Eero Hyvönen Helsingin yliopisto

Koko: px
Aloita esitys sivulta:

Download "Eero Hyvönen Helsingin yliopisto"

Transkriptio

1 2. Älykkäät t agentit Eero Hyvönen Helsingin yliopisto

2 Agentin äly = funktio Tekoäly, Eero Hyvönen,

3 Esimerkki agentista Tekoäly, Eero Hyvönen,

4 Pölynimurin agenttifunktio Taulukkona Ohjelmana Tekoäly, Eero Hyvönen,

5 Rationaalisuuden käsitek Rationaalinen = tehdä järkevä/järkevin valinta Osata valita agenttifunktiolle aina oikea arvo Järkevyyden kriteeri: suoritusarvo (performance( measure) Esim. maksimaalinen pölyn p imurointi Kriteerinä haluttu toiminta Ongelma: pölyn p pääp äästäminen lattialle lisää suoritusta! Maksimaalisen puhtaat tilat Kriteerinä haluttu lopputulos (yleensä hyvä kriteeri) Yleinen ongelma: ristiriitaisten tavoitteiden sovittaminen Esim. vapaa-ajan ajan vs. palkkatulojen maksimointi Tekoäly, Eero Hyvönen,

6 Rationaalisuus riippuu neljäst stä seikasta Suoritusarvosta, joka määm äärää onnistumisen Agentin a priori tiedosta ympärist ristöstä Agentit toimenpidevalikoimasta Agentit havaintohistoriasta P* Rationaalisen agentin määm ääritelmä Rationaalinen agentti valitsee jokaiselle havaintohistorialle P* toimenpiteen, joka maksimoi suoritusarvon odotusarvon perustuen P*:hen ja agentin a priori tietoon Tekoäly, Eero Hyvönen,

7 Rationaalisuuden ominaisuuksia Rationaalisuus kaikkitietävyys (omniscience) Havainnot voivat olla puutteellisia/virheellisiä Rationaalisuus selvänäköisyys (clairvoyance( clairvoyance) Toimenpiteet voivat johtaa yllätt ttäviin tuloksiin Rationaalisuus ei välttv lttämättä johda lopulta parhaaseen tulokseen Maksimoidaan suoritusarvon odotusarvoa Johtaa tutkimiseen (explore( explore), oppimiseen (learn( learn), itsenäisyyteen isyyteen (autonomy( autonomy) Tekoäly, Eero Hyvönen,

8 Agentin laskennan vaiheet Luomisvaiheessa ohjelmoidaan a priori tietoa Toimintavaiheessa tehdää ään n toimenpiteen valinta Historiatiedosta opitaan Tästä seuraa vähitellen v autonomisuus Tekoäly, Eero Hyvönen,

9 Tehtäväymp ympäristö (task environment) Ongelmakenttä,, jonka agentti hoitaa Määritellään n ensimmäisen isenä älykästä agenttia suunniteltaessa Luonnehdinta PEAS-teht tehtäväympäristönä: Performance Measure Environment Actuators Sensors Tekoäly, Eero Hyvönen,

10 Esimerkki: automaattinen taksi Tekoäly, Eero Hyvönen,

11 Tehtäväymp ympäristön n dimensiot Havainnoitavuus (Observability( Observability) Onko kaikki vai osa tiedosta havaittavissa? Esim. jalankulkija vs. sokea jalankulkija Deterministisyys vs. stokastisuus Määräytyykö seuraava tila edellisen tilan ja toimenpiteen perusteella Esim. auton ajossa myös s ympärist ristö vaikuttaa toimenpiteen lopputulokseen Episodisuus vs. peräkk kkäisyys Riippuuko seuraava toimenpide edellisistä Esim. shakki ei ole episodista Tekoäly, Eero Hyvönen,

12 Staattisuus vs. dynaamisuus Muuttuuko ympärist ristö agentin pohtiessa Esim. ristisanatehtävän n ratkonta on staattista Diskreetti vs. jatkuva Esim. shakin maailma koostuu diskreeteistä tiloista Yksi vs. moniagenttiympärist ristö Competitive vs. co-operative operative Tekoäly, Eero Hyvönen,

13 Tekoäly, Eero Hyvönen,

14 Tekoäly, Eero Hyvönen,

15 Tekoäly, Eero Hyvönen,

16 Millainen on reaalimaailma? Tekoäly, Eero Hyvönen,

17 Agentin rakenne Agentti = Arkkitehtuuri + Ohjelma Taulukkoperustainen agentti: Ratkaisee teoriassa kaikki ongelmat!? Tekoäly, Eero Hyvönen,

18 Taulukkoperustaisuuden ongelmia Tekoäly = yritetää ään n korvata taulukko pienellä ja tehokkaalla agenttiohjelmalla Vrt. esim. logaritmitaulut ja taskulaskin Tekoäly, Eero Hyvönen,

19 Agenttiohjelmien 4 perustyyppiä Kompleksisuusjärjestyksess rjestyksessä Simple reflex agent (heijasteagentti) Model-based reflex agent (malliperustainen h.) Goal-based agent (tavoitteellinen a.) Utility-based agent (hyötyperustainen a.) Näistä voidaan luoda myös s oppivat versiot Tekoäly, Eero Hyvönen,

20 Heijasteagentti Tekoäly, Eero Hyvönen,

21 VRT. TAULUKKO! Tekoäly, Eero Hyvönen,

22 Rajoituksia Oikeaa toimenpidettä ei useinkaan voi tehdä yksittäisen isen havainnon perusteella Agentti ei tunne ympärist ristöään Joka ei muista historiaa on tuomittu sitä toistamaan Tekoäly, Eero Hyvönen,

23 Malliperustainen heijasteagentti Kuten heijasteagentti, mutta condition-action action-säännön ehto-osan osan argumenttina havainnon lisäksi sisäinen inen tila (state) Agentilla malli siitä,, miten maailma muuttuu agentin toimien seurauksena ja agentista riippumatta Tekoäly, Eero Hyvönen,

24 Malliperustainen heijasteagentti Tekoäly, Eero Hyvönen,

25 Malliperustaisuus vs. ympärist ristön n heijastelu Agentille on vaikeaa muodostaa täydellistt ydellistä maailmankuvaa Malliperustaisuuden skaalautuvuusongelma Äly ly syntyy vuorovaikutuksessa ympärist ristön n kanssa Herbert Simonin muurahainen R. Brooksin Mars-mönkij nkijät Tekoäly, Eero Hyvönen,

