PLA-43120 Luokittelun perusteet, 4 op
Data Classification
Lisätiedot
Kurssi luennoidaan ja suoritetaan harjoitustöillä. Materiaali on saatavilla Moodle-alustalla, sekä luennot että harjoitustyöt, joten kurssi on mahdollista suorittaa myös etänä.
Opintojakso soveltuu vain tutkinto-opiskelijoille
Vastuuhenkilö
Jari Turunen
Opetus
| Toteutuskerta | Periodi | Vastuuhenkilö | Suoritusvaatimukset |
| PLA-43120 2016-01 | 2 |
Jari Turunen |
Hyväksytysti suoritetut harjoitustyöt, arvostellaan. |
Osaamistavoitteet
Kurssin suoritettuaan opiskelijalla on näkemys automaattisesta luokittelusta sekä valmiudet tehdä itsenäisesti datan luokittelija.
Sisältö
| Sisältö | Ydinsisältö | Täydentävä tietämys | Erityistietämys |
| 1. | Yleiskuvaus ja tutustuminen luokittelun perusteisiin: piirteet, hahmot ja luokittelu & klusterointi (Piirteitä ja luokkia voidaan tutkia myös opiskelijoiden omista datoista) | ||
| 2. | Piirteiden hyvyys ja arviointi luokittelun kannalta Piirteiden yksinkertaistaminen pääkomponenttianalyysin avulla | ||
| 3. | Luokittelumenetelmien tarkempi esittely | K-means, Itseorganisoituvat kartat (SOM), hermoverkot, Maximum Likelihood Estimator (MLE) jne. | Eri luokittelumenetelmien erityiskäyttökohteet |
| 4. | Päätöksenteko ja tulosten validointi | Tulosten jälkikäteen tapahtuva korjaus erikoistilanteissa Markov-ketjujen avulla |
Ohjeita opiskelijalle osaamisen tasojen saavuttamiseksi
Kurssi suoritetaan hyväksytyillä harjoitustöillä.
Arvosteluasteikko:
Arvosteluasteikko on numeerinen (0-5)
Osasuoritukset:
Oppimateriaali
| Tyyppi | Nimi | Tekijä | ISBN | URL | Lisätiedot | Tenttimateriaali |
| Luentokalvot | Jari Turunen | Ei |
Esitietovaatimukset
| Opintojakso | P/S | Selite |
| PLA-11341 Numeerinen laskenta MATLABilla | Suositeltava | |
| PLA-43130 Aikasarjojen analyysi | Suositeltava |
Vastaavuudet
| Opintojakso | Vastaa opintojaksoa | Selite |
| PLA-43120 Luokittelun perusteet, 4 op | PLA-43121 Koneoppimisen menetelmät, 5 op |