Esitietoja? Kognitiivinen mallintaminen I. "Mallit" tieteessä. Kognitiivinen mallintaminen. Kognitiivinen mallintaminen I, kevät /18/08
|
|
- Anja Myllymäki
- 8 vuotta sitten
- Katselukertoja:
Transkriptio
1 Esitietoja? Kognitiivinen mallintaminen I Logiikka filosofia, matematiikka, muu Matematiikka lineaarialgebra, diskreetti matematiikka Tietojenkäsittelytiede laskennan teoria, tekoäly Muuta? Kognitiivinen mallintaminen "Mallit" tieteessä Mallintaminen tieteellisenä metodina Kognitiotieteen mallinnusparadigmat konnektionistinen symbolinen dynaaminen Tekoäly, tekoälyn historiaa metamatemaattinen malli analogiamalli matemaattinen malli malliorganismi pienoismalli malliesimerkki (prototyyppi) simulaatiomalli Saara Huhmarniemi 1
2 Kuvaileva ja selittävä malli Kuvaileva malli on kohteensa idealisaatio Anatominen malli aivoista perustuu aivojen tunnettuihin ominaisuuksiin Skaalautuva malli aurinkokunnasta perustuu tunnettuihin planeettojen kokoihin, kiertoratoihin ja nopeuksiin. Selittävää mallia käytetään tilanteissa, joissa kohdetta ei voi suoraan havainnoida. Kaasun molekyylimalli perustuu idealisaatioihin ja yleistyksiin molekyylien ei-havaittavista ominaisuuksista: painosta, muodosta ja nopeudesta. Abstraktio ja idealisaatio Abstraktion ja idealisaation avulla mallista tulee käytännöllinen ja siinä esiintyvät säännönmukaisuudet tulevat esiin. Abstraktio: kohteen ominaisuuksien huomiotta jättäminen Idealisaatio: ominaisuuksien yksinkertaistaminen ja "siistiminen" Selittävä malli näkemys Malli ja teoria havainnot Selittävä malli auttaa luomaan hypoteeseja prosesseista ja rakenteista jotka eivät ole suoraan havaittavissa. Näillä hypoteeseilla voidaan selittää havaittavia ilmiöitä. Malli perustuu usein analogiaan jo olemassa olevasta kohteesta. Samasta kohteesta voidaan tehdä erilaisia malleja käyttötarkoituksen mukaan. Mallit muuttuvat uusien havaintojen ja teorioiden myötä. taustateoria matemaattinen rakenne malli ilmiö Saara Huhmarniemi 2
3 Mallien käyttö Tilojen ja prosessien analyysi Representaatiot mahdollisista kohteen ominaisuuksista Malleilla tehdyt kokeet tiedon lähteenä Parhaimmillaan malli "ennustaa" mallinnettavan systeemin ominaisuuksia. Millaiset ihmisen kognition ominaisuudet mielestäsi soveltuvat mallintamiseen? Millaista tietoa kognitiivisen mallin avulla voidaan saavuttaa? Mitä kognitiotiede tutkii? Mitä kognitiotiede tutkii? tiedostamaton päättely induktio havaitseminen oppiminen havaitseminen oppiminen TIETO mielikuvat nativismi & empirismi TIETO uskomuksen muodostaminen ajattelu muisti ajattelu muisti kieli ongelmanratkaisu. päättely, päätöksenteko käsitteet kieli sääntöjärjestelmät & säännön seuraaminen Saara Huhmarniemi 3
4 Tieto Tieto on koodattu representaatiohin Tiedon käsitettä ei käytetä samoin kuin vaikkapa (arki)psykologiassa tai filosofiassa tosi ja perusteltu uskomus Propositionaaliset asenteet a uskoo että P Tieto Representaatioihin koodattu (semanttinen) informaatio a:n kognitiivinen systeemi X sisältää tiedon siitä että P. To Know vs. To Cognize: Kogniseeraaminen on kognitiotieteen näkökulma tietämiseen subsystem X cognizes that P. Representaatiot Cognition Ympäristön muuttujat representaatiot sisältävät informaatiota organismin ympäristöstä Abstraktit tieto-objektit representaatiot ovat tietoedustuksia, ne edustavat lukuja, propositioita jne. tiedonkäsittelyoperaatiot on määritelty näiden tieto-objektien avulla representation information computation Competence to acquire, store and process information, and use it to to guide behavior in a complex environment Saara Huhmarniemi 4
5 Kognitiotieteen mallinnusparadigmat symbolinen mallintaminen: perustuu semanttisten objektien (symbolien) algoritmiseen manipulaatioon konnektionistinen/neuraalinen mallintaminen: perustuu yksinkertaisten, hermosolun kaltaisten laskennallisten yksikköjen muodostamiin verkkoihin dynaaminen.. Cognitive modeling symbolic computation [logic] Universal Turing machine VonNeumann architecture Syntactic structures Symbol systems, information processing languages dynamical systems neural computation [neuroscience] Boolean networks & logical neurons Hebbian plasticity Perceptron Cybernetics: information, feedback & control [physics, geometry] Macroscopic fluid physics, chaos Ecology & population genetics Cellular physiology & morphogenesis Cellular automata, self-organization, genetic algorithms, A-life & robotics Cognitive science & neuroscience? How much of the physical realization do you need to take into account? Tekoäly None cognition viewed as abstract, disembodied multiple realization, lower level mere implementation no relevant generalizations Basic organizational principles how a neural (parallel & distributed) system represents and processes information not biological (e.g. metabolic) constraints Key parameters the variables whose evolution in time the dynamic of the system determines these need not all be in the head Kognitiivinen mallinnusparadigma syntyi tekoälyn kehittymisen myötä. Mitä tekoäly on? Toimia kuten ihminen Ajatella kuten ihminen Ajatella rationaalisesti Toimia rationaalisesti Saara Huhmarniemi 5
