Uuden äärellä ohjelmoitava vai oppiva kone?
|
|
- Juuso Saarinen
- 7 vuotta sitten
- Katselukertoja:
Transkriptio
1 Uuden äärellä ohjelmoitava vai oppiva kone? Petteri Kaski Tietotekniikan laitos Aalto-yliopisto ICS-A1120 Ohjelmointi 2 9. toukokuuta
2 Sisältö (kierrokset ja moduulit) I 1. Lämmittelykierros Tietokoneen mysteeri 2. Bitit ja data 3. Kombinaatiologiikka 4. Sekventiaalilogiikka 5. Ohjelmoitava kone II Abstraktiot ja analyysi III Funktionaalinen ohjelmointityyli Suorituskykyanalyysi Rekursio Algoritmit ja informaation esitykset Uuden äärellä 10. Rinnakkaisuus ja samanaikaisuus 11. Virtualisointi ja skaalautuvuus 12. Ohjelmoitava vai oppiva kone? (Intel Xeon Phi Knights Landing -lastu, 72 suoritusydintä, 8 miljardia transistoria, 14 nanometrin litografia) (Google Hamina)
3 Uuden äärellä 10. Samanaikaisuus ja rinnakkaisuus 11. Virtualisointi ja skaalautuvuus 12. Ohjelmoitava vai oppiva kone? helppoa rinnakkaisuutta: rinnakkaiskokoelmat, futuurit ja lupaukset laskentaa saa kuin sähköä seinästä skaalautuvuus omasta koneesta tehdashallitietokoneeseen*; Apache Spark (asennettu Maarille) konetta voi joskus opettaa sen sijaan että sitä ohjelmoidaan, ts. kone osaa joskus näppärästi yleistää sille esitetyistä esimerkeistä *) vain sähkösopimus (ja luottokortti) tarvitaan
4 The science of learning mechanisms explores how a computationally limited entity can succeed in a world that is too complex for it to model. It focuses on three things: computationally bounded entities, successful action in a complex world, and, most importantly, the relationship between the two. Leslie Valiant, in Probably Approximately Correct: Nature s Algorithms for Learning and Prospering in a Complex World, Basic Books, 2013
5 Voisiko konetta opettaa sen sijaan että sitä ohjelmoidaan?
6 Motivaatio: Ohjelmointi on raakaa työtä ja ohjelmoija luonteeltaan peruslaiska (~ Miksi raataa jos kone voi raataa puolestasi?)
7 (Motivaatio:) Mitä on älykkyys? Mitä on tietoisuus? (~ Ehkäpä koneen opettaminen antaisi valaistusta asiaan?)
8 Miten ohjelmointi ja oppiminen eroavat toisistaan?
9 Mitä on opettaminen? Mitä on oppiminen? (Ja miten tämä suhtautuu ohjelmointiin? Mitä on älykkyys / luovuus?)
10 (Eräs tapa mieltää) Opettaminen / oppiminen vs ohjelmointi
11 Opettaja Oppija valitsee opetettavan aiheen/ aineiston valmistelee aineiston ja esittelee sen oppijalle (toistaa edellisiä oppijan suoriutumisen ml. oppijalta saadun palautteen perusteella) aineisto suoriutuminen & palaute tarkastelee esiteltyä aineistoa ja (toivoaksemme)py rkii oppimaan sen mitä opetetaan oppiminen vaatii työtä oppijalta aineiston omaksumista ( oppimista ) mitataan palaute opettajalle
12 Ohjelmoija Kone etsii täydellisen ratkaisumenetelmän tarkasteltavaan tehtävään (~ tehtävän ratkaisevan algoritmin) toteuttaa algoritmin tietokoneohjelmaksi haluamallaan ohjelmointikielellä voi halutessaan mitata ohjelman suorituskykyä eri syötteillä ohjelma (tehtävän ratkaisu & tietoa ohjelman suorituskyvystä) suorittaa annetun ohjelman
13 Ohjelmoitaessa työ on täysin ohjelmoijan puolella (ohjelman suoritusta vaille) Opittaessa oppiminen on oppijan vastuulla ( työ jakautuu tasaisemmin opettajan ja oppijan kesken)
14 Opettaja (~ohjelmoija) Oppija (~kone) valitsee opetettavan aiheen/ aineiston valmistelee aineiston ja esittelee sen oppijalle (toistaa edellisiä oppijan suoriutumisen ml. oppijalta saadun palautteen perusteella) aineisto (~data) suoriutuminen & palaute tarkastelee esiteltyä aineistoa ja oppii ohjelmointinsa perusteella oppiminen vaatii työtä oppijalta tämä työ on ohjelmoijalta pois! aineiston omaksumista ( oppimista ) mitataan
15 Mitä on opettaminen? Mitä on oppiminen?
16 Oppija pyrkii yleistämään annetuista esimerkeistä (Opettajan rooli on johdattaa oppija hyvien esimerkkien äärelle aina opettajaa ei edes tarvita!)
