•   AI Solutions 5Y00FD89-3003 01.08.2022-31.12.2022  5 cr  (22YDT) +-
    Learning outcomes of the course unit
    The student knows different solutions utilizing artificial intelligence and knows the role of data as part of artificial intelligence applications. The student is able to identify different situations where artificial intelligence can be utilized and what kind of data the solutions require.
    Course contents
    Studying and analysis of AI cases. The role of data as part of an artificial intelligence application.
    Assessment criteria
    Satisfactory

    The student researches and analyzes artificial intelligence solutions and recognizes the role of data as part of AI solutions.

    Good

    The student is able to study and analyze artificial intelligence solutions from different perspectives and understands the role of data as part of artificial intelligence applications. The student is able to recognize situations where artificial intelligence can be utilized and to understand what kind of data is needed.

    Excellent

    The student is able to research and analyze artificial intelligence in many ways and well understands the role of data as part of artificial intelligence applications. The student is able to recognize situations in which artificial intelligence can be utilized and understood well, what kind of data is needed and whether there is enough data available and where more data can be obtained.


    Name of lecturer(s)

    Ossi Nykänen

    Recommended or required reading

    Materiaali moodlessa, sisältäen linkkejä aihepiirin englanninkieliseen aineistoon. (not translated)

    Planned learning activities and teaching methods

    Pienryhmätyöskentelyä kampuksella, etäosallistumismahdollisuudella MS Teamsillä. Kurssin aikana tutustutaan valittuun tekoälyn tai sen sovelluksen aihepiiriin pienryhmissä (tiivis väliraportti), syvennetään siihen liittyvää omaa osaamista (lyhyt loppuraportti) ja valmistellaan aiheesta esitys muille kurssin osallistujille (seminaariesityksen esityskalvot tms. materiaali). Aikataulut, ohjeistus, aineistot ja tehtävien palautus Moodlessa. (not translated)

    Assessment methods and criteria

    Kurssiarvosana perustuu kurssin välietappien asianmukaiseen saavuttamiseen:
    1 - seminaari esitys pidetty (pakollinen)
    +1 - seminaari esityksen laajuus ja sisältö asianmukainen
    +1 - väliraportti palautettu ajallaan
    +1 - loppuraportti ja lopullinen esitysmateriaali palautettu ajallaan
    +1 - Seminaariesitys pitää sisällään myös "live-demon" kolmannen osapuolen tekemää ja/tai (pientä) itse tehtyä sovellusta hyödyntäen. (Plan-B:nä on hyvä ottaa kuitenkin esityskalvoihin pari ruuduunkaappauskuvaa sen varalta, että live-demossa tulee teknisiä ongelmia.) (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)

    Assessment criteria
    Not approved

    ei seminaariesitystä (not translated)

    Satisfactory

    Opiskelija tutkii ja analysoi tekoälyratkaisuita ja tunnistaa datan roolin osana tekoälysovelluksia. (not translated)

    Good

    Opiskelija osaa tutkia ja analysoida tekoälyratkaisuita eri näkökulmista ja ymmärtää datan roolin osana tekoälysovelluksia. Opiskelija osaa tunnistaa hyvin tilanteita, joissa tekoälyä voidaan hyödyntää ja ymmärtää, millaista dataa tällöin tarvitaan. (not translated)

    Excellent

    Opiskelija osaa tutkia ja analysoida tekoälyratkaisuita monipuolisesti ja ymmärtää hyvin datan roolin osana tekoälysovelluksia. Opiskelija osaa tunnistaa erinomaisesti tilanteita, joissa tekoälyä voidaan hyödyntää ja ymmärtää hyvin, millaista dataa tällöin tarvitaan ja onko dataa riittävästi saatavilla ja mistä dataa saadaan lisää. (not translated)