6 Tekoäly Toimia kuten ihminen Turingin testi (Alan Turing: Computing Machinery and Intelligence 1950) Testin läpäistäkseen koneen tulisi hallita seuraavat osa-alueet: Kielen prosessointi Tiedon esittäminen representaatioina Automaattinen looginen päättely Koneoppiminen Testiä voidaan laajentaa uusilla osa-alueilla: Konenäkö Robotiikka Tekoäly "Ajatella" kuten ihminen Kognitiivinen mallintaminen Tekoäly "Ajatella" rationaalisesti Rationaalinen ajattelu perustuu loogiseen päättelyyn, "laws of thought" luvulla loogikot loivat formaalin (symbolisen) logiikan notaation, johon mikä tahansa tieto voitaisiin koodata. (Boole, Frege, Tarski,..) 1960-luvulle tultaessa oli olemassa ohjelmia, jotka pystyivät ratkaisemaan minkä tahansa ongelman joka oli esitetty tällä notaatiolla. Ongelmat: tiedon esittäminen formaalisti, tiedon epätäsmällisyys, käytännön laskenta Tekoäly Toimia rationaalisesti (Rationaalinen) agentti on jokin joka toimii: autonominen kontrolli ympäristön havainnointi muutokseen sopeutuminen Rationaalinen agentti saavuttaa parhaan lopputuloksen olosuhteet huomioon ottaen. Looginen päättely on vain osa rationaalista toimintaa Tehtäväspesifi vs. yleinen rationaalinen toiminta Saara Huhmarniemi 6
7 Tekoäly: perusteet Tekoäly kehittyi useiden eri tieteenalojen pohjalta Matematiikka, taloustieteet, neurotiede, psykologia, tietokonetekniikka, säätöteoria, kielitiede.. Tekoäly: matematiikka Logiikka Boolen logiikka: George Boole 1847 Symbolinen logiikka: Gottlob Frege Malliteoria: Alfred Tarski Algoritmin käsite Epätäydellisyysteoreema Kurt Gödel 1931 Turingin kone (Church-Turing teesi) Alan Turing 1936 Laskennan vaativuus, liian työläät ongelmat (intractability) Todennäköisyyslaskenta Tekoäly: taloustieteet Miten ihmiset tekevät päätöksiä jotka johtavat hyviin lopputuloksiin Utiliteetin käsite Päätösteoria Peliteoria Tekoäly: psykologia Neurotieteet... behaviorismi, kognitiivinen psykologia... Kognitiotiede: MIT:n työpaja 1956: George Miller: The Magic Number Seven Noam Chomsky: Three Models of Language Allen Newell & Herbert Simon: The Logic Theory Machine Miten tietokoneella voidaan mallintaa muistia, kieltä ja loogista päättelyä. Saara Huhmarniemi 7
8 Tekoäly: perusteita Tietokonetekniikka: tietokoneet yleistyivät nopeasti 1940-luvun jälkeen Säätöteoria, kybernetiikka Systeemit, jotka muuttavat itse toimintaansa palautteen perusteella Kielitiede Noam Chomsky 1957: Syntactic Structures Tekoälyn historiaa Ensimmäinen neuroverkko, McCulloch-Pitts - neuroni Warren McCulloch & Walter Pitts (1943) Neuronin oppimissääntö Donald Hebb (1949) Neuraalilaskentaa tekevä tietokone SNARC Marvin Minsky & Dean Edmonds 1951 Visio tekoälystä: Turingin testi, koneoppiminen, geneettiset algoritmit ja vahvistusoppiminen Alan Turing 1950 Tekoälyn historiaa: innostus Allen Newell & Herbert Simon Logic Theorist 1956 General Problem Solver (GPS) 1963 Ensimmäinen ohjelma joka esitti ongelman erillään sen ratkaisutavasta Fysikaalisen symbolisysteemin hypoteesi 1976 Lisp-kieli 1958 Mikromaailmat (Minsky) SHRDLU: Terry Winograd 1972, siirtelee palikoita tilassa luonnollisen kielen komennoilla ELIZA ym. Perseptonin oppimissääntö Frank Rosenblatt 1962 Tekoälyn historiaa: realismi Systeemit eivät skaalautuneet uusiin ongelma-alueisiin isoille aineistolle Esim. konekäännösohjelma Esim. geneettiset algoritmit eivät toimineetkaan halutulla tavalla Minsky & Papert osoittivat neuroverkkojen rajoitukset kirjassaan Perceptrons (1969) Saara Huhmarniemi 8
9 Tekoälyn historiaa: kehitys Tietämysjärjestelmät (knowledge-based systems) Siirryttiin kohti sovelluskohtaista ongelmanratkaisua Asiantuntijajärjestelmät Framet (Minsky 1975) Teollisuus otti sovellukset käyttöön (1980-) Neuraalilaskennan kehittyminen Neuraalimallinnus kehittyi 1980-luvulla Back-Propagation -algoritmi Bryson & Ho 1969 Parallel Distributed Processing (PDP) Rumelhart & McClelland 1986 Hobfieldin verkko 1982 Teuvo Kohosen SOM Tekoäly nykyään Tekoälyn sovellusaloja: Pelit Säätimet Kielen prosessointi Matemaattinen ongelmanratkaisu Robotiikka Logistiikka Miten nykyaikainen tekoäly eroaa alkuajoista? Mallintaminen: nykytilanne Yksittäiset mallit eri aihealueilta Kognitiiviset arkkitehtuurit Ennaltamääritelty joukko menetelmiä ja resursseja joihin ihmisen kognition ajatellaan yleisesti perustuvan ACT-R (John R. Anderson 1993) CAPS (Just & Carpenter 1992) EPAM (Feigenbaum & Simon 1984) EPIC (David E. Kieras and David E. Meyer 1997) Soar (Allen Newell & John Laird 1990 (Newell 1972))... Saara Huhmarniemi 9
10 Neuraalimallinnus: tausta biologiassa Tausta biologiassa Hermokudos on erikoistunut informaation kuljettamiseen ja muokkaamiseen. Ihmisen aivoissa on noin neuronia, joista jokainen on yhteydessä jopa tuhansien muiden hermosolujen kanssa. Informaation kuljetus perustuu sähköisiin ja kemiallisiin signaaleihin. Yksittäinen hermosolu ei käsittele kovinkaan paljon informaatiota. Psykologiset toiminnot perustuvat suurten hermosolumäärien toimintaan. Esimerkiksi oppimisen ajatellaan tapahtuvan rakentamalla ja muuttelemalla neuroneiden välisiä yhteyksiä. Neuraalinen mallintaminen: historia Neuraalimallinnus syntyi 1900-luvun puolivälissä, innoittajinaan psykologiassa muistin assosiaatioteoria ja biologiassa hermosolujen tutkimuksen kehittyminen Aristoteles: muisti koostuu elementeistä, jotka linkittyvät toisiinsa Brittiläiset empiristit (Berkeley, Locke, Hume): tieto on viimekädessä johdettu havainnoista ja ajattelu on havaintojen kautta saatujen kokemusten yhdistelyä. assosiationismi Aivot ovat ainoastaan assosiaatioiden tallettamiseen ja hakuun tarkoitettu koneisto. Neuraalinen mallintaminen: historia Assosiationismi, aivotutkimuksen kehitys ja edelleen matematiikan ja tietojenkäsittelytieteen kehitys mahdollistivat neuraaliverkkojen formaalin tarkastelun. Donald Hebb (1949) The Organization of Behavior esitti, että oppiminen perustuu neuronien välisten synaptisten yhteyksien muutokseen. Saara Huhmarniemi 10