26 Tavoiteperustainen agentti Pelkkä tilan luonne ei riitä kriteeriksi seuraavan toimenpiteen valitsemiseen Monesta vaihtoehdosta on voitava valita tavoitteen mukaan Edellyttää eri skenaarioiden selvittämist mistä -> haku (search)) ja suunnittelu (planning) Joustavuus eri tilanteissa -> äly Tekoäly, Eero Hyvönen,

27 Tekoäly, Eero Hyvönen,

28 Hyötyperustainen agentti Pelkkä tavoitteenmukainen lopputulos ei riitä Vaihtoehtoisilla tavoitteen toteuttavilla ratkaisuilla on eri hyötyarvo Esim. eri kulkuyhteydet keskustasta Kumpulaan Tavoite toteutuu, mutta toiset ovat hitaampia, kalliimpia, turvallisempia jne. kuin toiset Tavoitteen osittainen saavuttaminen (utility( function) Päästään n vain lähelle l Kumpulaa Hyödyn ja todennäköisyyden yhdistäminen Esim. tilanteissa, jossa ympärist ristöä ei voida havainnoida täsmt smällisesti Esim. epätarkka kartta Ristiriitaisten hyötyjen arvottaminen Esim. hinta vs. nopeus (taksi vs. bussi) Tekoäly, Eero Hyvönen,

29 Tekoäly, Eero Hyvönen,

30 Oppiva agentti Vähentää ohjelmoimisen tuskaa Vrt. ihmisen kehitys Joustavuus toimia uusissa ja muuttuvissa olosuhteissa -> älykkyys Eri agenttimallien eri osiin voi liittyä oppimista Tekoäly, Eero Hyvönen,

31 - Esimerkiksi autolla ajo Tekoäly, Eero Hyvönen,

32 Tekoäly, Eero Hyvönen,

33 Lähteet S. Russell,, P. Norvig: Artificial Intelligence, a Modern Approach. Prentice-Hall Hall,, S. Russell,, Tekoälykurssin kalvot Berkleyn yliopistossa, Tekoäly, Eero Hyvönen,

Kognitiivinen mallintaminen I

Kognitiivinen mallintaminen I Kognitiivinen mallintaminen I Symbolinen mallintaminen: 2. luento Ongelmanratkaisu Ongelmanratkaisu Rationaalinen agentti Ongelma-avaruus Hakustrategiat ongelma-avaruudessa sokea haku tietoinen haku heuristiikat

Lisätiedot

4 Heuristinen haku. Eero Hyvönen Helsingin yliopisto

4 Heuristinen haku. Eero Hyvönen Helsingin yliopisto 4 Heuristinen haku Eero Hyvönen Helsingin yliopisto Strategioita: - Breath-first - Uniform-cost - Depth-first - Depth-limited - Iterative deepening - Bidirectional Tekoäly, Eero Hyvönen, 2004 2 Heuristisen

Lisätiedot

Nollasummapelit ja bayesilaiset pelit

Nollasummapelit ja bayesilaiset pelit Nollasummapelit ja bayesilaiset pelit Kristian Ovaska HELSINGIN YLIOPISTO Tietojenkäsittelytieteen laitos Seminaari: Peliteoria Helsinki 18. syyskuuta 2006 Sisältö 1 Johdanto 1 2 Nollasummapelit 1 2.1

Lisätiedot

5. Rajoitelaskenta (Constraint Satisfaction)

5. Rajoitelaskenta (Constraint Satisfaction) 5. Rajoitelaskenta (Constraint Satisfaction) Eero Hyvönen Helsingin yliopisto Solution = An assignment of values for the variables satifying the contraints Some CSPs: optimal solution is the best solution

Lisätiedot

OHJ-2550 TEKOÄLY Kevät 2007

OHJ-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

Lisätiedot

3. Ongelmanratkonta haun avulla. Eero Hyvönen Helsingin yliopisto

3. Ongelmanratkonta haun avulla. Eero Hyvönen Helsingin yliopisto 3. Ongelmanratkonta haun avulla Eero Hyvönen Helsingin yliopisto Haku Tavoiteperustaisilla agenteilla Tavoitteen (goal( goal) ) saavuttaminen Ongelman muotoilu (sopivalla yleisyystasolla) Esim. maailma

Lisätiedot

Rationaalisen valinnan teoria

Rationaalisen valinnan teoria Rationaalisen valinnan teoria Rationaalisuuden teoriat 1) Mihin meillä on perusteita uskoa? 2) Mitä meidän pitäisi tehdä? 3) Mitä päämääriä meillä tulisi olla? Näitä kysymyksiä vastaavat uskomusten rationaalisuus,

Lisätiedot

Opettaminen ja oppiminen

Opettaminen ja oppiminen Opettaminen ja oppiminen MS-E2142 Optimointiopin seminaari: Peliteoria ja tekoäly 19.10.2016 Nina Gunell The document can be stored and made available to the public on the open internet pages of Aalto

Lisätiedot

Tekoäly muuttaa arvoketjuja

Tekoäly muuttaa arvoketjuja Tekoäly muuttaa arvoketjuja Näin kartoitat tekoälyn mahdollisuuksia projektissasi Harri Puolitaival Harri Puolitaival Diplomi-insinööri ja yrittäjä Terveysteknologia-alan start-up: Likelle - lämpötilaherkkien

Lisätiedot

Informaation arvo. Ohjelmistotekniikan laitos OHJ-2550 Tekoäly, kevät

Informaation arvo. Ohjelmistotekniikan laitos OHJ-2550 Tekoäly, kevät 259 Informaation arvo Öljykenttään myydään porausoikeuksia, palstoja on n kappaletta, mutta vain yhdessä niistä on C euron edestä öljyä Yhden palstan hinta on C/n euroa Seismologi tarjoaa yritykselle tutkimustietoa

Lisätiedot

JOHDATUS TEKOÄLYYN TEEMU ROOS

JOHDATUS 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

Lisätiedot

JOHDATUS TEKOÄLYYN TEEMU ROOS

JOHDATUS 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

Lisätiedot

JOHDATUS TEKOÄLYYN TEEMU ROOS

JOHDATUS 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

Lisätiedot

TAIDEKASVATUS YHTEISÖLLISYYDEN VAHVISTAJANA

TAIDEKASVATUS YHTEISÖLLISYYDEN VAHVISTAJANA TAIDEKASVATUS YHTEISÖLLISYYDEN VAHVISTAJANA Siellä sai olla yhdessä Sai tehdä porukassa erityisopettaja 1 TAIDEPAJALAISTEN POSITIIVISIA KOKEMUKSIA TAIDEPAJOISSA Yhdessä tekeminen oli kaikkein tärkein t