17 Esimerkkejä Osaisimmeko opettaa koneen näkemään nollia ja ykkösiä?
18 Esimerkkejä valmiiksi luokiteltuna ( nimettyinä ) Opettaja valmistelee nimettyjä esimerkkejä siitä miltä nolla ja yksi näyttävät, käsinkirjoitettuina
19 Oppijan tehtävä on oppia yleistämään esitetyistä esimerkeistä ennalta tuntemattomiin? tapauksiin
20 Opettaja voi helpottaa oppimista pelkistämällä esimerkeistä piirteitä, jotka korostavat opittavaa säännönmukaisuutta aineistossa (Piirteitä voidaan myös oppia ilman opettajan työtä)
21 Oppimisen arviointi ( validointi ) Opetusaineisto Testiaineisto Millä tarkkuudella oppija osaa käsitellä (tässä: luokitella nolliksi ja ykkösiksi) opetusaineistosta riippumattoman ja opetusvaiheessa tuntemattoman testiaineiston?
22 Oppimisen riskit Yleistys tuntemattomaan sisältää aina epävarmuutta Ehkäpä esimerkit eivät olekaan riittävän kattavia Virheet ovat oppimisen arkipäivää Virheet johtuvat mm. puutteellisista esimerkeistä ja puutteellisesta oppimisesta Virheisiin on varauduttava ja oppimista arvioitava
23 Oppimisen ihme Datan muoto palvelee tarkoitusta Muodosta voidaan (koneellisesti) päätellä tarkoituksen kannalta hyödyllistä Vrt. kone oppii tunnistamaan käsinkirjoitetut nollat ja ykköset niiden muodon (kirjoitusasun piirteiden) perusteella Datasta oppivat menetelmät ovat perin yksinkertaisia verrattuna ohjelmointiin (vrt. kirjoita ehtolauseilla miltä nolla näyttää ) Mitä runsaammin ja monipuolisemmin dataa on saatavilla, sitä hyödyllisemmäksi tulevat oppivat menetelmät Oppivat menetelmät ottavat työtä ohjelmoijalta pois ja siirtävät sitä koneelle lämpimästi suositellaan!
24 Koneoppimisen arkipäivää
25 Koneoppimisen arkipäivää
26 Tehtävät binaryvision opetamme koneen näkemään käsinkirjoitettuja 0 - ja 1 -lukuja bayes rakennamme naiivin Bayes-luokittimen ja sovellamme sitä 2011 eduskuntavaalien vaalikonedataan (Helsingin Sanomat) matrixinverse harjoittelemme numeerisen laskennan menetelmiä (käänteismatriisin laskeminen Gaussin eliminaatiolla) edellisen sovellus pienimmän neliövirheen polynomin sovittamiseen dataan (polynomiregressio) SVD lisää numeriikkaa singulaariarvohajotelma (SVD) [edellisen sovellus ohjaamattomaan piirteiden erotteluun]
27 Kurssikalenteri
28 Ohjelmointi 2 Ohjelmoinnin ja laskennan periaatteita porttitasolta funktionaaliseen rinnakkaisohjelmointiin Laskenta: Eräs vähiten ymmärretyistä luonnonilmiöistä Ohjelmointi: Keino valjastaa laskenta haluttuun tarkoitukseen
29 Porttitasolta tehdashallitietokoneeseen (Intel Xeon Phi Knights Landing -lastu, 72 suoritusydintä, 8 miljardia transistoria, 14 nanometrin litografia) (Google Hamina)
30 What s in your hands, I think and hope, is intelligence: the ability to see the machine as more than when you were first led up to it, that you can make it more. Alan J. Perlis (1 April February 1990) in foreword to Harold Abelson and Gerald Jay Sussman, with Julie Sussman, Structure and Interpretation of Computer Programs, 2nd ed., MIT Press, 1996
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
LisätiedotAbstraktiot ja analyysi algoritmit ja informaation esitykset
01110111010110 11110101010101 00101011010011 01010111010101 01001010101010 10101010101010 Abstraktiot ja analyysi algoritmit ja informaation esitykset Petteri Kaski Tietotekniikan laitos Aalto-yliopisto
LisätiedotICS-A1120 Ohjelmointi 2 (5 op, IV V, kevät 2015)
01110111010110 11110101010101 00101011010011 01010111010101 01001010101010 10101010101010 ICS-A1120 Ohjelmointi 2 (5 op, IV V, kevät 2015) Tommi Junttila & Petteri Kaski Tietotekniikan laitos Aalto-yliopisto!