11 Neuraalinen mallintaminen: historia Formaali neuroni Hebbin laki: kun yksiköt A ja B aktivoidaan yhtä aikaa, niiden välinen linkki vahvistuu Neurons that fire together, wire together" Linkkien vahvuus voidaan ilmaista numeerisesti. Ajatus neuraaliverkon oppimisalgoritmista otettiin assosiatiivisista malleista. Formaali neuroni on yhteydessä toisiin neuroneihin. Kun solu aktivoituu, se lähettää signaalin, joka kulkee linkin (aksonin) välityksellä muihin soluihin. Oppiminen: kun signaali kulkee neuronista toiseen, linkin painoarvoa kasvatetaan. Neuraalimallinnus keinotekoinen hermoverkko, neuroverkko: malli, joka kuvaa aivojen ja hermosolujen tiedonkäsittelyominaisuuksia neuraalilaskenta: laskenta, jonka perustana on hermosoluverkkoa muistuttava neuraalinen organisaatio. Keinotekoisten neuroverkkojen vahvuuksia Neuraalimallinnus soveltuu hyvin luokitteluun ja hahmontunnistukseen, tiedonhakuun, yksinkertaisten eliöiden mallinnukseen,.. Neuroverkot pystyvät erottelemaan kohinaisesta eli häiriöisestä aineistosta olennaisia piirteitä. Keinotekoiset neuroverkot ovat oppivia järjestelmiä. ohjattu oppiminen ohjaamaton oppiminen Saara Huhmarniemi 11
12 Neuraalinen mallintaminen Neuraalinen mallintaminen Nykytutkimuksessa neuroverkon yhteys biologisten hermosolujen toimintaan lähes kadonnut. Neuraalimallinnusta käytetään mm. tekoälytutkimuksessa ja robotiikassa mutta myös taloustieteessä, kielitieteessä ja fysiikassa jne. Esimerkiksi näillä sovellusaloilla tarkoituksena ei ole mallintaa biologisen organismin kognitiivisia ominaisuuksia. Neuraalimallinnusta pidetään kuitenkin vaihtoehtona symboliselle mallintamiselle kognitiivisten prosessien kuvaustapana. Toinen vaihtoehto on pitää neuraalimallinnusta symbolisten prosessien toteutustasona (implementation level). symbolinen / analoginen symbolinen/konnektionistinen Top Down / Bottom up Tiedon erilainen esitystapa Läpinäkyvyys: neuraaliverkkoon koodattu tieto ei ole saatavilla verkon ulkopuolelta Saara Huhmarniemi 12
13 sarjallinen / rinnakkainen Hermosoluverkot prosessoivat tietoa rinnakkaisesti, mikä tarkoittaa että toiminto suoritetaan osissa, yhtäaikaisesti eri puolilla verkkoa sarjallisessa prosessoinnissa tehtävä jaetaan osiin, jotka prosessoidaan peräkkäin. Kognitio komputaationa Kognitiivinen prosessi voidaan esittää laskennallisesti. Onko tämä totta? Esimerkiksi päättely on kognitiivinen prosessi, joka voidaan esittää loogisen funktion evaluaationa. Kognitio = komputationaalinen informaationprosessointi, "tiedon käsittely" Ajattelu = kognitiota = komputaatiota? Formal systems Computational hypothesis or physical symbol system hypothesis considers the mind/brain as a formal system. Mitä tarkoitetaan formaalilla systeemillä? Entä mitä tarkoittaa laskettava ongelma? Miten formaaleja menetelmiä voidaan käyttää kognitiotieteessä? Saara Huhmarniemi 13
14 Formaali ongelma Ongelmalla on potentiaalisesti ääretön joukko syötteitä. (tapauksia) Ongelman ratkaisu on algoritmi, joka liittää jokaiseen syötteeseen sen oikean vastauksen. Syötteiden ja vastausten on oltava äärellisesti esitettäviä. Formal systems Knowledge can be formalized; semantic distinctions ( information ) can be coded into formal structure of expressions rules for determining well formed expressions ( grammar ) Descartes, Leibniz, Boole, Hilbert, Frege, Turing Formal systems Intelligence can be formalized; rules for transforming representations into other representations ( rules of inference ) some rules are rational or semantically coherent (e.g. truth preserving), others are not: these constitute a system of inference rules of inference can be finitely characterized, and automated (carried out by a mechanical system): algorithmic vs. mental calculation Formal system hypothesis: mental calculation is algorithmic Formal systems It is an empirical question what properties of the mind/brain (if any) qualify as a computational system It is an empirical question which of our thoughts, memories, beliefs etc. are explicitly represented (if any) Descartes, Leibniz, Boole, Hilbert, Frege, Turing Saara Huhmarniemi 14
15 Formal systems Mallinnuksen kohteena oleva "ajattelu" esitetään formaalisti. Mallinnettavan kohteen ympäristö, syötteet ja tulosteet esitetään formaalisti. Saara Huhmarniemi 15
"Mallit" tieteessä Kuvaileva ja selittävä malli
Kognitiivinen mallintaminen Kognitiivinen mallintaminen I http://www.helsinki.fi/~huhmarni/cog241/ Johdanto Mallintaminen tieteellisenä metodina Kognitiotieteen mallinnusparadigmat konnektionistinen symbolinen
LisätiedotKognitiivinen mallintaminen 1
Kognitiivinen mallintaminen 1 syksy 2009, 1 ja 2 periodi luennot ti:13-15 Tero Hakala ( tero@haka.la) Lisäksi vierailijoita (Otto Lappi, Esko Lehtonen, ehkä muitakin) laskarit ti:15-17 Henri Kauhanen (henri.kauhanen@helsinki.fi)
LisätiedotTuotteen oppiminen. Käytettävyyden psykologia syksy 2004. T-121.200 syksy 2004
Tuotteen oppiminen Käytettävyyden psykologia syksy 2004 Oppiminen Havainto Kognitiiviset muutokset yksilössä Oppiminen on uuden tiedon omaksumista, joka perustuu havaintoon Ärsyke Behavioristinen malli
LisätiedotKOHTI TIETOISIA ROBOTTEJA
SESKOn kevätseminaari 2017 KOHTI TIETOISIA ROBOTTEJA Dr. Pentti O A Haikonen Adjunct Professor Department of Philosophy University of Illinois at Springfield pentti.haikonen@pp.inet.fi ESITYKSEN PÄÄAIHEET
LisätiedotKognitiivinen mallintaminen Neuraalimallinnus, luento 1
Kognitiivinen mallintaminen Neuraalimallinnus, luento 1 Nelli Salminen nelli.salminen@helsinki.fi D433 Neuraalimallinnuksen osuus neljä luentokertaa, muutokset alla olevaan suunnitelmaan todennäköisiä
LisätiedotSähkö- ja tietoliikennetekniikan osasto Korvaavuusluettelo S-114 Laskennallinen tekniikka
Sähkö- ja tietoliikennetekniikan osasto Korvaavuusluettelo S-114 tekniikka Uusin kurssi Edellinen kurssi Edellinen kurssi Edellinen kurssi S-114.1100 tiede 5 S-114.1310 Mallintamisen ja informaatioteorian
LisätiedotJOHDATUS TEKOÄLYYN TEEMU ROOS
JOHDATUS TEKOÄLYYN TEEMU ROOS KURSSIN PERUSTIEDOT VALINNAINEN AINEOPINTOTASOINEN KURSSI, 4 OP PERIODI 1: 6.9.2012-12.10.2012 (6 VIIKKOA) LUENNOT (B123, LINUS TORVALDS -AUDITORIO): TO 10-12, PE 12-14 LASKUHARJOITUKSET