Lisätiedot

JULKISTEN PALVELUJEN MERKITYS TULONJAOLLE JA KÖYHYYDEN EHKÄISYLLE

JULKISTEN PALVELUJEN MERKITYS TULONJAOLLE JA KÖYHYYDEN EHKÄISYLLE JULKISTEN PALVELUJEN MERKITYS TULONJAOLLE JA KÖYHYYDEN K EHKÄISYLLE Kalevi Sorsa SääS äätiö Perjantaiyliopisto 15.12.2006 Jaakko Kiander Palkansaajien tutkimuslaitos JULKISTEN PALVELUJEN MERKITYS Ratkeaako

Lisätiedot

Ongelma(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 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

Lisätiedot

Koneoppiminen 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 Koneoppiminen ja tekoäly suurten tietomassojen käsittelyssä yleensä ja erityisesti sovellettuina satelliittidatan käyttöön metsien arvioinnissa Metsätieteen päivä 26.11.2018 Jorma Laaksonen, vanhempi yliopistonlehtori

Lisätiedot

Tilastotiede ottaa aivoon

Tilastotiede 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

Lisätiedot

LAAJENNETUN MUODON RATIONALISOITUVUUS. S ysteemianalyysin. Arno Solin Laboratorio. Aalto-yliopiston Teknillinen korkeakoulu

LAAJENNETUN MUODON RATIONALISOITUVUUS. S ysteemianalyysin. Arno Solin Laboratorio. Aalto-yliopiston Teknillinen korkeakoulu LAAJENNETUN MUODON RATIONALISOITUVUUS 3.3.2010 Pähkinänkuoressa: Laajennetun muodon rationalisoituvuus Laajennetun muodon peli (Extensive Form Game) Laajennetun muodon pelin tasapainokäsitteitä. Tosimaailman

Lisätiedot

Laskut käyvät hermoille

Laskut käyvät hermoille Laskut käyvät hermoille - Miten ja miksi aivoissa lasketaan todennäköisyyksiä Aapo Hyvärinen Matematiikan ja tilastotieteen laitos & Tietojenkäsittelytieteen laitos Helsingin Yliopisto Tieteen päivät 13.1.2011

Lisätiedot

Mikä on onnettomuus. Usein ennalta arvaamaton tapahtuma Tiedostetaan riskit. Monta syytä usein

Mikä on onnettomuus. Usein ennalta arvaamaton tapahtuma Tiedostetaan riskit. Monta syytä usein Mikä on onnettomuus Usein ennalta arvaamaton tapahtuma Tiedostetaan riskit. Monta syytä usein Onnettomuuteen vaikuttavia tekijöitä Usein puhutaan että nopeus, renkaat, sairaus ym aiheutti onnettomuuden.

Lisätiedot

Luento 5: Peliteoria

Luento 5: Peliteoria Luento 5: Peliteoria Portfolion optimointi Sijoittajan tehtävä Nashin tasapaino Vangin ongelma Nashin neuvotteluratkaisu 1 Portfolion optimointi Varallisuus A sijoitetaan n:ään sijoituskohteeseen (osake,

Lisätiedot

Tulevaisuuden liikenne- ja innovaatiopolitiikka: johdatus ryhmäkeskusteluun. Raimo Lovio Aalto-yliopiston kauppakorkeakoulu

Tulevaisuuden liikenne- ja innovaatiopolitiikka: johdatus ryhmäkeskusteluun. Raimo Lovio Aalto-yliopiston kauppakorkeakoulu Tulevaisuuden liikenne- ja innovaatiopolitiikka: johdatus ryhmäkeskusteluun Raimo Lovio Aalto-yliopiston kauppakorkeakoulu Edistystä tapahtuu mutta Edistystä tapahtuu: Biopolttoaineiden kehittäminen 2005

Lisätiedot

Surveytutkimusksen Suunnittelu ja Teoreettisten Konstruktioiden Validointi. Seppo Pynnönen Vaasan yliopisto Menetelmätieteiden laitos

Surveytutkimusksen Suunnittelu ja Teoreettisten Konstruktioiden Validointi. Seppo Pynnönen Vaasan yliopisto Menetelmätieteiden laitos Surveytutkimusksen Suunnittelu ja Teoreettisten Konstruktioiden Validointi Seppo Pynnönen Vaasan yliopisto Menetelmätieteiden laitos Teoreettiset konstruktiot Todellisuus Teoria Todellisuuden jäsentely

Lisätiedot

MS-C2105 Optimoinnin perusteet Malliratkaisut 5

MS-C2105 Optimoinnin perusteet Malliratkaisut 5 MS-C2105 Optimoinnin perusteet Malliratkaisut 5 Ehtamo Demo 1: Arvaa lähimmäksi Jokainen opiskelija arvaa reaaliluvun välillä [0, 100]. Opiskelijat, joka arvaa lähimmäksi yhtä kolmasosaa (1/3) kaikkien

Lisätiedot

Agentin toiminnan arviointi

Agentin toiminnan arviointi 35 1.1 ÄLYKKÄÄ AGNI Agentti havainnoi toimintaympäristöään sensorein ja vaikuttaa siihen aktuaattorein Ihmisen sensoreita ovat mm. silmät, korvat ja nenä sekä aktuaattoreita esim. kädet ja jalat Robotin

Lisätiedot

Liikennelabra päivä: Kokemukset liikkujan datasta ja analytiikasta (Liikennelabra 1.0)

Liikennelabra päivä: Kokemukset liikkujan datasta ja analytiikasta (Liikennelabra 1.0) Liikennelabra päivä: Kokemukset liikkujan datasta ja analytiikasta (Liikennelabra 1.0) LVM / Sonckin-Sali Liikenteen sähköiset palvelut -hankkeen tavoitteet 1. Edistää liikenteen sähköisten palveluiden

Lisätiedot

Viime kerralta Epävarmuus ja riski Optimaalinen kulutus-säästämispäätös: Tulo- ja substituutiovaikutus analyyttinen tarkastelu Epävarmuus Epävarmuus

Viime kerralta Epävarmuus ja riski Optimaalinen kulutus-säästämispäätös: Tulo- ja substituutiovaikutus analyyttinen tarkastelu Epävarmuus Epävarmuus Viie kerralta Epävaruus ja riski Luento 5 4..010 Tulo- ja substituutiovaikutus hinnan uutoksessa Substituutiovaikutus budjettisuora kiertyi alkuperäisen valinnan ypärillä Tulovaikutus uusi budjettisuora

Lisätiedot

Luento 10 Kustannushyötyanalyysi

Luento 10 Kustannushyötyanalyysi Luento 10 Kustannushyötyanalyysi Ahti Salo Systeemianalyysin laboratorio Aalto-yliopiston perustieteiden korkeakoulu PL 11100, 00076 Aalto ahti.salo@aalto.fi 1 Päätösanalyysistä Päätöksenteon teoriat Deskriptiiviset

