Anda tudengile teadmised ja oskused rakendamaks kaasaegseid masinõppetehnikaid.

Give the student the knowledge and skills to apply modern machine learning techniques.

Kursuse läbinud üliõpilane
- oskab leida potentsiaalseid masinõppe kasutuskohti;
- oskab hinnata konkreetses olukorras masinõppega kaasneda võivat kasu ja ohtusid;
- oskab lähtuvalt eesmärgist valida sobiva masinõppe metoodika;
- oskab tõlgendada ja hinnata masinõppesüsteemi töö tulemusi;
- mõistab ja oskab seletada masinõppe meetodite põhilisi matemaatilisi ja tehnoloogilisi ideid;
- oskab masinõpet iseseisvalt rakendada;
- oskab masinõpet ettevõtte ärioperatsioonidesse integreerida ja selliseid süsteeme kasutada.

On completion of the course, the student:
- has acquired the knowledge of detecting situations where machine learning could be applied;
- is able to assess both positive gains and possible deficits of applying machine learning methods;
- is able to select and use suitable machine learning algorithms for variety of business use cases;
- is able to assess the quality of machine learning outcome;
- understands and explain basic mathematical and technological ideas behind machine learning;
- is able to use machine learning methods independently using software libraries and tools;
- is able to integrate machine learning techniques into business process and operate them.

Kursus annab teadmised ja praktilised oskused, et mõista, arendada, kasutada ja hooldada masinõppesüsteeme praktiliste probleemide lahendamiseks.

Kursus läheneb masinõppele läbi tegelike kasutusjuhtude uurimise. Esmalt tutvutakse kõrgtaseme masinõppe tarkvaraga, uuritakse erinevate tehnikate toimimist ja kasutamist. Seejärel õpivad tudengid vajalikul määral mõistma rakendatud tehnikate taga olevaid matemaatilisi ja tarkvaratehnilisi ideid. Sealt edasi õpivad tudengid, kasutades oma teadmisi tehnikate olemusest, masinõppe tulemusi valideerima ja tõlgendama. Kursuse jooksul antakse ülevaade ka võimalikest ohtudest ja probleemidest, mis võivad kaasneda masinõppe rakendamisega.

The course offers knowledge and practical skills to understand, design, use and maintain machine learning based systems to solve real-life problems.

The aim of the course is to offer practical skills to use machine learning (ML) in everyday business operations. To achieve this, students are introduced to high level tools to use ML techniques. While trying out different methods, they will also to some extent learn how those methods work internally. This helps to understand how to validate and interpret the outcome of ML. Finally, course aims to develop understanding of possible technological and operational dangers of using ML systems.

eksam

Kursuse hinne koosneb järgnevast:
- jooksvad praktilised tööd kursuse jooksul 60%
- testid kursuse jooksul 20%
- eksam 20%

exam

Grade will be composed of:
- 60% practical assignments
- 20% quizes and tests
- 20% exam

4.75*16 h iseseisev praktiline õpe = 156 h

4.75*16 h individual practice (exercise, teamwork, homehork) = 156 h

[1] Raschka, S. Python Machine Learning, 2nd ed. Packt 2017
[2] Géron, A. Hands-On Machine Learning with Scikit-Learn and TensorFlow, O’Reilly 2017
[3] James, G et al. An Introduction to Statistical Learning: with Applications in R, 7th corr pr, Springer 2017
[4] Chollet, F. Deep Learning with Python. Manning 2018

Additional textbooks
[5] Bhargava, A. Grokking Algorithms: An illustrated guide. Manning 2016

-