LisätiedotTEKOÄLY JA TIETOISET KONEET
ITU:n Kansainvälinen Telepäivä 17.5.2018 TEKOÄLY JA TIETOISET KONEET Pentti O A Haikonen, TkT JOHTAAKO TEKOÄLY KONETIETOISUUDEN SYNTYYN? TULEEKO INTERNET TIETOISEKSI? ALUSSA OLI ENIAC SÄHKÖAIVOT Ensimmäiset
LisätiedotOngelma(t): Voiko älykkyyden määritellä ja voiko sitä mitata, myös objektiivisesti? Onko älykkyyttä ilman (näkyvää) toimintaa? Voiko kone olla älykäs
Ongelma(t): Voiko älykkyyden määritellä ja voiko sitä mitata, myös objektiivisesti? Onko älykkyyttä ilman (näkyvää) toimintaa? Voiko kone olla älykäs ja jos voi, niin tulisiko sellainen rakentaa? 2012-2013
LisätiedotComputing Curricula 2001 -raportin vertailu kolmeen suomalaiseen koulutusohjelmaan
Computing Curricula 2001 -raportin vertailu kolmeen suomalaiseen koulutusohjelmaan CC1991:n ja CC2001:n vertailu Tutkintovaatimukset (degree requirements) Kahden ensimmäisen vuoden opinnot Ohjelmistotekniikan
LisätiedotSymbolinen mallintaminen: tausta. Kognitiivinen mallintaminen I. Symbolisysteemin hypoteesi. Symbolisysteemin hypoteesi
Symbolinen mallintaminen: tausta Kognitiivinen mallintaminen I Symbolinen mallintaminen 1 Tausta Symbolisysteemin hypoteesi von Neumannin arkkitehtuuri LOT Esimerkki kognitiivisesta mallista: produktiosysteemit
LisätiedotJOHDATUS TEKOÄLYYN TEEMU ROOS
JOHDATUS TEKOÄLYYN TEEMU ROOS NEUROVERKOT TURINGIN KONE (TAI TAVALLINEN OHJELMOINTI) VAIN YKSI LASKENNAN MALLI ELÄINTEN HERMOSTOSSA LASKENTA ERILAISTA: - RINNAKKAISUUS - STOKASTISUUS (SATUNNAISUUS) - MASSIIVINEN
LisätiedotJOHDATUS TEKOÄLYYN TEEMU ROOS
JOHDATUS TEKOÄLYYN TEEMU ROOS NEUROVERKOT TURINGIN KONE (TAI TAVALLINEN OHJELMOINTI) VAIN YKSI LASKENNAN MALLI ELÄINTEN HERMOSTOSSA LASKENTA ERILAISTA: - RINNAKKAISUUS - STOKASTISUUS (SATUNNAISUUS) - MASSIIVINEN
LisätiedotItseorganisoituvat hermoverkot: Viitekehys mielen ja kielen, aivokuoren ja käsitteiden tarkasteluun
Itseorganisoituvat hermoverkot: Viitekehys mielen ja kielen, aivokuoren ja käsitteiden tarkasteluun Timo Honkela Kognitiivisten järjestelmien tutkimusryhmä Adaptiivisen informatiikan tutkimuskeskus Tietojenkäsittelytieteen
LisätiedotJOHDATUS TEKOÄLYYN TEEMU ROOS
JOHDATUS TEKOÄLYYN TEEMU ROOS NEUROVERKOT TURINGIN KONE (TAI TAVALLINEN OHJELMOINTI) VAIN YKSI LASKENNAN MALLI ELÄINTEN HERMOSTOSSA LASKENTA ERILAISTA: - RINNAKKAISUUS - STOKASTISUUS (SATUNNAISUUS) - MASSIIVINEN
LisätiedotE. Oja ja H. Mannila Datasta Tietoon: Luku 2
2. DATASTA TIETOON: MITÄ DATAA; MITÄ TIETOA? 2.1. Data-analyysin ongelma Tulevien vuosien valtava haaste on digitaalisessa muodossa talletetun datan kasvava määrä Arvioita: Yhdysvaltojen kongressin kirjasto
LisätiedotKognitiivinen mallintaminen I
Kognitiivinen mallintaminen I Symbolinen mallintaminen: 2. luento Ongelmanratkaisu Ongelmanratkaisu Rationaalinen agentti Ongelma-avaruus Hakustrategiat ongelma-avaruudessa sokea haku tietoinen haku heuristiikat
LisätiedotNäköjärjestelmän mallintamisesta
Näköjärjestelmän mallintamisesta Cog241 Kognitiivinen mallintaminen I 16.11.2010 Henri Kauhanen Muistutus: mallinnusparadigmat Symbolinen, konnektionistinen, dynamistinen Marrin (1982) tasot yksi keino
LisätiedotJOHDATUS TEKOÄLYYN TEEMU ROOS
JOHDATUS TEKOÄLYYN TEEMU ROOS KURSSIN PERUSTIEDOT VALINNAINEN AINEOPINTOTASOINEN KURSSI, 5 OP PERIODI 3: 16.1.2017-3.3.2016 (7 VIIKKOA+KOE) LUENNOT (CK112): MA 14-16, TI 14-16 LASKUHARJOITUKSET: RYHMÄ
LisätiedotKognitiivinen mallintaminen 1. Kognitiiviset arkkitehtuurit ACT-R
Kognitiivinen mallintaminen 1 Kognitiiviset arkkitehtuurit ACT-R Kognitiiviset arkkitehtuurit Mielen(tai jonkin älykkään toimijan) mahdollisimman yleisiä piirteitä ja rakenteellista organisaatiota kuvaava
LisätiedotMaster's Programme in Life Science Technologies (LifeTech) Prof. Juho Rousu Director of the Life Science Technologies programme 3.1.
Master's Programme in Life Science Technologies (LifeTech) Prof. Juho Rousu Director of the Life Science Technologies programme 3.1.2017 Life Science Technologies Where Life Sciences meet with Technology
LisätiedotKieli merkitys ja logiikka
Luento 8 Kieli merkitys ja logiikka Luento 8: Merkitys ja logiikka Luku 10: Luennon 7 kertaus: propositiologiikka predikaattilogiikka Kvanttorit ja looginen muoto Määritelmät, analyyttisyys ja synteettisyys
LisätiedotTietojenkäsittelytieteen pääaine Pääaineinfo ke
Tietojenkäsittelytieteen pääaine Pääaineinfo ke Pekka Orponen Tietojenkäsittelytieteen laitos Aalto-yliopisto http://ics.aalto.fi/ Tietojenkäsittelytiede Kehitetään systemaattisia ja tehokkaita malleja
LisätiedotMatematiikan olemus Juha Oikkonen juha.oikkonen@helsinki.fi
Matematiikan olemus Juha Oikkonen juha.oikkonen@helsinki.fi 1 Eri näkökulmia A Matematiikka välineenä B Matematiikka formaalina järjestelmänä C Matematiikka kulttuurina Matemaattinen ajattelu ja matematiikan
LisätiedotJOHDATUS TEKOÄLYYN TEEMU ROOS
JOHDATUS TEKOÄLYYN TEEMU ROOS KURSSIN PERUSTIEDOT VALINNAINEN AINEOPINTOTASOINEN KURSSI, 5 OP PERIODI 3: 18.1.2016-6.3.2016 (7 VIIKKOA+KOE) LUENNOT (CK112): MA 14-16, TI 14-16 LASKUHARJOITUKSET: RYHMÄ
LisätiedotJOHDATUS TEKOÄLYYN TEEMU ROOS
JOHDATUS TEKOÄLYYN TEEMU ROOS KURSSIN PERUSTIEDOT VALINNAINEN AINEOPINTOTASOINEN KURSSI, 5 OP PERIODI 1: 4.9.2014-17.10.2012 (7 VIIKKOA+KOE) LUENNOT (B123, LINUS TORVALDS -AUDITORIO): TO 10-12, PE 12-14
LisätiedotNeuroverkkojen soveltaminen vakuutusdatojen luokitteluun
Neuroverkkojen soveltaminen vakuutusdatojen luokitteluun Sami Hokuni 12 Syyskuuta, 2012 1/ 54 Sami Hokuni Neuroverkkojen soveltaminen vakuutusdatojen luokitteluun Turun Yliopisto. Gradu tehty 2012 kevään
LisätiedotOngelma(t): Miten digitaalista tietoa voidaan toisintaa ja visualisoida? Miten monimutkaista tietoa voidaan toisintaa ja visualisoida?