LisätiedotICS-A1120 Ohjelmointi 2 (5 op, IV V, kevät 2016)
01110111010110 11110101010101 00101011010011 01010111010101 01001010101010 10101010101010 ICS-A1120 Ohjelmointi 2 (5 op, IV V, kevät 2016) Petteri Kaski Tietotekniikan laitos Aalto-yliopisto 22. helmikuuta
LisätiedotUuden äärellä rinnakkaisuus ja samanaikaisuus
01110111010110 11110101010101 00101011010011 01010111010101 01001010101010 10101010101010 Uuden äärellä rinnakkaisuus ja samanaikaisuus Petteri Kaski Tietotekniikan laitos Aalto-yliopisto ICS-A1120 Ohjelmointi
LisätiedotCS-A1120 Ohjelmointi 2 (5 op, IV V, kevät 2018)
01110111010110 11110101010101 00101011010011 01010111010101 01001010101010 10101010101010 CS-A1120 Ohjelmointi 2 (5 op, IV V, kevät 2018) Petteri Kaski Tietotekniikan laitos Aalto-yliopisto 19. helmikuuta
LisätiedotTietokoneen mysteeri ohjelmoitava kone
01110111010110 11110101010101 00101011010011 01010111010101 01001010101010 10101010101010 Tietokoneen mysteeri ohjelmoitava kone Petteri Kaski Tietotekniikan laitos Aalto-yliopisto ICS-A1120 Ohjelmointi
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
LisätiedotTILASTOLLINEN LAADUNVALVONTA
1 Aki Taanila TILASTOLLINEN LAADUNVALVONTA 31.10.2008 2 TILASTOLLINEN LAADUNVALVONTA Tasalaatuisuus on hyvä tavoite, jota ei yleensä voida täydellisesti saavuttaa: asiakaspalvelun laatu vaihtelee, vaikka
LisätiedotConstructive Alignment in Specialisation Studies in Industrial Pharmacy in Finland
Constructive Alignment in Specialisation Studies in Industrial Pharmacy in Finland Anne Mari Juppo, Nina Katajavuori University of Helsinki Faculty of Pharmacy 23.7.2012 1 Background Pedagogic research
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
LisätiedotNumeeriset menetelmät
Numeeriset menetelmät Luento 1 Ti 6.9.2011 Timo Männikkö Numeeriset menetelmät Syksy 2011 Luento 1 Ti 6.9.2011 p. 1/28 p. 1/28 Numeriikan termejä Simulointi: Reaalimaailman ilmiöiden jäljitteleminen (yleensä)
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.
LisätiedotPROJEKTIN OHJAUS JA SEURANTA JOUNI HUOTARI, ESA SALMIKANGAS
PROJEKTIN OHJAUS JA SEURANTA JOUNI HUOTARI, ESA SALMIKANGAS PROJEKTIN JOHTAMINEN ON YKSINKERTAISTA PUUHAA Projektin suunnittelua Projektin toteutusta Listaa tehtävät Tehkää tehtävät Projektin ohjausta
LisätiedotNäkökulmia tietoyhteiskuntavalmiuksiin
Näkökulmia tietoyhteiskuntavalmiuksiin Tietotekniikka oppiaineeksi peruskouluun Ralph-Johan Back Imped Åbo Akademi & Turun yliopisto 18. maaliskuuta 2010 Taustaa Tietojenkäsittelytieteen professori, Åbo
LisätiedotTEEMU ROOS (KALVOT MUOKATTU PATRIK HOYERIN LUENTOMATERIAALISTA)
JOHDATUS TEKOÄLYYN TEEMU ROOS (KALVOT MUOKATTU PATRIK HOYERIN LUENTOMATERIAALISTA) KONEOPPIMINEN LINKKI VIDEOON: INTERVIEW WITH PROF.POGGIO FOR THE MCGOVERN INSTITUTE FACULTY PROFILE. MIT 2009-2010 KONEOPPIMINEN
Lisätiedotanna minun kertoa let me tell you
anna minun kertoa let me tell you anna minun kertoa I OSA 1. Anna minun kertoa sinulle mitä oli. Tiedän että osaan. Kykenen siihen. Teen nyt niin. Minulla on oikeus. Sanani voivat olla puutteellisia mutta
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
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
LisätiedotMiten tukea ja ohjata opiskelijoiden työssä tapahtuvaa oppimista? Anne Virtanen
Miten tukea ja ohjata opiskelijoiden työssä tapahtuvaa oppimista? Anne Virtanen Jyväskylän yliopisto, Koulutuksen tutkimuslaitos OHTY / TAO Alustus TAO-seminaarissa 29.4.2011 Tutkimuskohteena opiskelijoiden
LisätiedotVerkkotehtäviin pohjautuva arviointi matematiikan opetuksessa
Verkkotehtäviin pohjautuva arviointi matematiikan opetuksessa Linda Blåfield, Helle Majander, Antti Rasila & Pekka Alestalo Aalto-yliopiston teknillinen korkeakoulu Oppimisen arviointi Käytännössä: Tarkastellaan
LisätiedotAjattelu ja oppimaan oppiminen (L1)
Ajattelu ja oppimaan oppiminen (L1) Mitä on oppimaan oppiminen? Kirjoita 3-5 sanaa, jotka sinulle tulevat mieleen käsitteestä. Vertailkaa sanoja ryhmässä. Montako samaa sanaa esiintyy? 1 Oppimaan oppiminen
LisätiedotWhat do you do when you see that your colleague does something wrong? Learning organization and tools for expressing criticism
What do you do when you see that your colleague does something wrong? Learning organization and tools for expressing criticism Originally: Alessandro Sicora 1 7. 1 0. 2 0 1 1 H A N N A M A I J A L A (
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
LisätiedotMEETING PEOPLE COMMUNICATIVE QUESTIONS
Tiistilän koulu English Grades 7-9 Heikki Raevaara MEETING PEOPLE COMMUNICATIVE QUESTIONS Meeting People Hello! Hi! Good morning! Good afternoon! How do you do? Nice to meet you. / Pleased to meet you.
