Seminaari: Koneoppiminen & Data Engineering (5op)

Arviointiasteikko

Hyväksytty/Hylätty

Tavoitteet

Opiskelija tutustuu koneoppimisen ja data engineering -teemaan, termistöön ja teknologioihin.

Toteutustavat

Ryhmätyö

Suoritustavat

Aktiivinen osallistuminen ryhmätöihin
Aktiivinen ja kriittinen tiedonhaku

Sisältö

Seminaarisarja, jossa käydään läpi koneoppimisen erilaisia teemoja opiskeliijoiden ryhmätöiden esitysten kautta.

Aika ja paikka

Tentative schedule Theme
13 SEP: Course contents, getting started, grading, and other practicalities
23 SEP: What is AI
30 SEP: Seminar topics
6 OCT: AI problem solving
10 OCT: Real world AI
28 OCT: Machine learning
15 NOV: Machine learning
22 NOV: Neural networks
1 DEC: Data science and engineering
2 DEC: Guest lecture: Sustainability for AI and Sustainable AI
9 DEC: Student seminar, Feedback

Oppimateriaalit

Elements of AI and materials in Moodle workspace

Opetusmenetelmät

Student gains high-level understanding of Machine Learning and Data Engineering (MLDE), learning about fundamental concepts, principles, terminology, applications, relations to other areas of study and is able to form a bigger picture of own professional field.
A series of seminars that cover various themes of machine learning through presentations by students

Arviointikriteerit, hyväksytty/hylätty

Approved: Active participation in group work and Active and critical information retrieval
Rejected: Fail to participate and no input to the Seminar group work.

Arviointikriteeri, hyväksytty/hylätty

Hyväksytty, jos opiskelija osallistuu aktiivisesti ryhmätyöhön