Aineopintotasoiset kurssit
Tarjolla olevat kurssit:
Kurssin jälkeen
osaat C++-kielen perusasiat ja pystyy toteuttamaan sillä algoritmejatunnet tärkeimmät C++-standardikirjaston tietorakenteet ja algoritmitosaat käyttää binäärihakua, dynaamista ohjelmointia ja segmenttipuuta monipuolisesti algoritmien suunnittelussatunnet joitakin edistyneempiä algoritmitekniikoita (esim. Z-algoritmi, verkon 2-yhtenäisyys, treap-rakenne)
Kurssit järjestetään seuraavasti
After successful completion of the course, you will be able to:
describe some major social promises and risks associated with the developments in information and communications technology, identify some technical solutions and evaluate some hardware and software designs in their social contextanalyze and formulate ethical arguments and identify some common logical fallacies and express some of the main differences between the major theories in normative ethicsexplain what professionalism, the ethical responsibility of a professional and professional ethics are about. Knows some major information technology organizations. Can analyze the roles of professionals and public policy in a global computing issue, distinguish between some different views on computer ethics and summarize the main points in the history of the research fieldidentify ethical issues in software development, apply codes of ethics, conduct and practice in decision-making, evaluate the codes and describe some of their strengths and weaknesses, explain the importance of public good in decision-making and identify the progressive stages in a whistle-blowing incidentdiscuss the philosophical foundations of privacy rights and refer to some relevant legislation, give a wide overview of the challenges to privacy in the networked world, including the collection and merging of user data, various kinds of surveillance and cloud computing. Can explain some technological solutions for privacy protection and the importance of proper anonymization. Understands and is able to express the main idea of differential privacy at a general level, describe some background for and some social implications of the so-called hacktivismdiscuss the philosophical bases of intellectual property, refer to some relevant legislation and discuss some associated problems. The topics include copyright, software patents, licensing and plagiarism. Understands and is able to explain the ideas behind open-source software development and free software. Can distinguish between some relevant and widely-used open source licenses and is able to describe some of the main differences between them identify the aspects of sustainable development, explain how ICT and the choices made by the developers and the users can both promote and threaten sustainable developmentunderstands the importance of effective professional communication, including clear documentation, can identify some associated problems, distinguish between different types of collaboration tools and evaluate some of their strengths and weaknesses
You should also be familiar with the other topics listed under the title "Course content". The topics covered in the course are found in the knowledge area "Social Issues and Professional Practice" as presented in the Computer Science Curricula by ACM and IEEE.
Can confidently write basic level Python programs without constantly consulting language/library documentation.Can apply efficient and elegant Pythonic idioms to solve problemsKnows the different phases of data analysis pipelineKnows the fundamental data types array, Series and DataFrameCan clean data to form consistent Series and DataFrames without anomaliesCan select subsets, transform, reshape and combine dataCan extract summary statistics from data (min, max, mean, median, standard deviation)Knows the main types of machine learning (supervised learning: regression and classification, unsupervised learning: clustering, dimensionality reduction, (density estimation))Knows the estimator API of Scikit-Learn (choose model class, choose hyperparameters, form feature matrix and target vector, fit model, transform data or predict labels or responses)Can form feature matrix and target vector suitable for Scikit-Learn's model fitting algorithmsCan visualize data as simple plots or histogramsCan apply basic data analysis skills to a simple project on an application field
Kurssit järjestetään seuraavasti
1-3 credits depending on course exercise completion.
1. credit: Student has learned what docker is and knows how to use it in different scenarios.2. credit: Student has general understanding of docker-compose and is able to implement advanced docker configurations.3. credit: Student has deeper understanding of docker ecosystem and its use cases.
Kurssit järjestetään seuraavasti
After the course you are able to
- develop and release containerized applications on a self-hosted cluster as well as use Google Kubernetes engine,
- apply Kubernetes in maintenance and updating of applications,
- use monitoring with containerized applications, and
- explain continuous deployment and implement deployment to Kubernetes.
