KURSSIMATERIAALIT/MOOC-YMPÄRISTÖ
Kurssin opiskelu tapahtuu MOOC-oppimisympäristössä, josta löytyy materiaalit ja ohjeet kurssin suorittamiseksi.
Ilmoittautuminen ja opintomaksu
Kuvaus
Valinnainen opintojakso
- Sopii kaikkien koulutusohjelmien opiskelijoille
- kohderyhmänä erityisesti opiskelijat, jotka ovat suorittaneet vähän tai ei lainkaan tietojenkäsittelyn opintoja
Ei muodollisia esitietovaatimuksia lukiomatematiikan lisäksi (perusaritmetiikka, murtoluvut)
Opiskelijoille, jotka haluavat kurssin jälkeen jatkaa tekoälyopintoja, suositellaan tarvittaessa ohjelmointikursseja, joiden jälkeen voi suorittaa tekoälykursseja, joihin sisältyy ohjelmointia. Kursseja järjestetään tällä hetkellä pääasiallisesti tiedekunnassa:
- englanninkielinen "AI Programming"-verkkokurssi alkaa keväällä 2019
- DATA15001 Introduction to AI (englanniksi) liittyy läheisesti Elements of AI-kurssiin ja sisältää ohjelmointitehtäviä
- DATA11001 Introduction to Data Science (syventävä, englanninkielinen) liittyy myös tekoälyn ja koneoppimisen sovelluksiin
- DATA11002 Introduction to Machine Learning syventävä, englanninkielinen) käsittelee erityisesti koneoppimista
Kurssin suorittamisen jälkeen opiskelija osaa:
- nimetä autonomisuuden ja adaptiivisuuden tekoälyn ominaispiirteiksi
- erottaa toisistaan tieteiskirjallisuuden tekoälyn ja oikean tekoälyn
- kuvailla tekoälyn keskeiset filosofiset kysymykset liittyen Turingin testiin ja kiinalaisen huoneen ajatuskokeeseen
- muotoilla tosielämän ongelmia etsintäongelmina
- muotoilla yksinkertaisia pelejä (kuten ristinolla) pelipuuksi
- soveltaa minimax-periaatetta optimaalisten pelisiirtojen ratkaisemiseen rajoitetun kokoeisessa pelipuussa
- ilmaista todennäköisyysarvoja luonnollisina frekvensseinä
- soveltaa Bayesin kaavaa yksinkertaisissa skenaarioissa
- selittää esiintyvyysharhan ja välttää sen bayesilaisen päättelyn avulla selittää miksi koneoppimista tarvitaan
- erottaa ohjatun ja ohjaamattoman koneoppimisen tilanteet toisistaan
- selittää seuraavan kolmen ohjatun koneoppimisen menetelmän periaatteet: lähimmän naapurin luokitin, lineaariregressio ja logistinen regressio
- selittää, mitä neuroverkot ovat ja mihin tarkoituksiin ne sopivat
- ymmärtää myös neuroverkkojen taustalla olevien menetelmien rajoitukset
- ymmärtää tulevaisuuden ennustamisen vaikeus, jotta voit paremmin arvioida tekoälystä esitettyjen väitteiden uskottavuutta
- tunnistaa joitakin tekoälyn merkittävimpiä yhteiskunnallisia vaikutuksia, kuten algoritmista syrjintää, väärennettyjä sisältöjä, yksityisyydensuojaa ja työelämän murrosta
- tarjolla jatkuvasti
- kurssin voi aloittaa milloin tahansa ja sen voi suorittaa omaan tahtiin
- suositeltu kesto on kuusi viikkoa
- missä vaiheessa tahansa opintoja
Teemu Roos. Kurssi on toteutettu Helsingin yliopiston ja Reaktor Oy:n yhteistyönä.
Kurssimateriaali löytyy osoitteesta https://course.elementsofai.com/fi
- Kurssimateriaali koostuu luettavasta tekstistä ja vuorovaikutteisista elementeistä
- Tehtävät haastavat opiskelijan syventymään materiaaliin ja etsimään tarvittaessa lisää tietoa vastauksien tueksi
- Kurssi läpäiseminen edellyttää, että 90% tehtävistä on suoritettu ja suoritetuista tehtävistä vähintään 50% on oikein
- Monivalintatehtävissä ja numeerisissa tehtävissä sallitaan vain yksi vastauskerta
- Tekstivastaukset joko hyväksytään tai hylätään: jälkimmäisessä tapauksessa opiskelijan tulee vastata ko. kysymykseen uudelleen (tarvittaessa useamman kerran, kunnes vastaus hyväksytään)
Avoin yliopisto vastaa vain Avoimen yliopiston ilmoittautumiseen liittyviin kysymyksiin osoitteessa: avoinyo-tietojenkasittelytiede@helsinki.fi, muissa kysymyksissä otathan yhteyttä https://spectrum.chat/elements-of-ai-fi/
Tällä kurssilla opiskelijoilla ei ole käytössään Helsingin yliopiston käyttäjätunnuksia. Opintopisteiden rekisteröitymisestä on mahdollista tilata ilmoitus sähköpostiin.
Kurssin opiskelu tapahtuu MOOC-oppimisympäristössä, josta löytyy materiaalit ja ohjeet kurssin suorittamiseksi.
Teemu Roos
Opintojakso on osa tietojenkäsittelytieteen koulutusohjelman aineopintoja.