Course Catalog 2014-2015
International

Basic Pori International Postgraduate Open University

|Degrees|     |Study blocks|     |Courses|    

Opinto-opas 2014-2015

Learning and Intelligent Systems, 25 cr

Type of the study block

Intermediate Studies

Contact

Alpo Värri, Joni Kämäräinen, Ari Visa

Learning Outcomes

- Opintokokonaisuuden suoritettuaan opiskelija
osaa selittää oppivien ja älykkäiden järjestelmien peruskäsitteet. After having passed the module the student can explain the basic concepts of learing and intelligent systems.
- Opiskelija osaa käsitellä mittaussuureiden joukkoa siten, että niistä voidaan tunnistaa eri tekniikoilla haluttuja ilmiöitä ja pystyy arvioimaan kehitetyn järjestelmän suorituskyvyn rajat. The student can process a set of measurements and inputs in such a way that wanted phenomena can be recognized of them. The student can estimate the limits of the performance of the designed system.
- Opiskelija osaa kuvata tärkeimmät hahmontunnistusmenetelmät ja vertailemalla valita niistä soveltuvimman annettuun tehtävään sekä osaa evaluoida eri menetelmiä. The student can describe the most important pattern recognition methods and choose the most appropriate one for a given task. the student can evaluate the different methods.
- Opiskelija pystyy seuraamaan alan kirjallisuutta ja pystyy ottamaan käyttöön kirjallisuudesta löydetyn älykkään menetelmän. The student can follow the literature of the field and take an intelligent method found in the literature into use.

Content

Compulsory courses

Course Credit points Class
SGN-41006 Signal Interpretation Methods 4 cr IV  
SGN-42006 Machine Learning 5 cr IV  
Total 9 cr  

Optional Compulsory Courses

Must be selected at least 5 credits of courses

Course Credit points Alternativity Class
SGN-13000 Johdatus hahmontunnistukseen ja koneoppimiseen 5 cr 1   III  
SGN-13006 Introduction to Pattern Recognition and Machine Learning 5 cr 1   III  

1. Select 1 courses. Opintojaksot ovat toisensa poissulkevia ja niistä on valittava toinen. The courses are mutually exclusive and only one of them must be chosen.

Complementary Courses

Should be completed to the minimum study module extent of 25 ETCS

Course Credit points Class
ASE-5010 Kehittyneet datan mallinnus- ja analysointimenetelmät 5 cr V  
ASE-5016 Advanced Methods of Data-driven Modelling and Analysis 5 cr V  
ASE-7716 Predictive and Fuzzy Control 5 cr V  
ELT-47626 Wireless Solutions in Intelligent Environments 5-15 cr V  
MAT-60556 Mathematical Logic 5 cr IV  
MAT-75006 Artificial Intelligence 7 cr IV  
MOL-62296 Intelligent Textiles and Smart Garments 5 cr V  
SGN-43006 Knowledge Mining and Big Data 5 cr IV  
SGN-53606 Computational Models in Complex Systems 5 cr IV  
SGN-83006 External Network Course in Signal Processing 1-8 cr V  
TLO-25000 Älykkäät liikennejärjestelmät 3 cr V  

Additional information

Oppivilla ja älykkäillä menetelmillä tarkoitetaan pääsääntöisesti menetelmiä, joiden avulla voidaan suorittaa tietynlaista älykkyyttä vaativia tehtäviä kuten hahmontunnistus (luokittelu), ennustaminen ja erilaisten signaalien analysointi. Tällaisia ominaisuuksia tarvitaan esimerkiksi itsenäisesti toimivissa koneissa ja laitteissa. Neurolaskenta ja sumea logiikka ovat kaksi tunnettua esimerkkiä oppivista ja älykkäistä menetelmistä. Yksi keskeinen oppivien ja älykkäiden menetelmien käyttöalue on signaalinkäsittely ja sen sovellutukset sekä nk. 'big data'. Oppivien ja älykkäiden järjestelmien sivuaine antaa opiskelijalle perustiedot oppivista ja älykkäistä menetelmistä sekä kyvyn soveltaa niitä erityisesti signaalinkäsittelyn sovellutuksissa. Täydentävillä kursseilla sivuaineen painotusta voidaan suunnata joko teoreettisempaan tai soveltavampaan suuntaan. Learning and intelligent methods refer to the methods which can be used to carry out tasks which require a certain kind of intelligence such as pattern recognition (classification), prediction and the analysis of various signals. Such properties are needed for example in the machines and devices which function independently or in the analysis of 'big data'. Neurocomputing and fuzzy logic are two known examples of learning and intelligent methods. One central use area of learning and intelligent methods is signal processing and its applications. The minor subject of learning and intelligent systems gives the student basic information about learning and intelligent methods and an ability to apply them especially in signal processing applications. The complementary courses can be used to direct the minor module in either more theoretical or more applied direction.

Only intended as a minor

Last modified24.03.2014