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
LisätiedotYHTEISTYÖN KÄYTÄNNÖT UUDEN TIEDON LUOMISESSA
Professori Hannu Kärkkäinen Tampereen teknillinen yliopisto KOULUTUSTILAISUUS 18.9.2012 KLO 9-12 YHTEISTYÖN KÄYTÄNNÖT UUDEN TIEDON LUOMISESSA THE RANGE OF WHAT WE THINK AND DO IS LIMITED BY WHAT WE FAIL
Lisätiedot1 Bayesin teoreeman käyttö luokittelijana
1 Bayesin teoreeman käyttö luokittelijana Bayesin kaavan mukaan merkityksen kontekstille c ehdollistettu todennäkköisyys voidaan määrittää alla olevan yhtälön perusteella: P ( c) = P (c )P ( ) P (c) (1)
Lisätiedot805306A Johdatus monimuuttujamenetelmiin, 5 op
monimuuttujamenetelmiin, 5 op syksy 2018 Matemaattisten tieteiden laitos Johdatus monimuuttujamenetelmiin Luennot 30.10.13.12.-18 Tiistaina klo 12-14 (30.10., BF119-1) Keskiviikkoisin klo 10-12 (MA101,
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
LisätiedotLupa toimia eri tavalla
Lupa toimia eri tavalla Forssa 31.1. 2013 Anssi Tuulenmäki, Yli-innovaatioaktivisti Tutkimuspäällikkö vai Yli-innovaatioaktivisti? Vastaanottovirkailija vai First Impression Manager? Erroristi Data Danny
LisätiedotDigitalisaation ja IT:n johtamisen vaatimat kyvykkyydet ja osaamisen kehittäminen
ISM-opiskelijat: Digitalisaation ja IT:n johtamisen vaatimat kyvykkyydet ja osaamisen kehittäminen Emma Falck, Joona Åström, Teemu Laiho & Roni Luoma ILF - IAC Iltapuhde 11.9.2018 ISM - Information and
LisätiedotMielestämme hyvä kannustus ja mukava ilmapiiri on opiskelijalle todella tärkeää.
Ops-perusteluonnosten palaute Poikkilaakson oppilailta 1 LUKU 2 B Perusopetuksen arvoperusta Suunta on oikea, ja tekstissä kuvataan hyvin sitä, kuinka kaikilla lapsilla kuuluisi olla oikeus opiskella ja
LisätiedotSeminaari: Hajautetut algoritmit syksy 2009
Seminaari: Hajautetut algoritmit syksy 2009 http://www.cs.helsinki.fi/u/josuomel/sem-2009s/ Jukka Suomela 10.9.2009 Seminaari: Hajautetut algoritmit syksy 2009 Seminaarin työmuodot 2 / 38 Aikataulu ja
LisätiedotVerkoston päätyypit. Nykyään rihmastomainen puuhailu, ei keskusmaista, mielipidejohtajatyyppistä toimintaa.
SOMETU-VERKOSTON JÄSENTEN ROOLEJA: Supermoodi Ryvästäjä Siiloittaja Verkottuja Seurattava Seuraaja Mittakaavaton verkosto 1-9-90-sääntö Verkosto Internetissä 2030 Verkoston päätyypit Nykyään rihmastomainen
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:
LisätiedotSUKELLUS TULEVAISUUDEN OPPIMISEEN
SUKELLUS TULEVAISUUDEN OPPIMISEEN Prof Kirsti Lonka kirstilonka.fi, Twitter: @kirstilonka Opettajankoulutuslaitos Helsingin yliopisto Blogs.helsinki.fi/mindthegap Blogs.helsinki.fi/mindthegap Opettajan
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
LisätiedotChoose Finland-Helsinki Valitse Finland-Helsinki
Write down the Temporary Application ID. If you do not manage to complete the form you can continue where you stopped with this ID no. Muista Temporary Application ID. Jos et onnistu täyttää lomake loppuun
LisätiedotTähtitieteen käytännön menetelmiä Kevät 2009 Luento 4: Ohjelmointi, skriptaus ja Python
Tähtitieteen käytännön menetelmiä Kevät 2009 Luento 4: Ohjelmointi, skriptaus ja Python 31. tammikuuta 2009 Ohjelmointi Perusteet Pythonin alkeet Esittely Esimerkkejä Muuttujat Peruskäsitteitä Käsittely
Lisätiedot11/20: Konepelti auki
Ohjelmointi 1 / syksy 2007 11/20: Konepelti auki Paavo Nieminen nieminen@jyu.fi Tietotekniikan laitos Informaatioteknologian tiedekunta Jyväskylän yliopisto Ohjelmointi 1 / syksy 2007 p.1/11 Tämän luennon
LisätiedotOpiskelijat valtaan! TOPIC MASTER menetelmä lukion englannin opetuksessa. Tuija Kae, englannin kielen lehtori Sotungin lukio ja etälukio
Opiskelijat valtaan! TOPIC MASTER menetelmä lukion englannin opetuksessa Tuija Kae, englannin kielen lehtori Sotungin lukio ja etälukio Päättääkö opettaja ohjelmasta? Vai voisivatko opiskelijat itse suunnitella
LisätiedotTaulukkolaskenta II. Taulukkolaskennan edistyneempiä piirteitä
Taulukkolaskenta II Taulukkolaskennan edistyneempiä piirteitä Edistyneempää taulukkolaskentaa Tekstitiedoston tuonti taulukkolaskentaohjelmaan Lajittelu - taulukon lajittelu pyydettyjen sarakkeiden mukaan
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
LisätiedotParinmuodostuksesta tietojenkäsittelytieteen silmin. Petteri Kaski Tietojenkäsittelytieteen laitos Aalto-yliopisto
Parinmuodostuksesta tietojenkäsittelytieteen silmin Petteri Kaski Tietojenkäsittelytieteen laitos Aalto-yliopisto Suomalainen Tiedeakatemia Nuorten Akatemiaklubi 18.10.2010 Sisältö Mitä tietojenkäsittelytieteessä
LisätiedotOpettajalle ohje opintojakson toteutuksen tekemiselle mallipohjana ja mallipohjan tuominen opintojakson toteutukseen.
