Opintojakson tavoitteena on
- oppia tekemään datalle mallien edellyttämiä muunnoksia
- oppia soveltamaan koneoppimisen malleja eri työkaluilla
- oppia valitsemaan dataan parhaiten sopivat mallit
- oppia säätämään mallien parametreja.
Sisältö
- datan siivoaminen ja datan muunnokset
- koneoppimisen mallien taustaa ja vertailua
- esimerkkejä työkaluista ja palveluista
- mallien säätäminen
Toteutustavat, näyttö ja opinnollistaminen
a. Contact-toteutus, jossa on tehtävät ja itsenäinen työskentely
b. Online-toteutus, jossa on verkko-opetusta, tehtävät ja itsenäinen työskentely
c. Blended-toteutus, jossa on osittain lähiopetusta ja osin verkko-oppimista tehtävineen ja itsenäinen työskentely
d. Virtual-toteutus, jossa on verkko-oppimista tehtävineen ja itsenäinen työskentely
Mikäli jo osaat tämän opintojakson osaamistavoitteet, voit näyttää osaamisesi. Kysy lisää opintojakson opettajalta. Lisätietoja osaamisen tunnistamisesta: https://www.haaga-helia.fi/fi/osaamisen-tunnistaminen-ja-work-study
Oppimateriaalit
Opettajan ilmoittama materiaali.
Intro
Koneoppimisen mallit ovat monessa mukana, esimerkiksi kysynnän ennustamisessa, roskapostien suodattamisessa, vakuutuspetosten tunnistamisesssa, luottoriskien arvioinnissa, sairauksien diagnosoinnissa, asiakkaiden segmentoinnissa jne. Tekoälyjärjestelmien keskiöstä yleensä löytyy koneoppimisen malleja. Opintojaksolla opit valitsemaan tilanteeseen sopivan mallin, säätämään tarvittaessa mallin parametreja ja käyttämään nykyaikaisia työkaluja mallin opettamiseen.
Lähtötaso ja sidonnaisuudet muihin opintojaksoihin
Edeltävyysehtona opintojakson data-analytiikka Pythonilla (ANA001AS2A) suorittaminen tai muulla tavalla hankitut vastaavat taidot.
Arviointikriteerit
Arviointikriteeri - arvosana 1
Siivoaa datan käyttökelpoiseen muotoon. Osaa käyttää ainakin yhtä työkalua tai palvelua koneoppimisen malleihin ja/tai monimuuttujamenetelmiin.
Arviointikriteeri - arvosana 3
Yhdistelee datoja eri lähteistä. Tekee datalla muunnoksia parempien mallien aikaan saamiseksi. Osaa käyttää useita välineitä ja palveluita koneoppimisen malleihin ja/tai monimuuttujamenetelmiin.
Arviointikriteeri - arvosana 5
Valitsee käyttötilanteeseen parhaiten soveltuvan työkalun tai palvelun. Kykenee omatoimisesti ottamaan käyttöön uusia työkaluja ja palveluita.