Tekniikan koulutus (ylempi AMK), IoT:stä tekoälyyn
Insinööri (ylempi AMK), IoT:stä tekoälyyn 23S, verkko-opinnot
Insinööri (ylempi AMK), IoT:stä tekoälyyn 24K, verkko-opinnot
Insinööri (ylempi AMK), IoT:stä tekoälyyn 22S, verkko-opinnot
Insinööri (ylempi AMK), IoT:stä tekoälyyn 21S, Lahti
Ilmoittautumisaika
06.05.2024 - 25.08.2024
Ajoitus
26.08.2024 - 29.08.2024
Opintopistemäärä
5 op
Virtuaaliosuus
5 op
Toteutustapa
Etäopetus
Yksikkö
Teknologia (LAB)
Toimipiste
Verkkokampus
Opetuskielet
- Suomi
Paikat
10 - 60
Koulutus
- Tekniikan alan koulutus (ylempi AMK), Uudistava johtaminen
- Tekniikan koulutus (ylempi AMK), IoT:stä tekoälyyn
Opettaja
- Minna Asplund
- Henri Koukka
- Erjaleena Koljonen
Opetusryhmät
- Luennot 1 (Koko: 100. Avoin AMK: 0.)
Ryhmät
-
TLTIYITT24KVIoT:stä tekoälyyn (YAMK) 24KV Lahti
-
LLPRYASLI23KVAsiakassuuntautuneen liiketoiminnan kehittäminen (YAMK) 23KV Lappeenranta
-
LLTIYLDR23SVLiiketoiminnan digitaaliset ratkaisut (YAMK) 23SV Lahti
-
TLTIYUJT24SVUudistava johtaminen (YAMK), tekniikan ala 24SV Lahti
Pienryhmät
- Luennot 1
Osaamistavoitteet
Opiskelija osaa
- tutkia datan ominaisuuksia jatkokäsittelyn kannalta
- hyödyntää matemaattisia menetelmiä datan analysoinnissa
- hyödyntää modernia tilastollista työkalua
- visualisoida datan ja analyysin jatkokäyttöä hyödyntävällä tavalla
- tuottaa toistettavan tutkimuksen
Toteutustapa ja opetusmenetelmät
Kurssi toteutetaan yhteensä neljän päivän intensiiviopetuksena. Kaksi viikkoa ennen intensiiviviikkoa avautuvat kurssin ennakkotehtävät.
Opetusmenetelminä käytetään etäopetusta luennoiden, sekä esimerkkeihin perustuvia soveltavia harjoituksia. Mahdollisuuksien mukaan myös äänitteitä.
Ajoitus ja läsnäolo
Intensiivijakso on viikolla 35, ma 26.8. - to 29.8.2024.
Oppimateriaali ja suositeltava kirjallisuus
Opiskelija etsii itsenäisesti sekä kirjallisuuslähteitä että internetin kautta löydettävissä olevia luotettavia lähteitä. Opintojaksolla on esitysmateriaalia.
Uusintamahdollisuudet
Opintojaksolla ei ole tenttiä.
Oppimisympäristö
Kurssin informointi- ja järjestely-ympäristönä käytetään virtuaalista Moodle verkko-oppimisalustaa.
Opiskelijan ajankäyttö ja kuormitus
Yhteisiä tunteja on 23. Kokonaisajankäyttö opiskelijalle on mitoitettu keskimäärin 135 tunniksi.
Sisältö
Kurssi pitää sisällään
- datan tutkimista tilastollisten tunnuslukujen ja visualisoinnin avulla
- estimoinnin perusteet ja tilastolliset testit
- R analytiikan käyttö
- Datan visualisointi web-ympäristössä.
Lisätietoja opiskelijalle: mm. edeltävä osaaminen
Lukion lyhyttä matematiikkaa vastaava osaaminen.
Ohjelmoinnin perusteet tai vastaava osaaminen.
Arviointimenetelmät
Arvioinnin perusteena käytetään opintojaksolla tehtäväksi annettujen tehtävien suorittamisen tasoa.
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 itsenäisesti hyväkseen ja soveltaa käytettävissä olevia tietolähteitä.
Palautettavat tehtävät tulee olla suoritettuina siten, että ne ovat tehtäväksiannon mukaisesti oikein ja hyväksytysti suoritettuina.
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 ylittävät annetun tehtäväksiannon tavoitteet.
Ilmoittautumisaika
06.05.2024 - 30.08.2024
Ajoitus
02.12.2024 - 05.12.2024
Opintopistemäärä
5 op
Virtuaaliosuus
5 op
Toteutustapa
Etäopetus
Yksikkö
Teknologia (LAB)
Toimipiste
Verkkokampus, Lahti
Opetuskielet
- Suomi
Paikat
15 - 35
Koulutus
- Tekniikan koulutus (ylempi AMK), IoT:stä tekoälyyn
Opettaja
- Matti Welin
- Henri Koukka
Opetusryhmät
- Luennot 1 (Koko: 100. Avoin AMK: 0.)
