Opintojakso

Kurssin suoritettuaan opiskelija tuntee ja hallitsee hahmontunnistuksen ja koneoppimisen perusmenetelmät ja osaa soveltaa niitä käytännön tehtäviin. Lisäksi hän pystyy kehittämään sovelluksia alan tutkimuskirjallisuutta apuna käyttäen

Kurssi antaa johdatuksen modernin hahmontunnistuksen ja koneoppimisen menetelmiin. Kurssilla käsitellään valikoituja aiheita Bayesin luokittelijoista, lineaarisesta luokittelusta, epälineaarisesta luokittelusta, lähimmän naapurin menetelmästä, tiheyden estimoinnista, k-means ryhmittelyalgoritmeista, aikasarja ennustamisesta, moniulotteisuuden vähentämisestä, keinotekoisista hermoverkoista, sumeista hahmontunnistusmenetelmistä, luokittelu- ja ryhmittelytulosten arvioinnista.

Luentoja 30 h, harjoituksia 14 h ja loppukuulustelu

Luokkaopetus videoyhteydellä Joensuun kampukselle                       

Konstantinos Koutroumbas and Sergios Theodoridis: Pattern Recognition, Elsevier Academic Press, 2^nd ed. (selected chapters); Duda, Hart & Stork: Pattern Classification 2^nd ed., Wiley 2000; Christopher Bishop: Pattern Recognition and Machine Learning, Springer, 2006; Aaron Courville, Ian Goodfellow & Yoshua Bengio: Deep Learning, MIT Press 2016; lecture slides and notes; selected papers from journals and conference proceedings.

Kuulustelu (80%) ja tehtävät / tietokoneharjoitukset (20%). Arvostelu 0-5

Ei vaadittuja esitietoja mutta hyvät ohjelmointitaidot sekä matemaattisten perustyökalujen (etenkin lineaarialgebra) hallinta ovat avuksi.

Kevätlukukausi

Opintojakso on tarkoitettu:

• Tietojenkäsittelytieteen maisteripuolen tutkinto-opiskelijoille
• Jatkuville oppijoille, joilla on tietojenkäsittelytieteen perus- ja aineopinnot suoritettuna
• Tietojenkäsittelytieteen kansainvälisissä maisteriohjelmissa oleville.
• Tietojenkäsittelytieteen vaihto-opiskelijoille

Opintojakson suoritetaan englanniksi