1 Opettajalle ohje opintojakson toteutuksen tekemiselle mallipohjana ja mallipohjan tuominen opintojakson toteutukseen. (HUOM!): Toteutussuunnitelmat otetaan käyttöön vasta 2015 OPSista lähtien. (Connect
LisätiedotAIKA JA OPPIMINEN ASKO KARJALAINEN 2007 OULUN YLIOPISTO OPPIMISYHTEISÖT AJASSA SEMINAARI KUOPION YLIOPISTOSSA 22.11.2007
AIKA JA OPPIMINEN ASKO KARJALAINEN 2007 OULUN YLIOPISTO OPPIMISYHTEISÖT AJASSA SEMINAARI KUOPION YLIOPISTOSSA 22.11.2007 AJAN ARVOITUS? AJAN HALLINNAN KOKEMUS ON TÄRKEÄ, JOS SE KATOAA UHKAA MIELEN JÄRKKYMINEN
LisätiedotTekoäly ja sen soveltaminen yrityksissä. Mika Rantonen
Tekoäly ja sen soveltaminen yrityksissä Mika Rantonen Tekoäly- paljon puhetta, mistä kyse? Lyhyesti sanottuna: tekoäly on sellaista koneen tekemää toimintaa, joka ihmisen tekemänä olisi älykästä Otetaan
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
LisätiedotOngelma(t): Mihin perustuu tietokoneiden suorituskyky ja sen jatkuva kasvu? Mitkä tekijät rajoittavat suorituskyvyn parantamista ja mitkä niistä ovat
Ongelma(t): Mihin perustuu tietokoneiden suorituskyky ja sen jatkuva kasvu? Mitkä tekijät rajoittavat suorituskyvyn parantamista ja mitkä niistä ovat ehdottomia? 2012-2013 Lasse Lensu 2 Nykyiset tietokoneet
LisätiedotKoulutusta vai kasvatusta? Seikkailu- ja ryhmätoiminnan mahdollisuudet lasten ja nuorten kasvun tukena
Koulutusta vai kasvatusta? Seikkailu- ja ryhmätoiminnan mahdollisuudet lasten ja nuorten kasvun tukena SOOL ry ympäristökasvatuksen teemaseminaari 16.10.2015 Rauma Paavo Heinonen Mitä? Missä? Milloin?
LisätiedotOpetussuunnitelma uudistui mikä muuttui? Tietoja Linnainmaan koulun huoltajille syksy 2016
Opetussuunnitelma uudistui mikä muuttui? Tietoja Linnainmaan koulun huoltajille syksy 2016 Mikä on opetussuunnitelma? Opetussuunnitelma on kaiken koulun opetuksen ja toiminnan perusta. Siinä kerrotaan,
LisätiedotTähtitieteen käytännön menetelmiä Kevät 2009
Tähtitieteen käytännön menetelmiä Kevät 2009 2009-01-12 Yleistä Luennot Luennoija hannu.p.parviainen@helsinki.fi Aikataulu Observatoriolla Maanantaisin 10.00-12.00 Ohjattua harjoittelua maanantaisin 9.00-10.00
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
LisätiedotAlgoritmit 1. Luento 3 Ti Timo Männikkö
Algoritmit 1 Luento 3 Ti 17.1.2017 Timo Männikkö Luento 3 Algoritmin analysointi Rekursio Lomituslajittelu Aikavaativuus Tietorakenteet Pino Algoritmit 1 Kevät 2017 Luento 3 Ti 17.1.2017 2/27 Algoritmien
LisätiedotOpettajan pedagoginen ajattelu
Oulun yliopisto / Kasvatustieteiden ja Opettajankoulutuksen yksikkö Sanna Järvelä & etunimi.sukunimi(at)oulu.fi http://oppiohja.wordpress.com/ Oppimisen ohjaaminen, opetuksen suunnittelu ja arviointi Opettajan
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
LisätiedotViikko 2: Ensimmäiset ennustajat Matti Kääriäinen matti.kaariainen@cs.helsinki.fi
Viikko 2: Ensimmäiset ennustajat Matti Kääriäinen matti.kaariainen@cs.helsinki.fi Exactum C222, 5.-7.11.2008. 1 Tällä viikolla Sisältösuunnitelma: Ennustamisstrategioista Koneoppimismenetelmiä: k-nn (luokittelu
LisätiedotTietokoneen mysteeri ohjelmoitava kone
Tämä luento poikkeuksellisesti salissa TU2, TUAS-talo, Maarintie 7 01110111010110 11110101010101 00101011010011 01010111010101 01001010101010 10101010101010 Tietokoneen mysteeri ohjelmoitava kone Petteri
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
LisätiedotSPSS-pikaohje. Jukka Jauhiainen OAMK / Tekniikan yksikkö