Ongelma(t): Miten digitaalista tietoa voidaan toisintaa ja visualisoida? Miten monimutkaista tietoa voidaan toisintaa ja visualisoida? 2 Tieto on koodattu aikaisempaa yleisemmin digitaaliseen muotoon,
Lisätiedot4.2.2003 Raino Vastamäki 1
4.2.2003 Raino Vastamäki 1 Ihminen käyttäjänä 4.2.2003 Raino Vastamäki 2 Esimerkki 1. 4.2.2003 Raino Vastamäki 3 Ihminen on... biologinen olento psykologinen olento kulttuuriolento sosiaalinen olento yhteiskunnallinen
LisätiedotKoulutuksen digitalisaatio Tulevaisuutta kohti
Koulutuksen digitalisaatio Tulevaisuutta kohti Omnia 26.9.2014 P a s i S i l a n d e r Kuva:Finavia Korkeakoulut - Yliopistot - AMKit Sähköiset ylioppilaskirjoitukset Uudet OPSit Tietoyhteiskuntataidot
LisätiedotJohdatus tekoälyn taustalla olevaan matematiikkaan
Johdatus tekoälyn taustalla olevaan matematiikkaan Informaatioteknologian tiedekunta Jyväskylän yliopisto 3.11.2017 Mitä tekoäly on? Wikipedia: Tekoäly on tietokone tai tietokoneohjelma, joka kykenee älykkäiksi
LisätiedotSONKAJÄRVEN LUKIO LUKUVUOSI 2015-2016 OPPIKIRJAT. Kurssi Kirjan nimi Kust. ISBN
SONKAJÄRVEN LUKIO LUKUVUOSI 2015-2016 OPPIKIRJAT Kurssi Kirjan nimi Kust. ISBN ÄIDINKIELI Kurssit 1-10 Särmä: Suomen kieli ja kirj. Kielenhuolto O 978-951-1265863 Kurssit 1-10 Särmä: Suomen kieli ja kirjallisuus,
LisätiedotTekoäly tänään , Vadim Kulikov (Helsingin Yliopisto)
Tekoäly tänään 6.6.2017, Vadim Kulikov (Helsingin Yliopisto) Lyhyesti: kehitys kognitiotieteessä Representationalismi, Kognitio on symbolien manipulointia. Symbolinen tekoäly. Sääntöpohjaiset järjestelmät
LisätiedotRajoittamattomat kieliopit (Unrestricted Grammars)
Rajoittamattomat kieliopit (Unrestricted Grammars) Laura Pesola Laskennanteorian opintopiiri 13.2.2013 Formaalit kieliopit Sisältävät aina Säännöt (esim. A -> B C abc) Muuttujat (A, B, C, S) Aloitussymboli
LisätiedotLouhi-projektin kokemukset oppina. Tekoälyä hoitohenkilökunnalle
Louhi-projektin kokemukset oppina Tekoälyä hoitohenkilökunnalle DI Antti Airola IT-laitos FM Veronika Laippala IT-laitos ja Ranskan kieli Sh Riitta Danielsson-Ojala TYKS Tieteidenvälisyyden esteet ja karikot
Lisätiedot1. HYVIN PERUSTELTU 2. TOSI 3. USKOMUS
Tietoteoria klassinen tiedonmääritelmä tietoa on 1. HYVIN PERUSTELTU 2. TOSI 3. USKOMUS esim. väitteeni Ulkona sataa on tietoa joss: 1. Minulla on perusteluja sille (Olen katsonut ulos) 2. Se on tosi (Ulkona
LisätiedotUusi Ajatus Löytyy Luonnosta 4 (käsikirja) (Finnish Edition)
Uusi Ajatus Löytyy Luonnosta 4 (käsikirja) (Finnish Edition) Esko Jalkanen Click here if your download doesn"t start automatically Uusi Ajatus Löytyy Luonnosta 4 (käsikirja) (Finnish Edition) Esko Jalkanen
LisätiedotTarvitseeko informaatioteknologia matematiikkaa?
Tarvitseeko informaatioteknologia matematiikkaa? Oulun yliopisto Matemaattisten tieteiden laitos 1 Kyllä kai IT matematiikkaa tarvitsee!? IT ja muu korkea teknologia on nimenomaan matemaattista teknologiaa.
LisätiedotOhjelmistoarkkitehtuurit Kevät 2016 Johdantoa
Ohjelmistoarkkitehtuurit Kevät 2016 Johdantoa Samuel Lahtinen http://www.cs.tut.fi/~ohar/ 8.1.2014 1 1 Johdanto 1.1 Mikä on ohjelmistoarkkitehtuuri? 1.2 Ohjelmistoarkkitehtuuri ja laatuvaatimukset 1.3
LisätiedotOn instrument costs in decentralized macroeconomic decision making (Helsingin Kauppakorkeakoulun julkaisuja ; D-31)
On instrument costs in decentralized macroeconomic decision making (Helsingin Kauppakorkeakoulun julkaisuja ; D-31) Juha Kahkonen Click here if your download doesn"t start automatically On instrument costs
LisätiedotKieli merkitys ja logiikka. 4: Luovuus, assosiationismi. Luovuus ja assosiationismi. Kielen luovuus. Descartes ja dualismi
Luovuus ja assosiationismi Kieli merkitys ja logiikka 4: Luovuus, assosiationismi Käsittelemme ensin assosiationismin kokonaan, sen jälkeen siirrymme kombinatoriseen luovuuteen ja konstituenttimalleihin
LisätiedotKognitiivinen mallintaminen. Nelli Salminen
Kognitiivinen mallintaminen Neuraalimallinnus 24.11. Nelli Salminen nelli.salminen@tkk.fi Tällä kerralla ohjelmassa vielä perseptronista ja backpropagationista kilpaileva oppiminen, Kohosen verkko oppimissääntöjen
LisätiedotFysiikan ja kemian perusteet ja pedagogiikka Kari Sormunen Kevät 2014
Fysiikan ja kemian perusteet ja pedagogiikka Kari Sormunen Kevät 2014 Hestenes (1992): The great game of science is modelling the real world, and each scientific theory lays down a system of rules for
LisätiedotEnterprise Architecture TJTSE Yrityksen kokonaisarkkitehtuuri
Enterprise Architecture TJTSE25 2009 Yrityksen kokonaisarkkitehtuuri Jukka (Jups) Heikkilä Professor, IS (ebusiness) Faculty of Information Technology University of Jyväskylä e-mail: jups@cc.jyu.fi tel:
LisätiedotVertaispalaute. Vertaispalaute, /9
Vertaispalaute Vertaispalaute, 18.3.2014 1/9 Mistä on kyse? opiskelijat antavat palautetta toistensa töistä palaute ei vaikuta arvosanaan (palautteen antaminen voi vaikuttaa) opiskelija on työskennellyt
