Eero Hyvönen Helsingin yliopisto
|
|
- Sanna-Kaisa Karvonen
- 7 vuotta sitten
- Katselukertoja:
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 Symbolinen mallintaminen: 2. luento Ongelmanratkaisu Ongelmanratkaisu Rationaalinen agentti Ongelma-avaruus Hakustrategiat ongelma-avaruudessa sokea haku tietoinen haku heuristiikat
Lisätiedot4 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
LisätiedotNollasummapelit 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
Lisätiedot5. 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
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
Lisätiedot3. 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
LisätiedotRationaalisen 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,
LisätiedotOpettaminen 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
LisätiedotTekoäly muuttaa arvoketjuja
Tekoäly muuttaa arvoketjuja Näin kartoitat tekoälyn mahdollisuuksia projektissasi Harri Puolitaival Harri Puolitaival Diplomi-insinööri ja yrittäjä Terveysteknologia-alan start-up: Likelle - lämpötilaherkkien
LisätiedotInformaation 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
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
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
LisätiedotTAIDEKASVATUS YHTEISÖLLISYYDEN VAHVISTAJANA
TAIDEKASVATUS YHTEISÖLLISYYDEN VAHVISTAJANA Siellä sai olla yhdessä Sai tehdä porukassa erityisopettaja 1 TAIDEPAJALAISTEN POSITIIVISIA KOKEMUKSIA TAIDEPAJOISSA Yhdessä tekeminen oli kaikkein tärkein t
LisätiedotJULKISTEN 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
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
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
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
LisätiedotLAAJENNETUN 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
LisätiedotLaskut 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
LisätiedotMikä 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.
LisätiedotLuento 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,
LisätiedotTulevaisuuden 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
LisätiedotSurveytutkimusksen 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
LisätiedotMS-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
LisätiedotAgentin 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
LisätiedotLiikennelabra 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
LisätiedotViime 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
LisätiedotLuento 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
LisätiedotOnnistuneen oppimisprosessin edellytyksiä verkossa
Onnistuneen oppimisprosessin edellytyksiä verkossa prof. Sanna Järvelä Oulun yliopisto Kasvatustieteiden tiedekunta Koulutusteknologian tutkimusyksikkö tietokoneavusteinen opetus etäopetus tietoverkkojen
LisätiedotBayesin 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
LisätiedotMetsien 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
LisätiedotLaitoskuntoutuksen 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
LisätiedotVerkkokoulutus 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
LisätiedotHaitallinen 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
LisätiedotVarian 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
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
LisätiedotHaitallinen 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
LisätiedotLuento 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
LisätiedotTyönohjauksen mahdollisuudet varhaiskasvatuksessa
Työnohjauksen mahdollisuudet varhaiskasvatuksessa Johdon työnohjaaja, KT Veijo Nivala Tampereen yliopisto/ Varhaiskasvatus Johtajuusfoorumi 3.4.2014 (Johdon) työnaohjauksen kontekstuaalinen mallinnos Elämisen
LisätiedotYleistä 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
LisätiedotLuento 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-
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
LisätiedotKILPAILUSUORITUS 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
LisätiedotKansallinen 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
LisätiedotArvot 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
LisätiedotDigi 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,
LisätiedotMaiju 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
Lisätiedot1 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
LisätiedotTOIMIVAN 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
LisätiedotKUNTIEN 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
LisätiedotVirtuaalimoduulien pedagoginen tavoitteisto. Liisa Kyyrönen
Virtuaalimoduulien pedagoginen tavoitteisto Liisa Kyyrönen 8.12.2004 Miksi? Miksi tulevan opettajan kannattaa valita opiskelijan virtuaaliympäristö omaksi oppimisympäristökseen? Miten virtuaaliympäristön
LisätiedotJohdatus yrittäjyyskasvatukseen
Johdatus yrittäjyyskasvatukseen Kari Ristimäki kari.ristimaki@puv.fi Mikkeli 16.10.2007 Yrittäjyyskasvatuksen keskeiset määm ääritelmät yrittäjyyskasvatuksen menetelmiä ja materiaaleja Yrittäjyyskasvatus
LisätiedotLuento 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
LisätiedotHow 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
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
Lisätiedot-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
LisätiedotToimitusketjun 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
LisätiedotTekoäly 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
LisätiedotHarjoitus 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
LisätiedotKielellisten 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
LisätiedotBayesilainen päätöksenteko / Bayesian decision theory
Bayesilainen päätöksenteko / Bayesian decision theory Todennäköisyysteoria voidaan perustella ilman päätösteoriaa, mutta vasta päätösteorian avulla siitä on oikeasti hyötyä Todennäköisyyteoriassa tavoitteena
LisätiedotTentin 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
LisätiedotFIPA-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
LisätiedotTILASTOLLINEN 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%
LisätiedotKansanopiston 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
LisätiedotTIIMITYÖSKENTELY ( 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.
