Kursen ingår i dessa läroplaner och studiehelheter
- Informationsteknik 2014 - Maskininlärning och beslutstödssystemutveckling
- Informationsteknik 2015 - Maskininlärning och beslutstödssystemutveckling
- Informationsteknik 2016 - Maskininlärning och beslutstödssystemutveckling
- Informationsteknik 2017 - Maskininlärning och beslutstödssystemutveckling
- Informationsteknik 2018 - Maskininlärning och beslutstödssystemutveckling
- Informationsteknik 2019 - Maskininlärning och beslutstödssystemutveckling
- Informationsteknik 2020 - Maskininlärning och beslutstödssystemutveckling
- Informationsteknik 2021 - Maskininlärning och beslutstödssystemutveckling - avancerade studier
- Informationsteknik 2022 - Maskininlärning och beslutstödssystemutveckling - avancerade studier
- Informationsteknik 2023 - Maskininlärning och beslutstödssystemutveckling - avancerade studier
Kursens undervisningsperiod
2 (2023-10-23 till 2023-12-31)
Nivå/kategori
Undervisningsspråk
Svenska
Kurstyp
Obligatorisk
Cykel/nivå
Yrkeshögskoleexamen
Rekommenderat studieår
4
Omfattning
5 sp
Kompetensmål
Inom detta studieavsnitt kommer vi att fokusera på
följande kompetenser:
Maskininlärning och beslutstödssystemutveckling
med tyngdpunkt på:
Processoptimering
Tillämpning av olika metoder för att optimera en
process
Användning av optimering i maskininlärning
Globala mål i fokus:
#1 Ingen fattigdom
#4 God utbildning för alla
#8 Anständiga arbetsvillkor och ekonomisk tillväxt
#9 Hållbar industri, innovationer och
infrastruktur
Läranderesultat
Efter avlagt studieavsnitt:
Du har förståelse för vad optimering är och hur
det kan användas i maskininlärning. (Kunskap)
Du har fördjupad kunskap i metoder som kan
utnyttjas för att optimera en process. (Kunskap)
Du kan lösa olika optimeringsproblem i praktiken.
(Färdighet)
Innehåll
Studieavsnittet genomförs som en kurs med
uppgifter och föreläsningar. Studieavsnittets
mål är att den studerande ska ha förstått
problematiken med optimering av en process och
känna till relevanta metoder, så som metoder
för linjära problem och konvexa problem som kan
användas för ändamålet, samt hur optimering kan
användas i maskininlärning. Studieavsnittets
bedömning baserar sig på uppgifter och ett mindre
projektarbete. Projektarbetet kan vara en
litteraturstudie, men även ett programmerings
projekt.
Mer information
Uppgifternas tidtabell ges under kursen.
Uppgifterna görs under kursen. Projektets
tidtabell ges under kursen. Projektet görs under
kursen och presenteras före julen.
Litteratur
Ges på lektionen och på itslearning.
Studieaktiviteter
- Föreläsningar - 28 timmar
- Projekt- och produktionsarbete/konstnärlig verksamhet - 40 timmar
- Självstudier - 67 timmar
Arbetsbelastning
- Kursens totala antal arbetstimmar: 135 timmar
- Varav självstyrda studieformer: 135 timmar
- Varav schemalagda studier: 0 timmar
Undervisningsform
Närundervisning
Examinationsformer
Essä, rapporter, produktioner och portfolio
Examinationskrav
För godkänd prestation krävs att studenten
avlägger följande examinationer:
Examination 1 Uppgifter
Examination 2 Projektarbete
(examinationer = tentamina, demonstrationer och
presentationer, rapporter och produktioner,
uppsatser, samt närvaro vid angivna tillfällen)
Examinationerna väger sinsemellan på följande
sätt: Uppgifter 60 % , projekt 40 %
Lärare
Dayama Niraj
Examinator
Dayama Niraj
Kursens hemsida
Antal kursplatser
Ingen begränsning (25 studenter anmälda)
Delprestation i kraft till
12 månader efter kursens slutdatum
Kursanmälningstid
2023-10-09 till 2023-11-05
Examinationsformer
Datum meddelas senare - Rapporter och produktioner
Datum | Tid | Rum | Titel | Beskrivning | Organisatör |
---|---|---|---|---|---|
2023-11-15 | 13:00 - 15:00 | E387 | Maskininlärning och optimering | Dayama Niraj | |
2023-11-17 | 13:00 - 15:00 | A409 | Maskininlärning och optimering | Dayama Niraj | |
2023-11-20 | 09:15 - 11:00 | F143 | Sisusession för IT & Media åk 1 och 2 & MTH1 på Campus och ONLINE | Detta är en hybridsession där ni lär er använda Sisu, så man kan delta endera på campus eller online. Om man deltar på campus rekommenderas att man tar egen dator med sig (en padda eller smarttelefon fungerar tyvärr inte). Sessionen ordnas av Arcadas studieärenden: sisu@arcada.fi DELTA VIA DENNA LÄNK: https://teams.microsoft.com/l/meetup-join/19%3ameeting_OTI1NGMzNzUtNjQwYy00MmE1LWIwYTktZmY1YTZjYjkzZTE2%40thread.v2/0?context=%7b%22Tid%22%3a%2286080f64-b23d-4f93-8c43-e65f2588b9c3%22%2c%22Oid%22%3a%2295120ab9-e6c5-4d68-b283-421bbe101856%22%7d Välkomna! | Ahlroth Siri Eerola Sabina |
2023-11-21 | 13:00 - 15:30 | E385 | Maskininlärning och optimering | Dayama Niraj | |
2023-11-27 | 10:00 - 12:00 | Z022 | Maskininlärning och optimering | MS Teams | Dayama Niraj |
2023-11-29 | 10:15 - 12:45 | F365 | Maskininlärning och optimering | Dayama Niraj | |
2023-11-30 | 13:00 - 15:30 | E385 | Maskininlärning och optimering | Dayama Niraj | |
2023-12-04 | 13:00 - 15:30 | E383 | Maskininlärning och optimering | Dayama Niraj | |
2023-12-05 | 13:00 - 15:30 | F365 | Maskininlärning och optimering | Dayama Niraj | |
2023-12-12 | 10:00 - 12:00 | F365 | Maskininlärning och optimering | Dayama Niraj | |
2023-12-13 | 09:30 - 12:00 | F365 | Maskininlärning och optimering | Dayama Niraj | |
2023-12-18 | 10:15 - 12:45 | E385 | Maskininlärning och optimering | Dayama Niraj | |
2023-12-19 | 10:15 - 12:45 | E387 | Maskininlärning och optimering | Dayama Niraj | |
2023-12-20 | 13:00 - 15:30 | F365 | Maskininlärning och optimering | Dayama Niraj |