LisätiedotJohdatus tekoälyyn. Luento 6.10.2011: Koneoppiminen. Patrik Hoyer. [ Kysykää ja kommentoikaa luennon aikana! ]
Johdatus tekoälyyn Luento 6.10.2011: Koneoppiminen Patrik Hoyer [ Kysykää ja kommentoikaa luennon aikana! ] Koneoppiminen? Määritelmä: kone = tietokone, tietokoneohjelma oppiminen = ongelmanratkaisukyvyn
LisätiedotKognitiivinen mallintaminen neuroverkoilla
Mieli ja aivot II Kognitiivinen mallintaminen neuroverkoilla Krista Lagus ja Timo Honkela Teknillinen korkeakoulu Adaptiivisen informatiikan tutkimusyksikkö Versio 0.4b 23.4.2006 1. Johdanto 1.1. Kognitiivinen
Lisätiedot8003051 Puheenkäsittelyn menetelmät
8003051 Puheenkäsittelyn menetelmät Luento 7.10.2004 Puhesynteesi Sisältö 1. Sovelluskohteita 2. Puheen ja puhesyntetisaattorin laatu 3. Puhesynteesin toteuttaminen TTS-syntetisaattorin komponentit Kolme
LisätiedotNetwork to Get Work. Tehtäviä opiskelijoille Assignments for students. www.laurea.fi
Network to Get Work Tehtäviä opiskelijoille Assignments for students www.laurea.fi Ohje henkilöstölle Instructions for Staff Seuraavassa on esitetty joukko tehtäviä, joista voit valita opiskelijaryhmällesi
LisätiedotKauppilantie 1 61600 Jalasjärvi UUSI KIRJA / "UUDEHKO" KIRJA, KATSO TARKASTI PAINOS YMS. TIEDOT Puh. 4580 460, 4580 461 OPPIKIRJAT LUKUVUONNA 2012-13
JALASJÄRVEN LUKIO 1.-3. VUOSIKURSSI Kauppilantie 1 61600 Jalasjärvi UUSI KIRJA / "UUDEHKO" KIRJA, KATSO TARKASTI PAINOS YMS. TIEDOT Puh. 4580 460, 4580 461 OPPIKIRJAT LUKUVUONNA 2012-13 Oppikirja ISBN
LisätiedotGap-filling methods for CH 4 data
Gap-filling methods for CH 4 data Sigrid Dengel University of Helsinki Outline - Ecosystems known for CH 4 emissions; - Why is gap-filling of CH 4 data not as easy and straight forward as CO 2 ; - Gap-filling
LisätiedotTällä kerralla ohjelmassa. Kognitiivinen mallintaminen Neuraalimallinnus Kertausta: Perseptronin oppimissääntö
Tällä kerralla ohjelmassa Kognitiivinen mallintaminen Neuraalimallinnus 19.2. Nelli Salminen nelli.salminen@helsinki.fi D433 vielä perseptronista ja backpropagationista kilpaileva oppiminen, Kohosen verkko
LisätiedotOHJ-2550 TEKOÄLY Kevät 2007
1 OHJ-2550 TEKOÄLY Kevät 2007 2 Yleistä 6 opintopistettä Jatko-opintokelpoinen? Tarkistettava! Luennot, saattavat loppua ennen periodin V päätöstä Viikkoharjoitukset Harjoitustyöt: 3 kpl Sisältöön mahdollista
LisätiedotTilastotiede ottaa aivoon
Tilastotiede ottaa aivoon kuinka aivoja voidaan mallintaa todennäköisyyslaskennalla, ja mitä yllättävää hyötyä siitä voi olla Aapo Hyvärinen Laskennallisen data-analyysin professori Matematiikan ja tilastotieteen
LisätiedotTilastotiede ottaa aivoon
Tilastotiede ottaa aivoon kuinka aivoja voidaan mallintaa todennäköisyyslaskennalla, ja mitä yllättävää hyötyä siitä voi olla Aapo Hyvärinen Laskennallisen data-analyysin professori Matematiikan ja tilastotieteen
LisätiedotKukin kurssi voi sisältyä vain yhteen alemman tai ylemmän perustutkinnon moduuliin.
1.1 Teknillisen fysiikan ja matematiikan tutkinto ohjelman tarjoamat, vain sivuaineena suoritettavat moduulit kaikille tutkinto ohjelmille Sivuaineen muodostaminen Sivuaine sisältää jonkin pääaineen perusmoduulin
Lisätiedot1 AIKUISLUKION KIRJALUETTELOT
1 AIKUISLUKION KIRJALUETTELOT 1.1 Lukio lv. 2015 2016 Sähköinen oppikirja Osa oppikirjoista on saatavana myös digitaalisessa muodossa eli sähköisenä oppikirjana. Lisätietoja saa kustantajien www-sivuilta.
Lisätiedot7. Product-line architectures
7. Product-line architectures 7.1 Introduction 7.2 Product-line basics 7.3 Layered style for product-lines 7.4 Variability management 7.5 Benefits and problems with product-lines 1 Short history of software
LisätiedotTänään ohjelmassa. Kognitiivinen mallintaminen Neuraalimallinnus laskarit. Ensi kerralla (11.3.)
Tänään ohjelmassa Kognitiivinen mallintaminen Neuraalimallinnus 26.2. Nelli Salminen nelli.salminen@helsinki.fi D433 autoassosiaatio, attraktorin käsite esimerkkitapaus: kolme eri tapaa mallintaa kategorista
LisätiedotOpetussuunnitelmasta oppimisprosessiin
Opetussuunnitelmasta oppimisprosessiin Johdanto Opetussuunnitelman avaamiseen antavat hyviä, perusteltuja ja selkeitä ohjeita Pasi Silander ja Hanne Koli teoksessaan Verkko-opetuksen työkalupakki oppimisaihioista
LisätiedotKieli merkitys ja logiikka. 2: Helpot ja monimutkaiset. Luento 2. Monimutkaiset ongelmat. Monimutkaiset ongelmat
Luento 2. Kieli merkitys ja logiikka 2: Helpot ja monimutkaiset Helpot ja monimutkaiset ongelmat Tehtävä: etsi säkillinen rahaa talosta, jossa on monta huonetta. Ratkaisu: täydellinen haku käy huoneet
LisätiedotT DATASTA TIETOON
TKK / Informaatiotekniikan laboratorio Syyslukukausi, periodi II, 2007 Erkki Oja, professori, ja Heikki Mannila, akatemiaprofessori: T-61.2010 DATASTA TIETOON TKK, Informaatiotekniikan laboratorio 1 JOHDANTO:
