•   AI Methods 5Y00FD87-3003 01.08.2022-31.12.2022  5 cr  (22YDT) +-
    Learning outcomes of the course unit
    The student knows what artificial intelligence means and what typical problems it solves. The student knows the main concepts and algorithms related to artificial intelligence. Students become familiar with some typical artificial intelligence tools and their use. Different applications of artificial intelligence are covered.
    Course contents
    The essence of artificial intelligence and its key concepts. Problems typically solved with artificial intelligence. Different types of artificial intelligence algorithms. Artificial intelligence tools. Artificial Intelligence Applications.
    Assessment criteria
    Satisfactory

    The student is familiar with artificial intelligence in general. The student is able to utilize some of the advanced artificial intelligence related technologies. The student is able to identify certain application areas that artificial intelligence fits into.

    Good

    The student is familiar with artificial intelligence and its key concepts. The student is able to utilize some of the technologies related to artificial intelligence. The student is able to identify the possibilities of using artificial intelligence in different application areas.

    Excellent

    The student is versatile in artificial intelligence and its key concepts. The student is able to creatively utilize the most advanced artificial intelligence related technologies. The student will be able to evaluate excellently the possibilities of utilizing artificial intelligence in different application areas.

    Name of lecturer(s)

    Ossi Nykänen

    Recommended or required reading

    Materiaali moodlessa, sisältäen linkkejä aihepiirin englanninkieliseen aineistoon (mm. työkalujen ohjeet ja dokumentaatio).Täydentävänä lisämateriaalina kirja Ertel, W., (2011). Introduction to Artificial Intelligence. Springer. (Saatavilla verkossa TUNI-kirjastosta, ks. Moodle-kurssi) (not translated)

    Planned learning activities and teaching methods

    Kurssiin sisältyy oppimistehtävinä opetusviikkojen johdantoesityksiin ja teemoihin littyviä harjoituksia sekä suurempi harjoitustyö. Aikataulut, ohjeistus, aineistot ja tehtävien palautus Moodlessa. (not translated)

    Assessment methods and criteria

    Kurssin arvosana määräytyy harjoituksista ja harjoitustyöstä kerättävien suorituspisteiden perusteella. Läpäisyyn ja arvosanaan 1 vaaditaan vähintään 30% pisteistä, maksimiarvosanaan vähintään 90% pisteistä (muut arvosanat lineaarisesti tältä väliltä). (not translated)

    Language of instruction

    Finnish

    Timing

    01.08.2022 - 31.12.2022

    Registration

    02.07.2022 - 04.09.2022

    Credits

    5 cr

    Group(s)

    22YDT

    Teacher(s)

    Ossi Nykänen

    Unit, in charge

    MD in Data Expertise and Artificial Intelligence

    Degree programme(s)

    Master's Degree Programme in Data Expertise and Artificial Intelligence

    Office

    TAMK Main Campus

    Evaluation scale

    0-5

    Exam schedule

    Ei tenttiä. (not translated)

    Students use of time and load

    Intensiivisiä kontaktiopetuspäiviä (etäopetus) ja näihin liittyviä harjoituksia, joista osa on tarkoitus tehdä itseopiskeluna. Ks. kurssin aikataulu. (not translated)

    Assessment criteria
    Not approved

    Alle 30% harjoitustehtävistä tehty. (not translated)

    Satisfactory

    Opiskelija tuntee tekoälyn perusteet ja osaa välttävästi toteuttaa pieniä tekoälysovelluksia.
    Harjoitustehtävistä tehty vähintään 30%, vähintään minimivaatimukset täyttävä ryhmätyö palautettu/esitetty. (not translated)

    Good

    Opiskelija tuntee tekoälyn perusteet, ja osaa suunnitella ja toteuttaa pieniä tekoälysovelluksia. Opiskelijalla on hyvä käsitys tekoälyn osa-alueista.
    Harjoitustehtävistä tehty vähintään 60%, hyvä ryhmätyö palautettu/esitetty, (not translated)

    Excellent

    Opiskelija tuntee tekoälyn perusteet, ja osaa suunnitella ja toteuttaa pieniä tekoälysovelluksia. Opiskelijalla on hyvä käsitys tekoälyn osa-alueista ja hän pystyy oma-aloitteisesti ja kriittisesti arvioimaan eri perusmenetelmien soveltuvuutta yksinertaisten ongelmien ratkaisuun.
    Harjoitustehtävistä tehty vähintään 90%, kiitettävä ryhmätyö palautettu/esitetty, (not translated)