SPSS-pikaohje Jukka Jauhiainen OAMK / Tekniikan yksikkö SPSS on ohjelmisto tilastollisten aineistojen analysointiin. Hyvinvointiteknologian ATK-luokassa on asennettuna SPSS versio 13.. Huom! Ainakin joissakin
Lisätiedot812336A C++ -kielen perusteet, 21.8.2010
812336A C++ -kielen perusteet, 21.8.2010 1. Vastaa lyhyesti seuraaviin kysymyksiin (1p kaikista): a) Mitä tarkoittaa funktion ylikuormittaminen (overloading)? b) Mitä tarkoittaa jäsenfunktion ylimääritys
LisätiedotMS-A0004 - Matriisilaskenta Laskuharjoitus 3
MS-A0004 - Matriisilaskenta Laskuharjoitus 3 atkaisut Tehtävä Merkitään matriisin rivejä, 2 ja 3. Gaussin eliminoinnilla saadaan 3 5 4 7 3 5 4 7 3 2 4 2+ 0 3 0 6 6 8 4 3+2 2 0 3 0 6 3 5 4 7 0 3 0 6 3+
LisätiedotMENNÄÄN AJOISSA NUKKUMAAN! -kotitehtävävihkoon liittyvä ohje opettajalle
MENNÄÄN AJOISSA NUKKUMAAN! -kotitehtävävihkoon liittyvä ohje opettajalle Hyvä 5.- ja 6. -luokkalaisen opettaja, Mennään ajoissa nukkumaan! on 5.- ja 6. -luokkalaisille tarkoitettu vuorovaikutteinen kotitehtävävihko,
LisätiedotTässä luvussa käsitellään optimaalisten piirteiden valintaa, luokittelijan optimointia ja luokittelijan suorituskyvyn arviointia.
1 Luokittelijan suorituskyvyn optimointi Tässä luvussa käsitellään optimaalisten piirteiden valintaa, luokittelijan optimointia ja luokittelijan suorituskyvyn arviointia. A. Piirteen valinnan menetelmiä
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
LisätiedotMUUTOS 14! - Sosiaaliset kriteerit julkisissa hankinnoissa!
Kysely Välkky-projektissa keväällä 2011 toteutetuista MUUTOS! -koulutuksista MUUTOS 14! - Sosiaaliset kriteerit julkisissa hankinnoissa! Aika ja paikka: 11.3.2011, MTC Oy, Pori Kouluttajat: Timo Martelius
LisätiedotMakroekologiaa pedagogisella mikrolusikalla
Makroekologiaa pedagogisella mikrolusikalla Jukka Forsman Biologian laitos Mentori: Seppo Rytkönen, Biologian laitos Species diversity and coexistence - Syventävä kurssi, 3 op. - 10 2 h - Loppusuorituksena
LisätiedotRinnakkaisuuden hyväksikäyttö peleissä. Paula Kemppi
Rinnakkaisuuden hyväksikäyttö peleissä Paula Kemppi 24.4.2008 Esityksen rakenne Johdantoa Rinnakkaisuus Pelimoottorien rinnakkaisuuden mallit Funktionaalisen rinnakkaisuuden malli Rinnakkaisen tiedon malli
LisätiedotYhtälöryhmät 1/6 Sisältö ESITIEDOT: yhtälöt
Yhtälöryhmät 1/6 Sisältö Yhtälöryhmä Yhtälöryhmässä on useita yhtälöitä ja yleensä myös useita tuntemattomia. Tavoitteena on löytää tuntemattomille sellaiset arvot, että kaikki yhtälöt toteutuvat samanaikaisesti.
LisätiedotOpiskelijoiden ja opettajien erilaiset käsitykset opettamisesta koulutuksen suunnittelun taustalla
Opiskelijoiden ja opettajien erilaiset käsitykset opettamisesta koulutuksen suunnittelun taustalla Viivi Virtanen ja Sari Lindblom-Ylänne Kasvatustieteen päivät Vaasa 23.11.2007 Kuvat Aki Suzuki ja Heikki
LisätiedotINTELLITRAM 500 KÄYTTÖOHJE
INTELLITRAM 500 KÄYTTÖOHJE INTELLITRAM 500 KÄYTTÖOHJE Nro 020-505-S, versio 1.00 Mølhavevej 2 9440 Aabybro Denmark Puh. +45 9696 2500 Fax. +45 9696 2501 www.teejet.com 2 INTELLITRAM 500 KÄYTTÖOHJE SISÄLTÖ
LisätiedotKoodaamme uutta todellisuutta FM Maarit Savolainen https://blog.edu.turku.fi/matikkaajakoodausta/
Koodaamme uutta todellisuutta FM Maarit Savolainen 19.1.2017 https://blog.edu.turku.fi/matikkaajakoodausta/ Mitä on koodaaminen? Koodaus on puhetta tietokoneille. Koodaus on käskyjen antamista tietokoneelle.
