Koneoppimis- ja tekoälyratkaisut yleistyvät vauhdilla kaikilla toimialoilla. Sekä yksityisellä että julkisella puolella on herätty tähän ”vallankumoukseen”, joka näkyy tahtotilana investoida merkittävästi alan ratkaisujen kehittämiseen. Yritykset näkevät tekoälyn ohittamattomana kilpailutekijänä ja julkinen puoli arvelee kurovansa kestävyysvajetta umpeen sen avulla.

Useimmille meistä tekoäly ja koneoppiminen on kuitenkin uutisia itseajavista autoista, älykkäistä peleistä, kuvantunnistuksesta tai kuinka tekoäly vie työpaikat ja murskaa ihmiskunnan.

Tässä tekoälyn perusteet koulutuksessa tehdään ns. reality check tekoälyn todellisiin kykyihin nyt ja lähivuosina. Samalla käydään lävitse, että mihin tekoälyn kehittäminen perustuu ja miten käytännössä tehdään koneoppimismalleja.

Käymällä tämän AI-kurssin tiedät tekoälystä ja koneoppimisesta enemmän kuin 99.5%:ia ihmiskunnasta. 

Katso lyhyt tästä video What is Machine Learning. Hannu Järvi kirjoittaa sen mullistavasta vaikutuksesta blogissaan: Datan vallankumous.

KENELLE

Tekoälyn perusteet sopii kaikille tekoälystä ja koneoppimisesta kiinnostuneille. Taustaa matematiikasta, tilastotieteestä tai ohjelmoinnista ei tarvita.

Mikään yksittäinen AI-kurssi ei tee kenestäkään tekoälymestaria, mutta saattaa antaa kipinän lähteä ehkä maailman mielenkiintoisimmalle urapolulle.

Suurimmalle osalle osallistujista hyötynä on ymmärtää tekoälyn mahdollisuudet ja miten se käytännössä toimii.

TEKOÄLYN PERUSTEET KOULUTUKSEN RAKENNE JA SISÄLTÖ

Päivä 1. Ohjelma

• Mitä on koneoppiminen ja tekoäly?
• Käytännön esimerkkejä ja kokemuksia aihealueen ratkaisuista
• Koneoppimisen peruskonseptit, esim.
  • ratkaistavan haasteen (liiketoimintaongelman) määrittely
  • supervised / unsupervised / reinforcement learning
  • eri tyyppiset ennusteongelmat
  • training / testing / validation datajaottelu
  • ennustemallien ylisovitus, ristiinvalidointi, …
  • katsaus menetelmiin
• Datan jalostus koneoppimiseen soveltuvaksi
  • datan rakenne ja formaatti
  • data-analyysin suorittaminen
  • datan visualisointi
  • datan muunnokset
  • datan jalostaminen ja rikastaminen
• Hands-on harjoitukset RapidMinerilla (ilmaisversio)
  • datan sisäänluku ja esikäsittely
  • aineiston visualisointi
  • korrelaatioiden tutkiminen aineistosta
  • aineiston valmistelu ja jakaminen osiin
  • yksinkertaisten ennustemallien muodostus eri menetelmillä
  • yksinkertaisten klusterointimallien muodostus eri menetelmillä
  • muuttujien valinnan toteutus
  • ristiinvalidoinnin toteutus
  • tulosten tulkinta
• Yhteenveto päivästä

Koulutettavien lähtötasosta ja nopeudesta riippuen päivän sisältöä voidaan supistaa ja keskittyä tietyille osa-alueille.

Päivä 2 . Ohjelma

• Harjoitustyö 1 + läpikäynti (classification -luokitteluongelman ennustaminen)
• Harjoitustyö 2 + läpikäynti (regressio -ennusteongelman ennustaminen)
• Harjoitustyö 3 + läpikäynti (klusterointi – datan klusterointi/segmentointi keskenään samankaltaisiin ryhmiin)

Toinen päivä on siis kokonaan varattu harjoitustöille ja keskusteluille. Kouluttaja tai kouluttajat ovat jatkuvasti paikalla auttamassa eteenpäin tehtävissä, mutta eivät tarjoamassa valmiita ratkaisuja.

Koulutustapahtuman päivittäinen alkaminen ja päättyminen: aamiainen 8:30, koulutus 9:00-16:15

Daily start and end of training event: breakfast 8:30, training 9:00-16:15

Katso tästä kaikki muut tekoäly kurssit