LisätiedotFYSIIKKA. Tapio Rantala Fysiikka Tampereen teknillinen yliopisto Mensa
FILOSOFIAA? ARKIPÄIVÄÄ? FYSIIKKA TEKNIIKKAA? TIEDETTÄ? 1 Tapio Rantala Fysiikka Tampereen teknillinen yliopisto http://www.tut.fi/~trantala SISÄLTÖ FILOSOFIAA VAI ARKIPÄIVÄÄ TEKNIIKKAA VAI TIEDETTÄ INNOVAATIO
LisätiedotKognitiiviset arkkitehtuurit ja symbolinen mallinnus
Kognitiiviset arkkitehtuurit ja symbolinen mallinnus Luento Cog241 kurssille Lassi A. Liikkanen Kognitiotiede, HY Luennon sisältö 1. Arkkitehtuurien idea 2. Demo 3. Sovelluksia 4. Arviointia Symbolisen
LisätiedotKauppilantie 1 61600 Jalasjärvi UUSI KIRJA / "UUDEHKO" KIRJA, KATSO TARKASTI ISBN-NUMERO,
JALASJÄRVEN LUKIO 1.-3. VUOSIKURSSI Kauppilantie 1 61600 Jalasjärvi UUSI KIRJA / "UUDEHKO" KIRJA, KATSO TARKASTI ISBN-NUMERO, Puh. 4580 460, 4580 461 PAINOS YMS. LISÄTIEDOT Kirjoja on mahdollisuus kierrättää,
LisätiedotKiteen lukio suorittelee, että opiskelija hankkii lukioajaksi käyttöönsä joko tabletin tai kannettavan
KITEEN LUKIO OPPIKIRJAT 2015-2016 Kurssin oppimateriaalin voi hankkia joko paperimuotoisena kirjana tai sen sähköisenä versiona. Mikäli opiskelija käyttää sähköistä materiaalia, hänellä on itsellään oltava
LisätiedotCollaborative & Co-Creative Design in the Semogen -projects
1 Collaborative & Co-Creative Design in the Semogen -projects Pekka Ranta Project Manager -research group, Intelligent Information Systems Laboratory 2 Semogen -project Supporting design of a machine system
LisätiedotInfrastruktuurin asemoituminen kansalliseen ja kansainväliseen kenttään Outi Ala-Honkola Tiedeasiantuntija
Infrastruktuurin asemoituminen kansalliseen ja kansainväliseen kenttään Outi Ala-Honkola Tiedeasiantuntija 1 Asemoitumisen kuvaus Hakemukset parantuneet viime vuodesta, mutta paneeli toivoi edelleen asemoitumisen
LisätiedotKognitiivinen mallintaminen. Nelli Salminen
Kognitiivinen mallintaminen Neuraalimallinnus 1.12. Nelli Salminen nelli.salminen@tkk.fi Tänään ohjelmassa autoassosiaatio, Hopfieldin verkko attraktorin käsite ajan esittäminen hermoverkoissa esimerkkitapaus:
LisätiedotC++11 seminaari, kevät Johannes Koskinen
C++11 seminaari, kevät 2012 Johannes Koskinen Sisältö Mikä onkaan ongelma? Standardidraftin luku 29: Atomiset tyypit Muistimalli Rinnakkaisuus On multicore systems, when a thread writes a value to memory,
LisätiedotKoneoppiminen ja tekoäly suurten tietomassojen käsittelyssä yleensä ja erityisesti sovellettuina satelliittidatan käyttöön metsien arvioinnissa
Koneoppiminen ja tekoäly suurten tietomassojen käsittelyssä yleensä ja erityisesti sovellettuina satelliittidatan käyttöön metsien arvioinnissa Metsätieteen päivä 26.11.2018 Jorma Laaksonen, vanhempi yliopistonlehtori
LisätiedotOulun yliopiston tutkinto-ohjelmaportfolio 2017 alkaen
15.6.2016 Oulun yliopiston tutkinto-ohjelmaportfolio 2017 alkaen Kandidaattiohjelmat Ohjelman nimi tummennetulla, englanninkielinen nimi alla, hakukohteet kursiivilla. Tutkinto-ohjelman nimen perässä on
LisätiedotAIVOT JA INFORMAATIOÄHKY
AIVOT JA INFORMAATIOÄHKY Juhani Juntunen Professori, vakuutuslääketieteen ja neurotoksikologian dosentti Neurologian erikoislääkäri Share of GDP Three phases of development of economic structures each
Lisätiedot6.5.2 Kognitiotieteen koulutus
6.5.2 Kognitiotieteen koulutus www.helsinki.fi/kognitiotiede/opiskelu/index.htm Kognitiotiede on monitieteinen tieteenala joka tutkii organismien ja artefaktien älykkään käyttäytymisen taustamekanismeja,
LisätiedotOppikirjat lukuvuonna 2015 2016
Oulun Suomalaisen Yhteiskoulun lukio Maunonkatu 1 90100 Oulu Huom! Voit hankkia painetun oppikirjan tai vastaavan digikirjan Jos valitset kursseja muista lukioista, tarkista ko. kurssien oppikirjat sieltä.
LisätiedotVAASAN YLIOPISTO Humanististen tieteiden kandidaatin tutkinto / Filosofian maisterin tutkinto
VAASAN YLIOPISTO Humanististen tieteiden kandidaatin tutkinto / Filosofian maisterin tutkinto Tämän viestinnän, nykysuomen ja englannin kandidaattiohjelman valintakokeen avulla Arvioidaan viestintävalmiuksia,
LisätiedotVieraan kielen viestinnällinen suullinen harjoittelu skeema- ja elaborointitehtävien
Vieraan kielen viestinnällinen suullinen harjoittelu skeema- ja elaborointitehtävien avulla Pirjo Harjanne Vieraiden kielten opetuksen tutkimuskeskus http://www.edu.helsinki.fi/vk/index.htm Soveltavan
LisätiedotKukin kurssi voi sisältyä vain yhteen alemman tai ylemmän perustutkinnon moduuliin.
Teknillisen fysiikan ja matematiikan tutkinto-ohjelma Johanna Bovellán/6.3.2009 LPM-listojen (tfm:n lista kn 24.2., tdk 10.3.) perusteella tehdyt muutokset moduuleihin on merkitty viivaamalla yli vanhat
LisätiedotTEEMU ROOS (KALVOT MUOKATTU PATRIK HOYERIN LUENTOMATERIAALISTA)
JOHDATUS TEKOÄLYYN TEEMU ROOS (KALVOT MUOKATTU PATRIK HOYERIN LUENTOMATERIAALISTA) KONEOPPIMISEN LAJIT OHJATTU OPPIMINEN: - ESIMERKIT OVAT PAREJA (X, Y), TAVOITTEENA ON OPPIA ENNUSTAMAAN Y ANNETTUNA X.
