|
|
|||||||||||||||||
Opinto-opas 2014-2015
Learning and Intelligent Systems, 25 cr |
Type of the study block
Intermediate Studies
Contact
Alpo Värri, Joni Kämäräinen, Ari Visa
Learning Outcomes
| - | Opintokokonaisuuden suoritettuaan opiskelija osaa selittää oppivien ja älykkäiden järjestelmien peruskäsitteet. After having passed the module the student can explain the basic concepts of learing and intelligent systems. |
| - | Opiskelija osaa käsitellä mittaussuureiden joukkoa siten, että niistä voidaan tunnistaa eri tekniikoilla haluttuja ilmiöitä ja pystyy arvioimaan kehitetyn järjestelmän suorituskyvyn rajat. The student can process a set of measurements and inputs in such a way that wanted phenomena can be recognized of them. The student can estimate the limits of the performance of the designed system. |
| - | Opiskelija osaa kuvata tärkeimmät hahmontunnistusmenetelmät ja vertailemalla valita niistä soveltuvimman annettuun tehtävään sekä osaa evaluoida eri menetelmiä. The student can describe the most important pattern recognition methods and choose the most appropriate one for a given task. the student can evaluate the different methods. |
| - | Opiskelija pystyy seuraamaan alan kirjallisuutta ja pystyy ottamaan käyttöön kirjallisuudesta löydetyn älykkään menetelmän. The student can follow the literature of the field and take an intelligent method found in the literature into use. |
Content
Compulsory courses
| Course | Credit points | Class |
| SGN-41006 Signal Interpretation Methods | 4 cr | IV |
| SGN-42006 Machine Learning | 5 cr | IV |
| Total | 9 cr |
Optional Compulsory Courses
Must be selected at least 5 credits of courses
| Course | Credit points | Alternativity | Class |
| SGN-13000 Johdatus hahmontunnistukseen ja koneoppimiseen | 5 cr | 1 | III |
| SGN-13006 Introduction to Pattern Recognition and Machine Learning | 5 cr | 1 | III |
1.
Select 1 courses.
Opintojaksot ovat toisensa poissulkevia ja niistä on valittava toinen. The courses are mutually exclusive and only one of them must be chosen.
Complementary Courses
Should be completed to the minimum study module extent of 25 ETCS
Additional information
Oppivilla ja älykkäillä menetelmillä tarkoitetaan pääsääntöisesti menetelmiä, joiden avulla voidaan suorittaa tietynlaista älykkyyttä vaativia tehtäviä kuten hahmontunnistus (luokittelu), ennustaminen ja erilaisten signaalien analysointi. Tällaisia ominaisuuksia tarvitaan esimerkiksi itsenäisesti toimivissa koneissa ja laitteissa. Neurolaskenta ja sumea logiikka ovat kaksi tunnettua esimerkkiä oppivista ja älykkäistä menetelmistä. Yksi keskeinen oppivien ja älykkäiden menetelmien käyttöalue on signaalinkäsittely ja sen sovellutukset sekä nk. 'big data'. Oppivien ja älykkäiden järjestelmien sivuaine antaa opiskelijalle perustiedot oppivista ja älykkäistä menetelmistä sekä kyvyn soveltaa niitä erityisesti signaalinkäsittelyn sovellutuksissa. Täydentävillä kursseilla sivuaineen painotusta voidaan suunnata joko teoreettisempaan tai soveltavampaan suuntaan. Learning and intelligent methods refer to the methods which can be used to carry out tasks which require a certain kind of intelligence such as pattern recognition (classification), prediction and the analysis of various signals. Such properties are needed for example in the machines and devices which function independently or in the analysis of 'big data'. Neurocomputing and fuzzy logic are two known examples of learning and intelligent methods. One central use area of learning and intelligent methods is signal processing and its applications. The minor subject of learning and intelligent systems gives the student basic information about learning and intelligent methods and an ability to apply them especially in signal processing applications. The complementary courses can be used to direct the minor module in either more theoretical or more applied direction.
Only intended as a minor