LisätiedotLuku 2. Datasta tietoon: mitä dataa? mitä tietoa?
1 / 14 Luku 2. Datasta tietoon: mitä dataa? mitä tietoa? T-61.2010 Datasta tietoon, syksy 2011 professori Erkki Oja Tietojenkäsittelytieteen laitos, Aalto-yliopisto 31.10.2011 2 / 14 Tämän luennon sisältö
LisätiedotTeknologian hyödyntäminen oppimisen ja kehittämisen tukena
Teknologian hyödyntäminen oppimisen ja kehittämisen tukena Sami M. Leppänen 13.11.2012 Nokia Internal Use Only Motivaatio, uteliaisuus, hyöty, Tiedon käytettävyys, asenne, kognitiivisuus, kokemukset Pilvioppiminen
LisätiedotSalasanan vaihto uuteen / How to change password
Salasanan vaihto uuteen / How to change password Sisällys Salasanakäytäntö / Password policy... 2 Salasanan vaihto verkkosivulla / Change password on website... 3 Salasanan vaihto matkapuhelimella / Change
LisätiedotAmmattien välinen opettaminen ja oppiminen Lääketieteellisen tiedekunnan näkökulma
Ammattien välinen opettaminen ja oppiminen Lääketieteellisen tiedekunnan näkökulma Outi Kortekangas-Savolainen Ihotautilääkäri, dosentti Lääkärikouluttajan erityispätevyys, opettajan laaja-alainen kelpoisuus
LisätiedotWORKPLACE Käyttäjän OPAs
WORKPLACE käyttäjän opas everything disc WORKPLACE Everything DiSC Workplace johdanto Markkinoiden syvällisin, helposti räätälöitävissä oleva DiSC -pohjainen työyhteisövalmennusratkaisu. Everything DiSC
LisätiedotMiten oppimista voi tehostaa?
Miten oppimista voi tehostaa?, PsT, erikoistutkija TIEKE Vaikuta ja vaikutu juhlaseminaari 11.11.2014, Helsinki Virpi.Kalakoski@TTL.FI Oppiminen on vaativaa - tänään ja tulevaisuudessa Ihmisen kyky käsitellä
LisätiedotPitäisi olla semmosta lämpöö VÄLITTÄVÄN OPETTAJAN 10 TEESIÄ
KOULU TURVAPAIKKANA? oppilaan psyykkistä hyvinvointia edistämässä Jyväskylä 5.11.2015 Pitäisi olla semmosta lämpöö VÄLITTÄVÄN OPETTAJAN 10 TEESIÄ Tanja Äärelä KT, yliopistonlehtori, Lapin yliopisto erityisluokanopettaja,
LisätiedotHEUREKA LUO OIVALLUKSIA. FM Jutta Kujasalo, oppimispäällikkö
HEUREKA LUO OIVALLUKSIA FM Jutta Kujasalo, oppimispäällikkö HEUREKAN TAVOITTEENA ON VAIKUTTAA Viihteen kenttä Tiedepääoman kasvattaminen Vapaaehtoisen, omaehtoisen oppimisen kenttä Formaalin oppimisen
LisätiedotPythonin alkeet Syksy 2010 Pythonin perusteet: Ohjelmointi, skriptaus ja Python
Pythonin alkeet Syksy 2010 Pythonin perusteet: Ohjelmointi, skriptaus ja Python 8. marraskuuta 2010 Ohjelmointi Perusteet Peruskäsitteitä Olio-ohjelmointi Pythonin alkeet Esittely Esimerkkejä Muuttujat
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
LisätiedotToimintakulttuurin muutos 21. vuosisadan toimintakulttuuri! Vesa Äyräs
Toimintakulttuurin muutos 21. vuosisadan toimintakulttuuri! Vesa Äyräs Mitä tulevaisuuden vaatima osaaminen on? 24.4.201 4 2 ITL-tutkimuksesta Innovative Teaching and Learning Kansainvälinen tutkimus-
LisätiedotBasic Flute Technique
Herbert Lindholm Basic Flute Technique Peruskuviot huilulle op. 26 Helin & Sons, Helsinki Basic Flute Technique Foreword This book has the same goal as a teacher should have; to make himself unnecessary.