Lisätiedot

Onnistuneen oppimisprosessin edellytyksiä verkossa

Onnistuneen oppimisprosessin edellytyksiä verkossa Onnistuneen oppimisprosessin edellytyksiä verkossa prof. Sanna Järvelä Oulun yliopisto Kasvatustieteiden tiedekunta Koulutusteknologian tutkimusyksikkö tietokoneavusteinen opetus etäopetus tietoverkkojen

Lisätiedot

Bayesin pelit. Kalle Siukola. MS-E2142 Optimointiopin seminaari: Peliteoria ja tekoäly

Bayesin pelit. Kalle Siukola. MS-E2142 Optimointiopin seminaari: Peliteoria ja tekoäly Bayesin pelit Kalle Siukola MS-E2142 Optimointiopin seminaari: Peliteoria ja tekoäly 12.10.2016 Toistetun pelin esittäminen automaatin avulla Ekstensiivisen muodon puu on tehoton esitystapa, jos peliä

Lisätiedot

Metsien kestävä käyttö Suomessa laskennan vai äänestyksen tulos?

Metsien kestävä käyttö Suomessa laskennan vai äänestyksen tulos? Metsien kestävä käyttö Suomessa laskennan vai äänestyksen tulos? Riittävätkö tiedot metsien kestävän käytön määrittämiseen? Metsätieteen päivä 2015, Taksaattoriklubi Tuula Packalen, Luonnonvarakeskus 1

Lisätiedot

Laitoskuntoutuksen paikka päihdetyp. Lapin yliopisto

Laitoskuntoutuksen paikka päihdetyp. Lapin yliopisto Laitoskuntoutuksen paikka päihdetyp ihdetyössä Sanna Väyrynen,, YTT Lapin yliopisto Päihdekuntoutus on jatkumo jonka muodostavat perus- ja erityistason sosiaali- ja terveystoimen instanssit + muut tarpeelliset

Lisätiedot

Verkkokoulutus ja uuden oppimiskulttuurin luominen. TieVie-kouluttajakoulutus Helsinki Pirjo Ståhle

Verkkokoulutus ja uuden oppimiskulttuurin luominen. TieVie-kouluttajakoulutus Helsinki Pirjo Ståhle Verkkokoulutus ja uuden oppimiskulttuurin luominen TieVie-kouluttajakoulutus Helsinki 8.11.2002 Pirjo Ståhle Organisaation tieto- ja toimintaympäristöt Suhteet avoin tiedonvaihto mekaaninen orgaaninen

Lisätiedot

Haitallinen valikoituminen: yleinen malli ja sen ratkaisu

Haitallinen valikoituminen: yleinen malli ja sen ratkaisu Haitallinen valikoituminen: yleinen malli ja sen ratkaisu Mat-2.4142 Optimointiopin seminaari Matias Leppisaari 29.1.2008 Esityksen rakenne Yleinen malli Käypyys ja rajoitusehdot Mallin ratkaisu Kotitehtävä

Lisätiedot

Varian luku 12. Lähde: muistiinpanot on muokattu Varianin (2006, instructor s materials) muistiinpanoista

Varian luku 12. Lähde: muistiinpanot on muokattu Varianin (2006, instructor s materials) muistiinpanoista Epävaruus Varian luku 12 Lähde: uistiinpanot on uokattu Varianin (2006, instructor s aterials) uistiinpanoista Epävaruus Tähän asti ollaan tarkasteltu kuluttajan optiaalista valintaa sivuuttaen kokonaan

Lisätiedot

OHJ-2550 TEKOÄLY Kevät 2009

OHJ-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

Lisätiedot

Haitallinen valikoituminen: Kahden tyypin malli

Haitallinen valikoituminen: Kahden tyypin malli Haitallinen valikoituminen: Kahden tyypin malli Mat-2.4142 Optimointiopin seminaari Mikko Hyvärinen 29.1.2008 Haitallinen valikoituminen kahden tyypin malli Haitallinen valikoituminen tarkoittaa että päämies

Lisätiedot

Luento 5: Peliteoriaa

Luento 5: Peliteoriaa Luento 5: Peliteoriaa Tässä kappaleessa tutustutaan hieman peliteoriaan. Keskeisiä asioita ovat Nash-tasapaino ja sekastrategia. Cournot n duopolimalli vuodelta 1838 toimii oivallisena havainnollistuksena

Lisätiedot

Työnohjauksen mahdollisuudet varhaiskasvatuksessa

Työnohjauksen mahdollisuudet varhaiskasvatuksessa Työnohjauksen mahdollisuudet varhaiskasvatuksessa Johdon työnohjaaja, KT Veijo Nivala Tampereen yliopisto/ Varhaiskasvatus Johtajuusfoorumi 3.4.2014 (Johdon) työnaohjauksen kontekstuaalinen mallinnos Elämisen

Lisätiedot

Yleistä tietoa kokeesta

Yleistä tietoa kokeesta Yleistä tietoa kokeesta Kurssikoe on pe 27.10. klo 12.00-14.30 (jossakin auditorioista). Huomaa tasatunti! Seuraava erilliskoe on ke 1.11 klo 16-20, johon ilmoittaudutaan Oodissa (ilmoittautumisaika erilliskokeeseen

Lisätiedot

Luento 4: Liikkeen kuvausta, differentiaaliyhtälöt

Luento 4: Liikkeen kuvausta, differentiaaliyhtälöt Luento 4: Liikkeen kuvausta, differentiaaliyhtälöt Digress: vakio- vs. muuttuva kiihtyvyys käytännössä Kinematiikkaa yhdessä dimensiossa taustatietoa Matlab-esittelyä 1 / 20 Luennon sisältö Digress: vakio-

Lisätiedot

Tilastotiede ottaa aivoon

Tilastotiede 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

Lisätiedot

KILPAILUSUORITUS JA HARJOITTELU

KILPAILUSUORITUS JA HARJOITTELU KILPAILUSUORITUS JA HARJOITTELU 400 m:llä KOMMENTTIPUHEENVUORO 400m:n aika 47-50 s: metodilla ei väliv liä! Kova nopeustaso----- -----heikko nopeuskestävyys Kova nopeuskestävyys vyys---heikko nopeus Kova

Lisätiedot

Kansallinen metsäohjelma 2015:n (KMO) väliarviointi Työsuunnitelma

Kansallinen metsäohjelma 2015:n (KMO) väliarviointi Työsuunnitelma Kansallinen metsäohjelma 2015:n (KMO) väliarviointi Työsuunnitelma Tulevaisuusseminaari Talouskriisin ja metsäalan murroksen vaikutus kansallisen metsäohjelman toteutukseen Tieteiden talo Arvioinnin tavoitteet

