HahmontunnistusLaajuus (5 op)
Tunnus: AT00CV66
Laajuus
5 op
Osaamistavoitteet
Opiskelija osaa
- tunnistaa ja hyödyntää CNN neuroverkkojen perusrakenteita
- käyttää OpenCV kirjastoa (tai vastaavaa) ongelmanratkaisuissa
- kouluttaa CNN neuroverkon, optimoida hyperparametreja ja arvioida mallin hyvyyttä
Ilmoittautumisaika
07.05.2025 - 31.08.2025
Ajoitus
01.09.2025 - 12.12.2025
Opintopistemäärä
5 op
Toteutustapa
Lähiopetus
Yksikkö
Teknologia (LAB)
Toimipiste
Verkkokampus
Opetuskielet
- Suomi
Koulutus
- Tieto- ja viestintätekniikan koulutus
Opettaja
- Matti Welin
- LAB_virtuaalihenkilö_TVT_01 Virtuaaliopettaja (LAB)
Opetusryhmät
- Verkkoluento 1 (Koko: 100. Avoin AMK: 0.)
Ryhmät
-
TLTITVT23SVTieto- ja viestintätekniikan koulutus 23SV Lahti
Pienryhmät
- Verkkoluento 1
Osaamistavoitteet
Opiskelija osaa
- tunnistaa ja hyödyntää CNN neuroverkkojen perusrakenteita
- käyttää OpenCV kirjastoa (tai vastaavaa) ongelmanratkaisuissa
- kouluttaa CNN neuroverkon, optimoida hyperparametreja ja arvioida mallin hyvyyttä
Toteutustapa ja opetusmenetelmät
Opetusmenetelminä käytetään etäopetusta luennoiden, sekä esimerkkeihin perustuvia soveltavia harjoituksia.
Ajoitus ja läsnäolo
Kurssi toteutetaan syyslukukaudella ja tunteja pidetään viikottain (4h per viikko). Läsnäolo ja oma aktiivisuus on suotavaa, sitä seurataan ja se vaikuttaa arviointiin.
Oppimateriaali ja suositeltava kirjallisuus
Oppimateriaali löytyy Moodlesta. Se koostuu kurssin luentokalvoista ja muusta ajankohtaisesta materiaalista. Lisäksi opiskelija etsii itsenäisesti sekä kirjallisuuslähteitä että internetin kautta löydettävissä olevia luotettavia lähteitä.
Oppimisympäristö
Kurssin informointi- ja järjestely-ympäristönä käytetään virtuaalista Moodle verkko-oppimisalustaa. Kurssilla edellytetään oman koneen teho-käyttöä ja järjestelmänvalvojan tunnukset on hyvä olla käytössä kurssin aikana. Käytettävä tietokone voi olla Windows, Linux tai Mac-pohjainen.
Opiskelijan ajankäyttö ja kuormitus
Yhteisiä tunteja zoom'ssa on noin 50.
Kokonaisajankäyttö opiskelijalle on mitoitettu keskimäärin 135 tunniksi
Sisältö
Sisältö koostuu seuraavista aihe-alueista
- OpenCV tai vastaava
- CNN toimintaperiaatteet, mallien kouluttaminen ja arviointi
- datan esikäsittely hahmontunnistuksen näkökulmsta, pipelinepohjainen toimintaperiaate
- datan annotointi ja augmentointi
Lisätietoja opiskelijalle: mm. edeltävä osaaminen
Ohjelmoinnin perusteet. Edeltävä osaaminen Koneoppimisen moduuli on suositeltava.
Arviointimenetelmät
Arvioinnin perusteena käytetään opintojaksolla tehtäväksi annettujen tehtävien suorittamisen tasoa sekä opiskelijan aktiivisuutta.
Arviointiasteikko
1-5
Hylätty (0)
Opiskelija ei ole saavuttanut opintojakson osaamistavoitteita.
Arviointikriteerit: taso 1: (arviointiasteikko 1-5)
Opiskelija osaa käyttää hyväkseen saatavilla olevia tietolähteitä sekä tehdä itsenäisiä ratkaisuja jossain määrin. Palautettavat tehtävät tulee olla suoritettuina läpipääsyn tasolla.
Arviointikriteerit: taso 3 (arviointiasteikko 1-5)
Opiskelija osaa käyttää käytettävissä olevia tietolähteitä itsenäisesti hyväkseen ja soveltaa niitä.
Palautettavat tehtävät tulee olla suoritettuina siten, että ne ovat tehtäväksiannon mukaisesti oikein ja hyväksytysti suoritettuina. Opiskelija osallistuu luennoilla tapahtuvaan keskusteluun ja pohdintoihin.
Arviointikriteerit: taso 5 (arviointiasteikko 1-5)
Opiskelija osaa käyttää hyväkseen, kriittisesti arvioida ja soveltaa käytettävissä olevia tietolähteitä. Opiskelijalta vaaditaan aktiivista osallistumista keskusteluun, hän on positiivinen keskutelukumppani sekä edistää keskustelua olennaiseen suuntaan ja perustelee mielipiteensä. Palautettavat tehtävät tulee olla suoritettuina siten, että ne täyttävät annetun tehtäväksiannon tavoitteet kiitettävällä tasolla.