselle on päättynyt.
- Ajoitus
-
08.01.2024 - 30.04.2024
Toteutus on päättynyt.
- Opintopistemäärä
- 5 op
- Lähiosuus
- 5 op
- Toteutustapa
- Lähiopetus
- Yksikkö
- Teknologiayksikkö
- Toimipiste
- Lutakon kampus
- Opetuskielet
- englanti
- Paikat
- 0 - 35
- Koulutus
- Tieto- ja viestintätekniikka (AMK)
- Bachelor's Degree Programme in Information and Communications Technology
- Opettajat
- Jouko Kotkansalo
- Ryhmät
-
TTV21S3Tieto- ja viestintätekniikka (AMK)
-
TTV21S5Tieto- ja viestintätekniikka (AMK)
-
TIC21S1Bachelor's Degree Programme in Information and Communications Technology
-
TTV21S2Tieto- ja viestintätekniikka (AMK)
-
TTV21S1Tieto- ja viestintätekniikka (AMK)
- Opintojakso
- TTC8850
Toteutuksella on 9 opetustapahtumaa joiden yhteenlaskettu kesto on 22 t 30 min.
Aika | Aihe | Tila |
---|---|---|
Ti 05.03.2024 klo 14:15 - 16:45 (2 t 30 min) |
Future IoT Technologies TTC8850-3004 |
P2_D431
Elektroniikkalaboratorio
|
Ti 12.03.2024 klo 14:15 - 16:45 (2 t 30 min) |
Future IoT Technologies TTC8850-3004 |
P2_D431
Elektroniikkalaboratorio
|
Ti 19.03.2024 klo 14:15 - 16:45 (2 t 30 min) |
Future IoT Technologies TTC8850-3004 |
Verkko/Online (KYHA)
|
Ti 26.03.2024 klo 14:15 - 16:45 (2 t 30 min) |
Future IoT Technologies TTC8850-3004 |
P2_D431
Elektroniikkalaboratorio
|
Ti 02.04.2024 klo 14:15 - 16:45 (2 t 30 min) |
Future IoT Technologies TTC8850-3004 |
P2_D431
Elektroniikkalaboratorio
|
Ti 09.04.2024 klo 14:15 - 16:45 (2 t 30 min) |
Future IoT Technologies TTC8850-3004 |
P2_D431
Elektroniikkalaboratorio
|
Ti 16.04.2024 klo 14:15 - 16:45 (2 t 30 min) |
Future IoT Technologies TTC8850-3004 |
P2_D431
Elektroniikkalaboratorio
|
Ti 23.04.2024 klo 14:15 - 16:45 (2 t 30 min) |
Future IoT Technologies TTC8850-3004 |
P2_D431
Elektroniikkalaboratorio
|
Ti 30.04.2024 klo 14:15 - 16:45 (2 t 30 min) |
Future IoT Technologies TTC8850-3004 |
P2_D431
Elektroniikkalaboratorio
|
Arviointiasteikko
0-5
Tavoitteet
Opintojakson tarkoitus
Kurssilla opit hyödyntääm kehittyneitä uusia tekniikoita, kuten tekoälyä IoT-järjestelmien toteutuksessa. Tutustut erilaisiin neuroverkkoihin ja ymmärrät niiden perusparametrit.
Opintojakson osaamiset
EUR-ACE Tieto ja ymmärrys
EUR-ACE Tekniikan soveltaminen käytäntöön
Osaamistavoitteet:
Tunnet neuroverkkojen arkkitehtuurit ja ymmärrät niiden sovellusalueet. Osaat tehdä Q-table perustaisen neuroverkon suunnittelun ja toteutuksen käytännössä. Tiedät mitä RL-agentti tekee ja osaat treenat agentin toiminnan optimaalliseksi. Ymmärrät eron On-Policy ja Off-Policy algoritmien välillä ja osaat käyttää tietoa algoritmin valinnassa.
Sisältö
Neuroverkkojen vertailu (RL,Supervised, Unsupervised )
Keras, Pytorch ja muut algoritmipohjaiset neuroverkot
RL-agent ja ympäristö
Exploitation and exploration
Palkkio (Reward) ja hyperparameters
Basic neuro math and activation functions
Policy gradient method and value based learning
Bellman equation and its demo (Q-learning)
Pytorch, PPO algorithm and demo
Arviointikriteerit, tyydyttävä (1)
Välttävä 1: Ymmärrät neuroverkkojen periaattet ja osaat soveltaa tietoa niiden valitsemiseksi
Tyydyttävävä 2: Ymmärrät Q-learning menetelmien perusteet ja osaat tehdä sillä pienen sovelluksen
Arviointikriteerit, hyvä (3)
Hyvä 3: Osaat säätää Bellmanin algoritmin parametreja (Exploration, Explotation, gamma +....) siten, että ohjattavan objektin toiminta optimoituu
Erinomainen 4: Osaat virittää monikerroksisen neuroverkon käyttäen PPO algoritmiä siten, että anettu toimilaite käyttäytyy halutusti.
Arviointikriteerit, kiitettävä (5)
Erinomainen 5: Edellisten lisäksi ymmärrät tekoälyn rajoitukset erilaisissa käytännön sovelluksissa ja käsität , että OpenAI-Gym mallit vaativat vahvaa substanssin hallintaa. Osaat myös dokumentoida työsi hyvin käyttäen TensorFlow-tulosteita hyperparametrien arvioimiseen.
Esitietovaatimukset
Johdanto IoT-järjestelmiin