Lisätiedot

Arvot ja toiminnan identiteetti / luonne. Michael Rossing, kehittämis- ja viestintäpäällikkö 14.9.2015

Arvot ja toiminnan identiteetti / luonne. Michael Rossing, kehittämis- ja viestintäpäällikkö 14.9.2015 Arvot ja toiminnan identiteetti / luonne Michael Rossing, kehittämis- ja viestintäpäällikkö 14.9.2015 Arvoprosessin selkäranka? Arvoprosessi on perinteisesti ennen kaikkea prosessi! Prosessilla on oltava

Lisätiedot

Digi buustaa kehittymisen Mitä uutta digitalisaatio voi tuoda henkilöstön osaamisen kehittämiselle

Digi buustaa kehittymisen Mitä uutta digitalisaatio voi tuoda henkilöstön osaamisen kehittämiselle Digi buustaa kehittymisen Mitä uutta digitalisaatio voi tuoda henkilöstön osaamisen kehittämiselle 10.5.2017 ValtioExpo Marjaana Laine, Valtiovarainministeriö Tuulia Himanen, Tilastokeskus Petteri Kallio,

Lisätiedot

Maiju Mykkänen (D6297@jamk.fi) Susanna Sällinen (E0941@jamk.fi)

Maiju Mykkänen (D6297@jamk.fi) Susanna Sällinen (E0941@jamk.fi) Maiju Mykkänen (D6297@jamk.fi) Susanna Sällinen (E0941@jamk.fi) Tietokannan hallinta-opintojakson selvitysraportti Huhtikuu 2010 Mediatekniikka ICT/Teknologia Tämän teosteoksen käyttöoikeutta koskee Creative

Lisätiedot

1 Ratkaisuja 2. laskuharjoituksiin

1 Ratkaisuja 2. laskuharjoituksiin 1 1 Ratkaisuja 2. laskuharjoituksiin Tehtävä 1. (a) Yksinkertainen reeksiagentti ei voi toimia rationaalisesti tässä tilanteessa, eli maksimoida suoriutumismittaansa (performance measure). Yksinkertainen

Lisätiedot

TOIMIVAN NÄYTÖN JA TYÖSSÄ OPPIMISEN ARVIOINTI JA KEHITTÄMINEN

TOIMIVAN NÄYTÖN JA TYÖSSÄ OPPIMISEN ARVIOINTI JA KEHITTÄMINEN TOIMIVAN NÄYTÖN JA TYÖSSÄ OPPIMISEN ARVIOINTI JA KEHITTÄMINEN Uudistuva korkeakoulujen aikuiskoulutus oppisopimustyyppinen täydennyskoulutus ja erityispätevyydet Opetusministeriö 8.10.2009 Petri Haltia

Lisätiedot

KUNTIEN JA MAANMITTAUSLAITOKSEN KIINTEISTÖTEHTÄVIEN KOULUTUSPÄIVÄ

KUNTIEN JA MAANMITTAUSLAITOKSEN KIINTEISTÖTEHTÄVIEN KOULUTUSPÄIVÄ KUNTIEN JA MAANMITTAUSLAITOKSEN KIINTEISTÖTEHTÄVIEN KOULUTUSPÄIVÄ Helsinki 25.9.2019 Avaus Heikki Lind Johtaja, Rekisterit Kaikkea tekoälyä yhdistää kaksi seikkaa: Autonomisuus: Kyky tehdä asioita ilman

Lisätiedot

Virtuaalimoduulien pedagoginen tavoitteisto. Liisa Kyyrönen

Virtuaalimoduulien pedagoginen tavoitteisto. Liisa Kyyrönen Virtuaalimoduulien pedagoginen tavoitteisto Liisa Kyyrönen 8.12.2004 Miksi? Miksi tulevan opettajan kannattaa valita opiskelijan virtuaaliympäristö omaksi oppimisympäristökseen? Miten virtuaaliympäristön

Lisätiedot

Johdatus yrittäjyyskasvatukseen

Johdatus yrittäjyyskasvatukseen Johdatus yrittäjyyskasvatukseen Kari Ristimäki kari.ristimaki@puv.fi Mikkeli 16.10.2007 Yrittäjyyskasvatuksen keskeiset määm ääritelmät yrittäjyyskasvatuksen menetelmiä ja materiaaleja Yrittäjyyskasvatus

Lisätiedot

Luento 6: Monitavoitteinen optimointi

Luento 6: Monitavoitteinen optimointi Luento 6: Monitavoitteinen optimointi Monitavoitteisessa optimointitehtävässä on useita optimoitavia kohdefunktioita eli ns kriteereitä: f,,f m Esimerkki ortfolion eli arvopaperijoukon optimoinnissa: f

Lisätiedot

How to Support Decision Analysis with Software Case Förbifart Stockholm

How to Support Decision Analysis with Software Case Förbifart Stockholm How to Support Decision Analysis with Software Case Förbifart Stockholm (Valmiin työn esittely) 13.9.2010 Ohjaaja: Prof. Mats Danielson Valvoja: Prof. Ahti Salo Tausta -Tukholman ohikulkutien suunnittelu

Lisätiedot

Johdatus tekoälyn taustalla olevaan matematiikkaan

Johdatus 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

Lisätiedot

-mitä historia on, mihin sitä tarvitaan. -Tansanian kehityshistoria hanke: päälinjoja ja metodologisia haasteita

-mitä historia on, mihin sitä tarvitaan. -Tansanian kehityshistoria hanke: päälinjoja ja metodologisia haasteita Juhani Koponen 5/3/04 -mitä historia on, mihin sitä tarvitaan -historia, kehitysmaat ja kehitysmaatutkimus -Tansanian kehityshistoria hanke: päälinjoja ja metodologisia haasteita - akateeminen historiankirjoitus

Lisätiedot

Toimitusketjun riskienhallinta konsernissa

Toimitusketjun riskienhallinta konsernissa Oy Lappeenrannan teknillinen yliopisto..0 Toimitusketjun riskienhallinta konsernissa Tapani Toppi, Espoo www.marsh.fi Mistä mielenkiintoa toimitusketjun riskienhallintaan? Hyvät syyt työn tekemiseen Sopiva

Lisätiedot

Tekoäly ja dynamiikka tietokonepeleissä

Tekoäly ja dynamiikka tietokonepeleissä Tekoäly ja dynamiikka tietokonepeleissä Mitä tekoäly on? Termin tekoäly määritelmä on hieman kiistelty Sisältää käsitteen äly jonka määrittely on itsessään epämääräinen Laskennallinen rationaalisuus olisi

Lisätiedot

Harjoitus 6: Simulink - Säätöteoria. Syksy 2006. Mat-2.2107 Sovelletun matematiikan tietokonetyöt 1

Harjoitus 6: Simulink - Säätöteoria. Syksy 2006. Mat-2.2107 Sovelletun matematiikan tietokonetyöt 1 Harjoitus 6: Simulink - Säätöteoria Mat-2.2107 Sovelletun matematiikan tietokonetyöt Syksy 2006 Mat-2.2107 Sovelletun matematiikan tietokonetyöt 1 Harjoituksen aiheita Tutustuminen säätötekniikkaan Takaisinkytkennän

Lisätiedot

Kielellisten merkitysten tilastollinen ja psykologinen luonne: Kognitiivisia ja filosofisia näkökulmia. Timo Honkela.

