SGN-13000 Johdatus hahmontunnistukseen ja koneoppimiseen, 5 op
Introduction to Pattern Recognition and Machine Learning
Lisätiedot
This course also has English version with the same content and requirements.
Vastuuhenkilö
Joni Kämäräinen
Opetus
| Toteutuskerta | Periodi | Vastuuhenkilö | Suoritusvaatimukset |
| SGN-13000 2016-01 | 2 |
Antti Ainasoja Dingding Cai Antti Hietanen Joni Kämäräinen |
Tentti ja hyväksytyt harjoitukset. |
Osaamistavoitteet
Opintojakson suorittettuaan opiskelija tuntee hahmontunnistus- ja koneoppimisjärjestelmien perusrakenteen ja osaa suunnitella ja ohjelmoida tällaisen. Kurssi antaa laajan kuvan erilaisista lähestymistavoista ja opiskelija osaa tunnistaa näiden hyviä ja huonoja puolia. Kurssi antaa tarvittavan pohjatiedon hahmontunnistuksen ja koneoppimisen jatkokursseille ja vahvistaa ymmärrystä myös monista aiheeseen liittyvistä muista opinnoista (moderni signaalinkäsittely, konenäkö, signaalinkäsittely, audiosignaalien käsittely).
Sisältö
| Sisältö | Ydinsisältö | Täydentävä tietämys | Erityistietämys |
| 1. | Hahmontunnistuksen ja koneoppimisen perusteet, järjestelmien rakenne ja esimerkkejä. Lineaarinen regressio ja luokittelu. Koneoppimisen perustavaa laatua olevat lähestymistavat käyttäen lukio- ja kanditason matematiikkaa. | ||
| 2. | Konseptioppiminen (concept learning) | ||
| 3. | Päätöspuuoppiminen (decision tree learning) | ||
| 4. | Bayesilainen oppiminen/luokittelu ja todennäköisyystiheysfunktioiden estimoiminen. | ||
| 5. | PROGOL-ohjelmat ja induktiivisen logiikkaoppimisen perusteet. | ||
| 6. | Neuroverkot ja tukivektorikoneet (support vector machines) | ||
| 7. | Ohjaamaton (unsupervised) oppiminen: klusterointimenetelmät, itseorganisoituva kartta (SOM) ja lineaariset menetelmät (PCA). | ||
| 8. | Koneoppiminen robotiikassa ja erityisesti reinforcement learning |
Ohjeita opiskelijalle osaamisen tasojen saavuttamiseksi
Kurssin hyväksytty suorittaminen edellyttää tentin läpäisemistä ja kurssiharjoitusten itsenäistä tekemistä ja palauttamista hyväksytysti. Kurssilla on lisäksi kotitehtäviä.
Arvosteluasteikko:
Arvosteluasteikko on numeerinen (0-5)
Osasuoritukset:
Oppimateriaali
| Tyyppi | Nimi | Tekijä | ISBN | URL | Lisätiedot | Tenttimateriaali |
| Kirja | Elements of Statistical Learning, 2nd edition | Trevor Hastie, Robert Tibshirani, Jerome Friedman | Tilastotieteilöiden kirjoittama hyvä kirja. Erityisesti random forests osuus on otettu tästä kirjasta. | Kyllä | ||
| Kirja | Machine Learning | Tom Mitchell | 0070428077 | Pääasiallinen kurssikirja. Moni luennon aihe on suoraan tästä kirjasta ja kirjoittajan www-sivulta löytyy aiheista hyvät kalvot. | Kyllä | |
| Kirja | Statistical Pattern Recognition, 3rd Edition | Andrew R. Webb, Keith D. Copsey | 978-0-470-68227-2 | Erittäin hyvin kirjoitettu kirja, koska kirjoittajat ovat pääasiassa menetelmien käyttäjiä eivätkä kehittäjiä. Support vector machines (SVM) osuus on otettu tästä kirjasta. | Kyllä |
Tietoa esitietovaatimuksista
Oletetaan että opiskelija hallitsee hyvin kandidaattitason insinöörimatematiikan ja ohjelmoinnin.
Vastaavuudet
| Opintojakso | Vastaa opintojaksoa | Selite |
| SGN-13000 Johdatus hahmontunnistukseen ja koneoppimiseen, 5 op | SGN-13006 Introduction to Pattern Recognition and Machine Learning, 5 op | |
| SGN-13000 Johdatus hahmontunnistukseen ja koneoppimiseen, 5 op | SGN-2500 Johdatus hahmontunnistukseen, 4 op |