Ryhmät
-
TLTIYITT24KVIoT:stä tekoälyyn (YAMK) 24KV Lahti
Pienryhmät
- Luennot 1
Osaamistavoitteet
Opiskelija osaa
- tunnistaa digitaalisten kaksosten toimintaperiaatteita sekä sovelluskohteita
- tunnistaa pelin kaltaisia aktiviteetteja sekä pelillisiä mahdollisuuksia digitaalisten kaksosten toimintaympäristöissä
- tunnistaa pelimoottorien tarjoamat mahdollisuudet digitaalisten kaksosten esityskerroksessa
- toteuttaa yksinkertaisen digitaalisen kaksosen nykyaikaisella pelimoottorilla
Toteutustapa ja opetusmenetelmät
Opintojakso koostuu intensiiviviikosta (Ma-To) sekä pakollisista esi- ja jälkitehtävistä.
Opetusmenetelminä käytetään etäopetusta luennoiden, sekä esimerkkeihin perustuvia soveltavia harjoituksia. Osa opintojakson tehtävistä toteutetaan ryhmätyönä. Luennot tallennetaan mahdollisuuksien mukaan.
Ajoitus ja läsnäolo
Intensiivijakso pidetään ma 2.12.2024 - to 5.12.2024.
Läsnäolo on suotavaa, lähes pakollista erityisesti ryhmätyön osalta.
Oppimateriaali ja suositeltava kirjallisuus
Opiskelija etsii itsenäisesti sekä kirjallisuuslähteitä että internetin kautta löydettävissä olevia luotettavia lähteitä. Opintojaksolla käytettävä esitysmateriaalia on käytettävissä lähiviikosta alkaen.
Uusintamahdollisuudet
Opintojaksolla ei ole tenttiä.
Oppimisympäristö
Moodle oppimisalusta sekä zoom.
Opiskelijan ajankäyttö ja kuormitus
Kokonaisajankäyttö on keskimäärin 135 tuntia, josta lähiopetusta 24 h.
Sisältö
Opintojaksolla perehdytään Digitaalisten kaksosten problematiikkaan ja toteutustapoihin datan esittämisen näkökulmasta. Lisäksi tutustutaan pelillisyyden tuomaan lisäarvoon, nykyaikaiseen pelimoottoriin, sen arkkitehtuuriin ja toimintatapaan. Kurssilla toteutetaan pienimuotoinen digitaalinen kaksonen, joka näyttää simuloitua dataa reaaliaikaisesti.
Lisätietoja opiskelijalle: mm. edeltävä osaaminen
Ymmärrys ohjelmoinnista.
Arviointimenetelmät
Arvioinnin perusteena käytetään opintojaksolla tehtäväksi annettujen tehtävien suorittamisen tasoa.
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 itsenäisesti hyväkseen ja soveltaa käytettävissä olevia tietolähteitä.
Palautettavat tehtävät tulee olla suoritettuina siten, että ne ovat tehtäväksiannon mukaisesti oikein ja hyväksytysti suoritettuina.
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 ylittävät annetun tehtäväksiannon tavoitteet.
Ilmoittautumisaika
06.05.2024 - 30.08.2024
Ajoitus
04.11.2024 - 07.11.2024
Opintopistemäärä
5 op
Virtuaaliosuus
5 op
Toteutustapa
Etäopetus
Yksikkö
Teknologia (LAB)
Toimipiste
Verkkokampus, Lahti
Opetuskielet
- Suomi
Paikat
5 - 40
Koulutus
- Tekniikan koulutus (ylempi AMK), IoT:stä tekoälyyn
Opettaja
- Matti Welin
- Minna Asplund
- Rami Viksilä
Opetusryhmät
- Luennot 1 (Koko: 100. Avoin AMK: 0.)
Ryhmät
-
TLTIYITT24KVIoT:stä tekoälyyn (YAMK) 24KV Lahti
Pienryhmät
- Luennot 1
Osaamistavoitteet
Opiskelija osaa
- tunnistaa neuroverkkojen ja syväoppimisen tärkeimmät ominaisuudet
- tutkia hyperparametreja, aktivaatiofunktioita ja neuroverkkojen topologiaa
- käsitellä piilotettuja kerroksia sekä ennustaa olemassa olevan datan avulla
- ottaa huomioon resurssien käytön sekä tekoälyn eettiset näkökulmat
Toteutustapa ja opetusmenetelmät
Kurssi toteutetaan neljän päivän intensiiviopetuksena.
Opetusmenetelminä käytetään lähiopetusta luennoiden, sekä esimerkkeihin perustuvia soveltavia harjoituksia. Mahdollisuuksien mukaan myös äänitteitä.
Ajoitus ja läsnäolo
Intensiivijakso on ma 4.11.2024 - to 7.11.2024.