Kielellisten merkitysten tilastollinen ja psykologinen luonne: Kognitiivisia ja filosofisia näkökulmia. Timo Honkela. Kielellisten merkitysten tilastollinen ja psykologinen luonne: Kognitiivisia ja filosofisia näkökulmia Timo Honkela timo.honkela@helsinki.fi Helsingin yliopisto 29.3.2017 Merkityksen teoriasta Minkälaisista

Lisätiedot

Bayesilainen päätöksenteko / Bayesian decision theory

Bayesilainen päätöksenteko / Bayesian decision theory Bayesilainen päätöksenteko / Bayesian decision theory Todennäköisyysteoria voidaan perustella ilman päätösteoriaa, mutta vasta päätösteorian avulla siitä on oikeasti hyötyä Todennäköisyyteoriassa tavoitteena

Lisätiedot

Tentin materiaali. Sivia: luvut 1,2, , ,5. MacKay: luku 30. Gelman, 1995: Inference and monitoring convergence

Tentin materiaali. Sivia: luvut 1,2, , ,5. MacKay: luku 30. Gelman, 1995: Inference and monitoring convergence Tentin materiaali Sivia: luvut 1,2,3.1-3.3,4.1-4.2,5 MacKay: luku 30 Gelman, 1995: Inference and monitoring convergence Gelman & Meng, 1995: Model checking and model improvement Kalvot Harjoitustyöt Tentin

Lisätiedot

FIPA-agenttiarkkitehtuuriin pohjautuvat rationaaliset agentit. Janne Järvi

FIPA-agenttiarkkitehtuuriin pohjautuvat rationaaliset agentit. Janne Järvi FIPA-agenttiarkkitehtuuriin pohjautuvat rationaaliset agentit Janne Järvi Tampereen yliopisto Tietojenkäsittelytieteiden laitos Tietojenkäsittelyoppi Pro gradu -tutkielma Lokakuu 2003 i Tampereen yliopisto

Lisätiedot

TILASTOLLINEN OPPIMINEN

TILASTOLLINEN OPPIMINEN 301 TILASTOLLINEN OPPIMINEN Salmiakki- ja hedelmämakeisia on pakattu samanlaisiin käärepapereihin suurissa säkeissä, joissa on seuraavat sekoitussuhteet h 1 : 100% salmiakkia h 2 : 75% salmiakkia + 25%

Lisätiedot

Kansanopiston sivistystehtävä

Kansanopiston sivistystehtävä Kansanopiston sivistystehtävä Kansanopistokokous 20.10.2009 Lahti FM Seppo Niemelä Kansanopiston asema Yksityisenä vapaan sivistystyön n oppilaitoksena kansanopiston tulee koko ajan ylläpit pitää kasvatustehtäväns

Lisätiedot

TIIMITYÖSKENTELY ( 1 + 1 + 1 pv )

TIIMITYÖSKENTELY ( 1 + 1 + 1 pv ) Karl-Magnus Spiik Ky Tiimityöskentely / sivu 1 TIIMITYÖSKENTELY ( 1 + 1 + 1 pv ) Asiakas: Ryhmä: Uusi päiväkoti Koko henkilöstö Tämän kolmiosaisen valmennuksen päätavoitteena on tiimityöskentelyn kehittäminen.

Lisätiedot

1. TODENNÄKÖISYYSJAKAUMIEN ESTIMOINTI

1. TODENNÄKÖISYYSJAKAUMIEN ESTIMOINTI 1. TODENNÄKÖISYYSJAKAUMIEN ESTIMOINTI Edellä esitelty Bayesiläinen luokittelusääntö ( Bayes Decision Theory ) on optimaalinen tapa suorittaa luokittelu, kun luokkien tnjakaumat tunnetaan Käytännössä tnjakaumia

Lisätiedot

-mitä historia on, mihin sitä tarvitaan ja käytetään. -Tansanian kehityshistoria hanke: päälinjoja ja metodologisia haasteita

-mitä historia on, mihin sitä tarvitaan ja käytetään. -Tansanian kehityshistoria hanke: päälinjoja ja metodologisia haasteita Juhani Koponen 1/11/04 -mitä historia on, mihin sitä tarvitaan ja käytetään -historia, kehitysmaat ja kehitysmaatutkimus -Tansanian kehityshistoria hanke: päälinjoja ja metodologisia haasteita - akateeminen

Lisätiedot

Tulevaisuuden markkinat tulevaisuuden yrittäjä. Vesa Puhakka vesa.puhakka@oulu.fi

Tulevaisuuden markkinat tulevaisuuden yrittäjä. Vesa Puhakka vesa.puhakka@oulu.fi Tulevaisuuden markkinat tulevaisuuden yrittäjä Vesa Puhakka vesa.puhakka@oulu.fi Dynaamisessa liiketoimintaympäristössä on valtavasti informaatiota mutta vähän tietoa. Koska suurin osa yrityksistä ja ihmisistä

Lisätiedot

1 Tieteellinen esitystapa, yksiköt ja dimensiot

1 Tieteellinen esitystapa, yksiköt ja dimensiot 1 Tieteellinen esitystapa, yksiköt ja dimensiot 1.1 Tieteellinen esitystapa Maan ja auringon välinen etäisyys on 1 AU. AU on astronomical unit, joka määritelmänsä mukaan on maan ja auringon välinen keskimääräinen

Lisätiedot

Agentit ja semanttinen web. Pekka Halonen

Agentit ja semanttinen web. Pekka Halonen Agentit ja semanttinen web Pekka Halonen Henkilökohtainen agentti Aika lääkäriin Agentti toteaa, että käyttäjä tarvitsee lääkäriä Pyytää lääkäriaikoja hoitavan agentin kautta pääsyä ko. vaivaa hoitavalle