Lisätiedot1. 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
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
LisätiedotTulevaisuuden 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
Lisätiedot1 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
LisätiedotAgentit 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
Lisätiedot1. TODENNÄKÖISYYSJAKAUMIEN ESTIMOINTI
1. TODENNÄKÖISYYSJAKAUMIEN ESTIMOINTI Edellä esitelty Bayesiläinen luokittelusääntö ( Bayes Decision Theory ) on optimaalinen tapa suorittaa luokittelu, kun luokkien tnjakaumat tunnetaan Käytännössä tnjakaumia
LisätiedotDiskreetit todennäköisyysjakaumat. Kertymäfunktio Odotusarvo Binomijakauma Poisson-jakauma
Diskreetit todennäköisyysjakaumat Kertymäfunktio Odotusarvo Binomijakauma Poisson-jakauma Satunnaismuuttuja Satunnaisilmiö on ilmiö, jonka lopputulokseen sattuma vaikuttaa Satunnaismuuttuja on muuttuja,
LisätiedotHankearvioinnin kehikko - käsitteet
Hankearvioinnin kehikko - käsitteet Yhteiskuntataloudellinen analyysi = Kannattavuuslaskelma + Vaikutusten analysointi + Toteuttavuuden arviointi Vaikutusten analyysissa tuodaan esiin erityisesti ne hyödyt
LisätiedotSatunnaisalgoritmit. 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
Lisätiedot6. 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
LisätiedotHintadiskriminaatio 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
LisätiedotMITEN 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
LisätiedotPelipuiston päiväkodin ympäristökasvatussuunnitelma
Pelipuiston päiväkodin ökasvatussuunnitelma Päivähoito kantaa vastuun toimintansa aiheuttamasta ristökuormituksesta ottamalla huomioon kestävän kehityksen eri ulottuvuudet. Lapsia kasvatetaan ristötietoisuuteen
LisätiedotTutkimaan 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
LisätiedotMaisema 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
LisätiedotTIETO 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
LisätiedotJOHDATUS 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
LisätiedotPARIEN 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
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
LisätiedotSTEFAN 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:
LisätiedotPäätöksentekomenetelmät
L u e n t o Hanna Virta / Liikkeenjohdon systeemit Päätöksentekomenetelmät Luennon sisältö Johdanto päätöksentekoon Päätöksenteko eri tilanteissa Päätöspuut Päätösongelmia löytyy joka paikasta Päästökauppa:
LisätiedotApproksimatiivinen päättely
218 Approksimatiivinen päättely Koska tarkka päättely on laskennallisesti vaativaa, niin on syytä tarkastella ratkaisujen approksimointia Approksimointi perustuu satunnaiseen otantaan tunnetusta todennäköisyysjakaumasta
LisätiedotTeknologia 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
LisätiedotMoraalinen 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
LisätiedotFarmaseuttinen 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
LisätiedotUuden 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
LisätiedotTUKIMATERIAALI: 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
LisätiedotMuuttujien eliminointi
228 Muuttujien eliminointi Toistuvat alilauseet voidaan evaluoida kerran ja niiden arvo talletetaan käytettäväksi aina tarvittaessa Tarkastellaan muuttujien eliminointi -algoritmia lausekkeen P(Murto jussikäy,
LisätiedotTentissä 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).
LisätiedotRationaalisen toimijan malli
Rationaalisen toimijan malli 27.1.2010 Millainen on rationaalinen toimija? Rationaalisesti toimivan henkilön preferenssit oletetaan johdonmukaisiksi Käyttäytymistieteilijät korostavat kuitenkin tilanteita,
LisätiedotAsiakkaiden 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
LisätiedotKäytännön 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,
LisätiedotMS-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