Intensiiviviikolla läsnäolo on suotavaa.
Oppimateriaali ja suositeltava kirjallisuus
Opiskelija etsii itsenäisesti sekä kirjallisuuslähteitä että internetin kautta löydettävissä olevia luotettavia lähteitä. Opintojaksolla on esitysmateriaalia.
Uusintamahdollisuudet
Opintojaksolla ei ole tenttiä.
Oppimisympäristö
Kurssin informointi - ja järjestely-ympäristönä käytetään virtuaalista Moodle verkko-oppimisalustaa.
Opiskelijan ajankäyttö ja kuormitus
Yhteisiä tunteja on noin 24. Kokonaisajankäyttö opiskelijalle on mitoitettu keskimäärin 135 tunniksi.
Lisätietoja opiskelijalle: mm. edeltävä osaaminen
Edeltävä osaaminen:
- Lukion lyhyttä matematiikkaa vastaava osaaminen.
- Ohjelmoinnin perusteet tai vastaava osaaminen.
- Datan analysointi ja visualisointi, tai vastaava osaaminen.
- Koneoppiminen tai vastaava osaaminen.
Arviointimenetelmät
Arvioinnin perusteena käytetään opintojaksolla tehtäväksi annettujen tehtävien suorittamisen tasoa.
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 itsenäisesti hyväkseen ja soveltaa käytettävissä olevia tietolähteitä.
Palautettavat tehtävät tulee olla suoritettuina siten, että ne ovat tehtäväksiannon mukaisesti oikein ja hyväksytysti suoritettuina.
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 ylittävät annetun tehtäväksiannon tavoitteet.
Ilmoittautumisaika
06.05.2024 - 30.08.2024
Ajoitus
30.09.2024 - 03.10.2024
Opintopistemäärä
5 op
Virtuaaliosuus
5 op
Toteutustapa
Etäopetus
Yksikkö
Teknologia (LAB)
Toimipiste
Verkkokampus, Lahti
Opetuskielet
- Suomi
Paikat
5 - 40
Koulutus
- Tekniikan koulutus (ylempi AMK), IoT:stä tekoälyyn
Opettaja
- Matti Welin
- Minna Asplund
- Rami Viksilä
Opetusryhmät
- Luennot 1 (Koko: 100. Avoin AMK: 0.)
Ryhmät
-
TLTIYITT24KVIoT:stä tekoälyyn (YAMK) 24KV Lahti
Pienryhmät
- Luennot 1
Osaamistavoitteet
Opiskelija osaa
- käyttää hyväkseen sekä ohjattua sekä ohjaamatonta koneoppimista tarkoituksenmukaisella tavalla
- toteuttaa koneoppimismallin sovittamisen
- hyödyntää datapohjaista päätöksentekoa
- vertailla laitteistoja, ohjelmistoja ja kehitysympäristöjä erilaisiin koneoppimista hyödyntäviin sovelluksiin
Toteutustapa ja opetusmenetelmät
Kurssi toteutetaan neljän päivän intensiiviopetuksena.
Opetusmenetelminä käytetään lähiopetusta luennoiden, sekä esimerkkeihin perustuvia soveltavia harjoituksia. Mahdollisuuksien mukaan myös äänitteitä.
Ajoitus ja läsnäolo
Intensiivijakso on viikolla 40, ma 30.9.2024 - to 3.10.2024.
Intensiivijaksolla läsnäolo on suotavaa.
Oppimateriaali ja suositeltava kirjallisuus
Opiskelija etsii itsenäisesti sekä kirjallisuuslähteitä että internetin kautta löydettävissä olevia luotettavia lähteitä. Opintojaksolla on esitysmateriaalia.
Uusintamahdollisuudet
Opintojaksolla ei ole tenttiä.
Oppimisympäristö
Kurssin informointi - ja järjestely-ympäristönä käytetään virtuaalista Moodle verkko-oppimisalustaa.
Opiskelijan ajankäyttö ja kuormitus
Yhteisiä tunteja on noin 24. Kokonaisajankäyttö opiskelijalle on mitoitettu keskimäärin 135 tunniksi.
Lisätietoja opiskelijalle: mm. edeltävä osaaminen
Edeltävä osaaminen:
- Lukion lyhyttä matematiikkaa vastaava osaaminen.
- Ohjelmoinnin perusteet tai vastaava osaaminen.
- Datan analysointi ja visualisointi, tai vastaava osaaminen.
Arviointimenetelmät
Arvioinnin perusteena käytetään opintojaksolla tehtäväksi annettujen tehtävien suorittamisen tasoa.
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 itsenäisesti hyväkseen ja soveltaa käytettävissä olevia tietolähteitä.
Palautettavat tehtävät tulee olla suoritettuina siten, että ne ovat tehtäväksiannon mukaisesti oikein ja hyväksytysti suoritettuina.
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 ylittävät annetun tehtäväksiannon tavoitteet.