Lisätiedot

1. TODENNÄKÖISYYSJAKAUMIEN ESTIMOINTI

1. TODENNÄKÖISYYSJAKAUMIEN ESTIMOINTI 1. TODENNÄKÖISYYSJAKAUMIEN ESTIMOINTI Edellä esitelty Bayesiläinen luokittelusääntö ( Bayes Decision Theory ) on optimaalinen tapa suorittaa luokittelu, kun luokkien tnjakaumat tunnetaan Käytännössä tnjakaumia

Lisätiedot

Diskreetit todennäköisyysjakaumat. Kertymäfunktio Odotusarvo Binomijakauma Poisson-jakauma

Diskreetit todennäköisyysjakaumat. Kertymäfunktio Odotusarvo Binomijakauma Poisson-jakauma Diskreetit todennäköisyysjakaumat Kertymäfunktio Odotusarvo Binomijakauma Poisson-jakauma Satunnaismuuttuja Satunnaisilmiö on ilmiö, jonka lopputulokseen sattuma vaikuttaa Satunnaismuuttuja on muuttuja,

Lisätiedot

Hankearvioinnin kehikko - käsitteet

Hankearvioinnin kehikko - käsitteet Hankearvioinnin kehikko - käsitteet Yhteiskuntataloudellinen analyysi = Kannattavuuslaskelma + Vaikutusten analysointi + Toteuttavuuden arviointi Vaikutusten analyysissa tuodaan esiin erityisesti ne hyödyt

Lisätiedot

Satunnaisalgoritmit. Topi Paavilainen. Laskennan teorian opintopiiri HELSINGIN YLIOPISTO Tietojenkäsittelytieteen laitos

Satunnaisalgoritmit. Topi Paavilainen. Laskennan teorian opintopiiri HELSINGIN YLIOPISTO Tietojenkäsittelytieteen laitos Satunnaisalgoritmit Topi Paavilainen Laskennan teorian opintopiiri HELSINGIN YLIOPISTO Tietojenkäsittelytieteen laitos Helsinki, 23. helmikuuta 2014 1 Johdanto Satunnaisalgoritmit ovat algoritmeja, joiden

Lisätiedot

6. laskuharjoitusten vastaukset (viikot 10 11)

6. laskuharjoitusten vastaukset (viikot 10 11) 6. laskuharjoitusten vastaukset (viikot 10 11) 1. a) Sivun 102 hypergeometrisen jakauman määritelmästä saadaan µ µ 13 39 13! 13 12 11 10 9 µ 0! 8! 1! 2 2! 2 1 0 49 48! 47!! 14440 120 31187200 120 1287

Lisätiedot

Hintadiskriminaatio 2/2

Hintadiskriminaatio 2/2 Hintadiskriminaatio 2/2 Matti Hellvist 12.2.2003 Toisen asteen hintadiskrimiaatio eli tuotteiden kohdennus Toisen asteen hintadiskriminaatio toimii tilanteessa, jossa kuluttajat ovat keskenään erilaisia

Lisätiedot

MITEN OPIT SKAALATAAN? TONI LUHTI - PLATFORM OF TRUST

MITEN OPIT SKAALATAAN? TONI LUHTI - PLATFORM OF TRUST MITEN OPIT SKAALATAAN? TONI LUHTI - PLATFORM OF TRUST Miksi dataa pitäisi hyödyntää? 1. Ihmisten elämän parempi ymmärtäminen 2. Tietoiset päätökset (data = ymmärrys) 3. Kärpäsestä härkänen 4. Oikeiden

Lisätiedot

Pelipuiston päiväkodin ympäristökasvatussuunnitelma

Pelipuiston päiväkodin ympäristökasvatussuunnitelma Pelipuiston päiväkodin ökasvatussuunnitelma Päivähoito kantaa vastuun toimintansa aiheuttamasta ristökuormituksesta ottamalla huomioon kestävän kehityksen eri ulottuvuudet. Lapsia kasvatetaan ristötietoisuuteen

Lisätiedot

Tutkimaan oppimassa - Tutkivaa Oppimista varhaiskasvatuksessa

Tutkimaan oppimassa - Tutkivaa Oppimista varhaiskasvatuksessa Tutkimaan oppimassa - Tutkivaa Oppimista varhaiskasvatuksessa Professori Lasse Lipponen Helsingin yliopisto opetttajankoulutuslaitos Educamessut 2012 Miksi aurinko on keltainen Miten tuuli voi heiluttaa

Lisätiedot

Maisema myytävänä löytyykö ostaja?

Maisema myytävänä löytyykö ostaja? Maisema myytävänä löytyykö ostaja? Ville Ovaskainen, Liisa Tyrväinen ja Erkki Mäntymaa Metsäntutkimuslaitos, Vantaa ja Rovaniemi Luonnosta voimaa ja hyvinvointia -seminaari Luontokeskus Haltia 25.3.2014

Lisätiedot

TIETO LISÄÄ TAITOA. ARVIOINTIIN PERUSTUVA JOHTAMINEN Oppimistulosten arviointi. Anu Räisänen

TIETO LISÄÄ TAITOA. ARVIOINTIIN PERUSTUVA JOHTAMINEN Oppimistulosten arviointi. Anu Räisänen TIETO LISÄÄ TAITOA ARVIOINTIIN PERUSTUVA JOHTAMINEN Oppimistulosten arviointi 24.9.2013 TULOSTEN, VAIKUTUSTEN & VAIKUTTAVUUDEN ARVIOINNIN TARVE Miksi näppituntuma ei riitä? Kansalaisten oikeuksien turvaaminen

Lisätiedot

JOHDATUS TEKOÄLYYN LUENTO 4.

JOHDATUS TEKOÄLYYN LUENTO 4. 2009 CBS INTERACTIVE JOHDATUS TEKOÄLYYN LUENTO 4. TODENNÄKÖISYYSMALLINNUS II: BAYESIN KAAVA TEEMU ROOS Marvin Minsky Father of Artificial Intelligence, 1927 2016 PINGVIINI(tweety) :- true. Wulffmorgenthaler

Lisätiedot

PARIEN KANSSA. stä. ja Miesten keskuksen yhteistyöst. 11.3.2010 klo 12.45 13.15 Sirpa Hopiavuori Ensi- ja turvakotienliitto Miesten keskus

PARIEN KANSSA. stä. ja Miesten keskuksen yhteistyöst. 11.3.2010 klo 12.45 13.15 Sirpa Hopiavuori Ensi- ja turvakotienliitto Miesten keskus PARIEN KANSSA TEHTÄVÄ TYÖ Kokemuksia A-klinikka A ja Miesten keskuksen yhteistyöst stä Näkymätön n näkyvn kyväksi, ksi, Seinäjoki 11.3.2010 klo 12.45 13.15 Sirpa Hopiavuori Ensi- ja turvakotienliitto Miesten

