Curricula

Objectives

Opintojakson tarkoitus
Kiinnostaako sinua oppia kehittämään älykkäitä datan perusteella päätöksiä tekeviä web-sovelluksia? Tekoälyn ja koneoppimisen hyödyntäminen on tulevaisuudessa yhä tärkeämpi osa web-sovelluskehittäjän työtä. Opintojaksolla tutustutaan koneoppimisalgoritmeihin ja neuroverkkoihin web-sovellusten asiakas- ja palvelinpuolella sekä pilvipalvelualustalla. Opintojakson suoritettuasi osaat kehittää dataa analysoivia web-sovelluksia koneoppimiskirjaston sekä pilvialustan tarjoamien palveluiden avulla.

Opintojakson osaamiset
Sovelluskehitysosaaminen

Opintojakson osaamistavoite
Opiskelija osaa toteuttaa erilaisia datalähteitä ja koneoppimisalgoritmeja hyödyntäviä dataa analysoivia web-sovelluksia sekä asiakas- että palvelinpuolelle. Opiskelija osaa hyödyntää neuroverkkoja koneoppimiskirjaston avulla ja osaa käyttää pilvialustan palveluita koneoppimissovellusten toteutuksessa. Opiskelija tuntee yleisimmät koneoppimisalgoritmien tyypit ja käyttökohteet ja osaa hyödyntää niitä soveltuvissa käyttötilanteissa.

Content

Opintojaksolla opetellaan kehittämään koneoppimiseen ja tekoälyyn perustuvia web-sovelluksia. Sisältöön kuuluvat mm. datan esikäsittely ja analysointi, klassinen koneoppiminen, neuroverkkoihin perustuva koneoppiminen selainsovelluksessa ja palvelinsovelluksessa sekä pilvialustan koneoppimis- ja tekoälypalveluiden hyödyntäminen web-sovelluksissa. Opintojaksolta saa perusvalmiudet koneoppimis- ja tekoälypalveluiden hyödyntämiseen web-sovelluskehityksessä.

Time and location

Syksy 2024

Teaching methods

Videoluennot ja kontaktitunnit, joilla saa ohjausta

Opintojakso voidaan suorittaa myös kokonaan verkossa. Opintojaksolla on etukäteen nauhoitetut videoluennot. Lisäksi opintojakso sisältää 0,5-1 tunnin mittaisen henkilökohtaisen arviointikeskustelun opettajan kanssa Zoom-yhteydessä.

Student workload

108 tuntia

Further information for students

Avoin amk 5
EduFutura 5
Harjoitustehtävät arvioidaan henkilökohtaisessa arviointikeskustelussa. Harjoitustehtävien ratkaisujen ymmärtäminen ja opettajan kysymyksiin vastaaminen painottuvat arvioinnissa. Pelkkä tehtävien tekeminen esim. tekoälyavusteisesti ei takaa vielä mitään arvosanaa.

Evaluation scale

0-5

Evaluation criteria, satisfactory (1-2)

(Välttävä 1) Opiskelija osaa toteuttaa perustason koneoppimissovelluksia oppitunneilla esitettyjen mallien tai webissä olevien tutoriaalien avulla. Hän on yrittänyt tehdä kaikki harjoitustehtävät ja päässyt ohjeiden määrittämään lopputulokseen vähintään 50%:ssa tehtävistä.

(Tyydyttävä 2) Opiskelija osaa toteuttaa perustason koneoppimissovelluksia oppitunneilla esitettyjen mallien tai webissä olevien tutoriaalien avulla. Hän on yrittänyt tehdä kaikki harjoitustehtävät ja päässyt ohjeiden määrittämään lopputulokseen vähintään 70%:ssa tehtävistä.

Evaluation criteria, good (3-4)

(Hyvä 3) Opiskelija osaa toteuttaa perustason koneoppimissovelluksia ja osaa soveltaa opittuja teknologioita myös vaativampien sovellusten kehityksessä. Hän osaa oma-aloitteisesti laajentaa osaamistaan myös kurssilla esitettyjen asioiden ulkopuolelle. Hän on yrittänyt tehdä kaikki harjoitustehtävät ja päässyt ohjeiden määrittämään lopputulokseen vähintään 80%:ssa tehtävistä.

(Kiitettävä 4) Opiskelija osaa toteuttaa perustason koneoppimissovelluksia ja osaa soveltaa opittuja teknologioita myös vaativampien sovellusten kehityksessä. Hän osaa oma-aloitteisesti laajentaa osaamistaan myös kurssilla esitettyjen asioiden ulkopuolelle. Hän on yrittänyt tehdä kaikki harjoitustehtävät ja päässyt ohjeiden määrittämään lopputulokseen vähintään 90%:ssa tehtävistä.

Evaluation criteria, excellent (5)

(Erinomainen 5) Opiskelija osaa edellisten vaatimusten lisäksi arvioida kriittisesti koneoppimisalgoritmeja ja pilvialustojen työkaluja sekä ymmärtää teknologioiden valintakriteerit eri käyttötarkoituksiin. Hän on tehnyt kaikki harjoitustehtävät ja päässyt kaikissa ohjeiden määrittämään lopputulokseen.

Prerequisites

Tietorakenteet ja algoritmit
Backend- ja Frontend web-sovelluskehityksen perusteet