Lisätiedot11. Oppimismotivaatio ja tehokas oppiminen. (s )
11. Oppimismotivaatio ja tehokas oppiminen (s. 124-133) Käsitys itsestä oppijana käsitys itsestä oppijana muodostuu kokemusten pohjalta vaikuttavat esim. skeemat itsestä oppijana ja oppiaineesta tunteet
LisätiedotFunktion raja-arvo 1/6 Sisältö ESITIEDOT: reaalifunktiot
Funktion raja-arvo 1/6 Sisältö Esimerkki funktion raja-arvosta Lauseke f() = 1 cos määrittelee reaauuttujan reaaliarvoisen funktion f, jonka lähtöjoukko muodostuu nollasta eroavista reaaliluvuista. Periaatteessa
LisätiedotRacket ohjelmointia II. Tiina Partanen 2015
Racket ohjelmointia II Tiina Partanen 2015 Sisältö Peruspeli 1 Yksinkertainen peli, jossa kerätään kohteita ja väistellään vaaroja Pitkälle viety koodi, johon täydennetään vain puuttuvat palat Ei tarvita
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
LisätiedotLaskennallisen fysiikan esimerkkejä avoimesta tutkimuksesta Esa Räsänen Fysiikan laitos, Tampereen teknillinen yliopisto
Laskennallisen fysiikan esimerkkejä avoimesta tutkimuksesta Esa Räsänen Fysiikan laitos, Tampereen teknillinen yliopisto Julian Voss, Quantum man, 2006 (City of Moses Lake, Washington, USA) Kolme näkökulmaa
LisätiedotAloita A:sta. Ratkaise osion (A, B, C, D, jne ) yhtälö vihkoosi. Pisteytä se itse ohjeen mukaan.
Aloita A:sta Ratkaise osion (A, B, C, D, jne ) yhtälö vihkoosi. Pisteytä se itse ohjeen mukaan. Merkitse pisteet sinulle jaettavaan tehtävä- ja arviointilappuun. Kun olet saanut riittävästi pisteitä (6)
LisätiedotKonstruktiivisesti linjakas opetus. Saara Repo Avoimen yliopiston pedagoginen kahvila
Konstruktiivisesti linjakas opetus Saara Repo Avoimen yliopiston pedagoginen kahvila 17.11.2014 Opetuksen linjakkuus (Biggs & Tang 2007) Seuraavat opetuksen osat tukevat toisiaan oppimistavoitteet sisällöt
LisätiedotOsataanko ja voidaanko tvt:tä hyödyntää vieraiden kielten opetuksessa? Valtakunnalliset virtuaaliopetuksen päivät 2009
Osataanko ja voidaanko tvt:tä hyödyntää vieraiden kielten opetuksessa? Valtakunnalliset virtuaaliopetuksen päivät 2009 Peppi Taalas Jyväskylän yliopisto peppi.taalas@jyu.fi hdp://users.jyu.fi/~peppi hdp://kielikeskus.jyu.fi
LisätiedotLASTENSUOJELUN PRAKSIS
LASTENSUOJELUN PRAKSIS vastaa lastensuojelun haasteisiin Kehrä Pääkaupunkiseudun lastensuojelupäivät Kehittävä sosiaalityöntekijä 30.9.2011 Tiina Muukkonen Lastensuojelun haasteet niistä on runsaudenpula
LisätiedotICT-info opiskelijoille. Syksy 2017
ICT-info opiskelijoille Syksy 2017 BYOD on toimintamalli, joka on nopeasti yleistymässä niin yrityksissä kuin oppilaitoksissakin. BYOD-kokonaisuuteen kuuluu WLAN, tulostus, tietoturva, sovellukset, IT-luokat,
LisätiedotResults on the new polydrug use questions in the Finnish TDI data
Results on the new polydrug use questions in the Finnish TDI data Multi-drug use, polydrug use and problematic polydrug use Martta Forsell, Finnish Focal Point 28/09/2015 Martta Forsell 1 28/09/2015 Esityksen
LisätiedotLuonnollisten lukujen laskutoimitusten määrittely Peanon aksioomien pohjalta
Simo K. Kivelä, 15.4.2003 Luonnollisten lukujen laskutoimitusten määrittely Peanon aksioomien pohjalta Aksioomat Luonnolliset luvut voidaan määritellä Peanon aksioomien avulla. Tarkastelun kohteena on
LisätiedotTeen koko ajan aktiivista mainontaa Googlessa. Tavoite on olla etusivulla, kun haetaan henkisiä tapahtumia, kursseja, yrittäjiä.
1 Palvelut ja Hinnasto 4.3.2016 Palvelut Ilmaisia sivuja ovat Tapahtumakalenteri, Yrityksiä ja Vuokrattavia tiloja. Näillä sivuilla on lomakkeet, joilla saat tapahtuman ja yrityksesi sivuille. Valokeilassa
LisätiedotMatemaattiset oppimisvaikeudet
Matemaattiset oppimisvaikeudet Matemaattiset taidot Lukumäärien ja suuruusluokkien hahmottaminen synnynnäinen kyky, tarkkuus (erottelukyky) lisääntyy lapsen kasvaessa yksilöllinen tarkkuus vaikuttaa siihen,
LisätiedotEnergiatehokkuus ja lämmitystavat. Keski-Suomen Energiatoimisto www.kesto.fi/energianeuvonta energianeuvonta@kesto.fi
Energiatehokkuus ja lämmitystavat Keski-Suomen Energiatoimisto www.kesto.fi/energianeuvonta energianeuvonta@kesto.fi 1 Sisältö Rakennusten energiankulutus nyt ja tulevaisuudessa Lämmitysmuotojen kustannuksia
Lisätiedot