Lisätiedot

Symbolinen mallintaminen: tausta. Kognitiivinen mallintaminen I. Symbolisysteemin hypoteesi. Symbolisysteemin hypoteesi

Symbolinen 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

Lisätiedot

STEFAN KARKULAHTI HARJOITTELUN JA OPPIMISEN OPTIMOINTI. - case Black Knights korkeakoulujoukkue

STEFAN KARKULAHTI HARJOITTELUN JA OPPIMISEN OPTIMOINTI. - case Black Knights korkeakoulujoukkue STEFAN KARKULAHTI HARJOITTELUN JA OPPIMISEN OPTIMOINTI - case Black Knights korkeakoulujoukkue Harjoittelu Toistetaan määriteltyä toimintaa tai sen osaa jotta saavutetaan haluttu oppimistaso. Osaamistasot:

Lisätiedot

Päätöksentekomenetelmät

Päätöksentekomenetelmät L u e n t o Hanna Virta / Liikkeenjohdon systeemit Päätöksentekomenetelmät Luennon sisältö Johdanto päätöksentekoon Päätöksenteko eri tilanteissa Päätöspuut Päätösongelmia löytyy joka paikasta Päästökauppa:

Lisätiedot

Approksimatiivinen päättely

Approksimatiivinen päättely 218 Approksimatiivinen päättely Koska tarkka päättely on laskennallisesti vaativaa, niin on syytä tarkastella ratkaisujen approksimointia Approksimointi perustuu satunnaiseen otantaan tunnetusta todennäköisyysjakaumasta

Lisätiedot

Teknologia strategisen oppimisen apuvälineenä. Jonna Malmberg 17.12.2009 Oppimisen ja Koulutusteknologian tutkimusyksikkö

Teknologia strategisen oppimisen apuvälineenä. Jonna Malmberg 17.12.2009 Oppimisen ja Koulutusteknologian tutkimusyksikkö Teknologia strategisen oppimisen apuvälineenä Jonna Malmberg 17.12.2009 Oppimisen ja Koulutusteknologian tutkimusyksikkö 1. Tieto-ja viestintätekniikkaan liittyvät odotukset: OPPIMINEN LAADUKASTA - Internet

Lisätiedot

Moraalinen uhkapeli: perusmalli ja optimaalinen sopimus

Moraalinen uhkapeli: perusmalli ja optimaalinen sopimus Moraalinen uhkapeli: perusmalli a optimaalinen sopimus Mat-2.4142 Optimointiopin seminaari Mauno Taaamaa 18.02.2008 Esityksen rakenne Johdanto moraalisen uhkapelin käsite) Yksinkertaistettu tapaus a sen

Lisätiedot

Farmaseuttinen etiikka

Farmaseuttinen etiikka Farmaseuttinen etiikka Johdatus moraalifilosofiseen ajatteluun Luento 2. Farmasian tdk. 1.11. Markus Neuvonen markus.neuvonen@helsinki.fi http://blogs.helsinki.fi/amoneuvo Lyhyt katsaus kurssin sisältöihin

Lisätiedot

Uuden äärellä ohjelmoitava vai oppiva kone?

Uuden äärellä ohjelmoitava vai oppiva kone? 01110111010110 11110101010101 00101011010011 01010111010101 01001010101010 10101010101010 Uuden äärellä ohjelmoitava vai oppiva kone? Petteri Kaski Tietotekniikan laitos Aalto-yliopisto CS-A1120 Ohjelmointi

Lisätiedot

TUKIMATERIAALI: Arvosanan kahdeksan alle jäävä osaaminen

TUKIMATERIAALI: Arvosanan kahdeksan alle jäävä osaaminen 1 FYSIIKKA Fysiikan päättöarvioinnin kriteerit arvosanalle 8 ja niitä täydentävä tukimateriaali Opetuksen tavoite Merkitys, arvot ja asenteet T1 kannustaa ja innostaa oppilasta fysiikan opiskeluun T2 ohjata

Lisätiedot

Muuttujien eliminointi

Muuttujien eliminointi 228 Muuttujien eliminointi Toistuvat alilauseet voidaan evaluoida kerran ja niiden arvo talletetaan käytettäväksi aina tarvittaessa Tarkastellaan muuttujien eliminointi -algoritmia lausekkeen P(Murto jussikäy,

Lisätiedot

Tentissä on viisi tehtävää, jotka arvosteellaan asteikolla 0-6. Tehtävien alakohdat ovat keskenään samanarvoisia ellei toisin mainita.

Tentissä on viisi tehtävää, jotka arvosteellaan asteikolla 0-6. Tehtävien alakohdat ovat keskenään samanarvoisia ellei toisin mainita. Tentissä on viisi tehtävää, jotka arvosteellaan asteikolla 0-6. Tehtävien alakohdat ovat keskenään samanarvoisia ellei toisin mainita. Tehtävä 1 Mitä seuraavat käsitteet tarkoittavat? Monitahokas (polyhedron).

Lisätiedot

Rationaalisen toimijan malli

Rationaalisen toimijan malli Rationaalisen toimijan malli 27.1.2010 Millainen on rationaalinen toimija? Rationaalisesti toimivan henkilön preferenssit oletetaan johdonmukaisiksi Käyttäytymistieteilijät korostavat kuitenkin tilanteita,

Lisätiedot

Asiakkaiden ajatuksia laadusta ja arvioinnista. kelä

Asiakkaiden ajatuksia laadusta ja arvioinnista. kelä laadusta ja arvioinnista päihdetyössä Kimmo MäkelM kelä Asenne ratkaisee! Tää on työtä sydämell mellä Laadun ominaisuuksien jaottelu (Outinen ym. 1994) Toiminnan edellytysten laatu Toiminnan laatu Toiminnan

Lisätiedot

Käytännön ideoita verkostotyöhön & toimintatutkimuksellinen ote verkostojen kehittämiseen. Timo Järvensivu, KTT Aalto-yliopiston kauppakorkeakoulu

Käytännön ideoita verkostotyöhön & toimintatutkimuksellinen ote verkostojen kehittämiseen. Timo Järvensivu, KTT Aalto-yliopiston kauppakorkeakoulu Käytännön ideoita verkostotyöhön & toimintatutkimuksellinen ote verkostojen kehittämiseen Timo Järvensivu, KTT Aalto-yliopiston kauppakorkeakoulu Toimintatutkimus? Toimintatutkimus on sosiaalinen prosessi,

Lisätiedot

MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi 5B Bayesläiset piste- ja väliestimaatit Lasse Leskelä Matematiikan ja systeemianalyysin laitos Perustieteiden korkeakoulu Aalto-yliopisto

Lisätiedot