LisätiedotVaihtelu virkistää taidon oppimisessa - Kisakallion taitokongressin antia. Kuntotestauspäivät 19.3.2016 Sami Kalaja
Vaihtelu virkistää taidon oppimisessa - Kisakallion taitokongressin antia Kuntotestauspäivät 19.3.2016 Sami Kalaja Non-lineaarinen pedagogiikka / Keith Davids Urheilija, tehtävä ja ympäristö ovat jatkuvassa
LisätiedotPomarkun lukion kirjat 2015-2016
Pomarkun lukion kirjat 2015-2016 Äidinkieli Ai 1 ja Ai 2 Kieli ja tekstit 1 978 951 0 277 22 5 SanomaPro Ai 3 ja AI 4 Kieli ja tekstit 2 978 951 0 302 36 1 SanomaPro AI 1 - AI 9 Käsikirja 978 951 0 263
LisätiedotSosiaali- ja terveysalan toimialamalli tiedolla johtamisen avuksi
KOKONAISARKKITEHTUURI HYVINVOINTIPALVELUISSA - SEMINAARI 4.12.2012, KUOPIO Sosiaali- ja terveysalan toimialamalli tiedolla johtamisen avuksi Jaana Sinipuro, Senior Advisor, SAS Nordic CoE for Healthcare
LisätiedotOHJ-2550 TEKOÄLY Kevät 2009
1 OHJ-2550 TEKOÄLY Kevät 2009 2 Yleistä 6 opintopistettä Jatko-opintokelpoinen Luentojen sijaan kenties seminaariesitelmiä periodin V lopussa Viikkoharjoitukset Harjoitustyöt: 2 kpl Sisältöön mahdollista
LisätiedotOppijan saama palaute määrää oppimisen tyypin
281 5. KONEOPPIMINEN Älykäs agentti voi joutua oppimaan mm. seuraavia seikkoja: Kuvaus nykytilan ehdoilta suoraan toiminnolle Maailman relevanttien ominaisuuksien päätteleminen havaintojonoista Maailman
LisätiedotAkateeminen johtaminen. Helena Ahonen
Akateeminen johtaminen Helena Ahonen Akateemisen johtamisen työpaja 3 20.8. Ammattirooli ja persoona 27.8. Systeemiajattelu ja johtaminen 3.9. Johtaja rajan vartijana 10.9. Minä johtajana Ammattirooli
LisätiedotUUSI KIRJA / "UUDEHKO" KIRJA, KATSO TARKASTI ISBN-NUMERO, 61600 Jalasjärvi PAINOS YMS. LISÄTIEDOT Puh. 4580 460, 4580 461
JALASJÄRVEN LUKIO 1.-3. VUOSIKURSSI Kauppilantie 1 UUSI KIRJA / "UUDEHKO" KIRJA, KATSO TARKASTI ISBN-NUMERO, 61600 Jalasjärvi PAINOS YMS. LISÄTIEDOT Puh. 4580 460, 4580 461 Kirjoja on mahdollisuus kierrättää,
LisätiedotECVETin soveltuvuus suomalaisiin tutkinnon perusteisiin. Case:Yrittäjyyskurssi matkailualan opiskelijoille englantilaisen opettajan toteuttamana
ECVETin soveltuvuus suomalaisiin tutkinnon perusteisiin Case:Yrittäjyyskurssi matkailualan opiskelijoille englantilaisen opettajan toteuttamana Taustaa KAO mukana FINECVET-hankeessa, jossa pilotoimme ECVETiä
LisätiedotKieli merkitys ja logiikka
Luento 9 Kieli merkitys ja logiikka Luento 9: Merkitys ja logiikka, kertaus Luku 10 loppuun (ei kausatiiveja) Ekstensio, intensio ja käsitteet Primitiivisten ilmaisujen merkitys Käsitteellis-intentionaaliset
LisätiedotLakkautetut vastavat opintojaksot: Mat Matematiikan peruskurssi P2-IV (5 op) Mat Sovellettu todennäköisyyslaskenta B (5 op)
KORVAVUUSLISTA 31.10.2005/RR 1 KURSSIT, jotka luennoidaan 2005-2006 : Lakkautetut vastavat opintojaksot: Mat-1.1010 Matematiikan peruskurssi L 1 (10 op) Mat-1.401 Mat-1.1020 Matematiikan peruskurssi L
LisätiedotMonimutkainen käyttäjä. Käytettävyyden psykologia syksy 2004
Monimutkainen käyttäjä Käytettävyyden psykologia syksy 2004 Lähde: E.B. Goldstein () Sensation and perception 1980. Valokuva: R.C.James. Havaintokehä Ulkomaailmasta saatava tieto Muokkaa Valikoi Mielessä
LisätiedotICS. T-61 (Informaatiotekniikka)
Tietotekniikan tutkinto-ohjelma korvaavuusluettelo 2010-2014 Päivitetty 1.7.2016 Käyttöohje 1. Hae etsimäsi kurssi CTRL+F 2. Viimeisin sarake oikealla on voimassaoleva kurssi/ajankohtaisin tieto 3. Jos
LisätiedotALGORITMIT & OPPIMINEN
ALGORITMIT & OPPIMINEN Mitä voidaan automatisoida? Mikko Koivisto Avoimet aineistot tulevat Tekijä: Lauri Vanhala yhdistä, kuvita, selitä, ennusta! Tekijä: Logica Mitä voidaan automatisoida? Algoritmi
LisätiedotILTA-, MONIMUOTO- JA VERKKO-OPETUS
ÄIDINKIELI äi01 opettajan oma materiaali starttilukio äi02 opettajan oma materiaali starttilukio äi03 opettajan oma materiaali starttilukio äi04 opettajan oma materiaali starttilukio äi05 opettajan oma
LisätiedotLaskennan vaativuus ja NP-täydelliset ongelmat
Laskennan vaativuus ja NP-täydelliset ongelmat TRAK-vierailuluento 13.4.2010 Petteri Kaski Tietojenkäsittelytieteen laitos Tietojenkäsittelytiede Tietojenkäsittelytiede tutkii 1. mitä tehtäviä voidaan
LisätiedotAloitus. TIEA241 Automaatit ja kieliopit, kevät 2011 (IV) Antti-Juhani Kaijanaho. 14. maaliskuuta 2011 TIETOTEKNIIKAN LAITOS. Aloitus.
TIEA241 Automaatit ja kieliopit, kevät 2011 (IV) Antti-Juhani Kaijanaho TIETOTEKNIIKAN LAITOS 14. maaliskuuta 2011 Sisällys Sisällys Kurssin käytännöt Kurssin sivuilla http://users.jyu.fi/~antkaij/opetus/auki/2011/
LisätiedotHITSAUKSEN TUOTTAVUUSRATKAISUT
Kemppi ARC YOU GET WHAT YOU MEASURE OR BE CAREFUL WHAT YOU WISH FOR HITSAUKSEN TUOTTAVUUSRATKAISUT Puolitetaan hitsauskustannukset seminaari 9.4.2008 Mikko Veikkolainen, Ratkaisuliiketoimintapäällikkö
LisätiedotPSYK 225 Kognitiivisen psykologian nykysuuntauksia. Jussi Saarinen
Luento 1 18.1.2019 PSYK 225 Kognitiivisen psykologian nykysuuntauksia Jussi Saarinen Perjantaisin ko 10-12 18.1.2019 Haartman-instituutti, sali 2 25.1.2019 Haartman-instituutti, sali 2 1.2.2019 Haartman-instituutti,
LisätiedotKe3130900 Kemiantekniikan tietotekniikka Luento 2
Ke3130900 Kemiantekniikan tietotekniikka Luento 2 Kimmo Klemola 25.01.2007 January 25, 2007 Kimmo Klemola 1 Prosessiteknologian peruskäsitteitä TASE ILMIÖ PROSESSI MALLI PROSESSIMALLI PROSESSIMALLITUS
Lisätiedot1.3Lohkorakenne muodostetaan käyttämällä a) puolipistettä b) aaltosulkeita c) BEGIN ja END lausekkeita d) sisennystä
OULUN YLIOPISTO Tietojenkäsittelytieteiden laitos Johdatus ohjelmointiin 81122P (4 ov.) 30.5.2005 Ohjelmointikieli on Java. Tentissä saa olla materiaali mukana. Tenttitulokset julkaistaan aikaisintaan
LisätiedotAutomaatiojärjestelmän hankinnassa huomioitavat tietoturva-asiat
Automaatiojärjestelmän hankinnassa huomioitavat tietoturva-asiat Teollisuusautomaation tietoturvaseminaari Purchasing Manager, Hydro Lead Buyer, Industrial Control Systems 1 Agenda / esityksen tavoite
Lisätiedot