Kurssit järjestetään seuraavasti
After completing the course, you will be able to:
Identify autonomy and adaptivity as key concepts of AIDistinguish between realistic and unrealistic AI (science fiction vs. real life)Express the basic philosophical problems related to AI including the implications of the Turing test and Chinese room thought experimentFormulate a real-world problem as a search problemFormulate a simple game (such as tic-tac-toe) as a game treeUse the minimax principle to find optimal moves in a limited-size game treeExpress probabilities in terms of natural frequenciesApply the Bayes rule to infer risks in simple scenariosExplain the base-rate fallacy and avoid it by applying Bayesian reasoningExplain why machine learning techniques are usedDistinguish between unsupervised and supervised machine learning scenariosExplain the principles of three supervised classification methods: the nearest neighbor method, linear regression, and logistic regressionExplain what a neural network is and where they are being successfully usedUnderstand the technical methods that underpin neural networksUnderstand the difficulty in predicting the future and be able to better evaluate the claims made about AIIdentify some of the major societal implications of AI including algorithmic bias, AI-generated content, privacy, and work
Kurssit järjestetään seuraavasti
Kurssin suorittamisen jälkeen osaat:
nimetä autonomisuuden ja adaptiivisuuden tekoälyn ominaispiirteiksierottaa toisistaan tieteiskirjallisuuden tekoälyn ja oikean tekoälynkuvailla tekoälyn keskeiset filosofiset kysymykset liittyen Turingin testiin ja kiinalaisen huoneen ajatuskokeeseenmuotoilla tosielämän ongelmia etsintäongelminamuotoilla yksinkertaisia pelejä (kuten ristinolla) pelipuuksisoveltaa minimax-periaatetta optimaalisten pelisiirtojen ratkaisemiseen rajoitetun kokoeisessa pelipuussailmaista todennäköisyysarvoja luonnollisina frekvensseinäsoveltaa Bayesin kaavaa yksinkertaisissa skenaarioissaselittää esiintyvyysharhan ja välttää sen bayesilaisen päättelyn avulla selittää miksi koneoppimista tarvitaanerottaa ohjatun ja ohjaamattoman koneoppimisen tilanteet toisistaanselittää seuraavan kolmen ohjatun koneoppimisen menetelmän periaatteet: lähimmän naapurin luokitin, lineaariregressio ja logistinen regressioselittää, mitä neuroverkot ovat ja mihin tarkoituksiin ne sopivatymmärtää myös neuroverkkojen taustalla olevien menetelmien rajoituksetymmärtää tulevaisuuden ennustamisen vaikeus, jotta voit paremmin arvioida tekoälystä esitettyjen väitteiden uskottavuuttatunnistaa joitakin tekoälyn merkittävimpiä yhteiskunnallisia vaikutuksia, kuten algoritmista syrjintää, väärennettyjä sisältöjä, yksityisyydensuojaa ja työelämän murrosta
Kurssit järjestetään seuraavasti
Efter avslutad kurs kan den studerande
ange de egenskaper som kännetecknar artificiell intelligens (autonomi och adaptivitet)skilja på science fiction-litteratur och äkta artificiell intelligensbeskriva de filosofiska frågeställningarna inom artificiell intelligens som har att göra med Turingtestet och tankeexperimentet det kinesiska rummetformulera problem från verkliga livet som sökproblembeskriva enkla spel (t.ex. luffarschack) som spelträdtillämpa minimax-principen för att reda ut de optimala dragen i ett avgränsat spelträduttrycka sannolikhetsvärden som naturliga frekvensertillämpa Bayes sats i enkla scenarierförklara vilseledande prevalens och undvika denmed hjälp av bayesiansk slutledning förklara varför maskininlärning behövsskilja mellan situationer med övervakad och oövervakad maskininlärningförklara följande tre principer inom övervakad maskininlärning: närmaste granne-metoden, linjär regression och logistisk regressionförklara vad neuronnät är och för vilka ändamål de är lämpligaförstå också de begränsningar som finns i neuronnätens underliggande modellerförstå svårigheterna i att förutspå framtiden, så att hen bättre kan ta ställning till trovärdigheten i påståenden om artificiell intelligenskänna igen några av de mest betydelsefulla konsekvenserna artificiell intelligens kan ha i samhället, till exempel algoritmisk diskriminering, förfalskat innehåll, integritetsskydd och förändringar i arbetslivet.
Kurssit järjestetään seuraavasti
The course can be completed on three difficulty levels. The following learning objectives are achieved after completing the course on the advanced level. On the intermediate level, the same objectives are partially achieved.
After the course, you are able to:
describe different types of AI such as optimization, reasoning, and learningchoose a suitable AI approach to solve simple tasks such as route planning, probabilistic inference, and pattern recognitionimplement a straightforward brute-force optimization algorithmimplement simple probabilistic inference based on statistical data using the Bayes rulebuild linear regression models from data, and use the models to predict variables of interest, such as apartment pricesuse the nearest neighbor method to predict variables of interestuse cross-validation to avoid under- and overfittingbuild and apply logistic regression and simple neural network models for prediction
Kurssit järjestetään seuraavasti
After the course you
understand the role of ethical thinking in the planning and implementation of AI systems,can describe different ethical aspects and considerations of AI,can analyze the risks and opportunities of AI solutions from an ethical perspective,can detect when ethical considerations are needed in AI solution implementation,can follow the ethical discussions in public and in expert communities,know the existence of ethical guidelines and are able to apply them in straightforward cases, andunderstand when the ethical issue requires additional expertise.
Kurssit järjestetään seuraavasti
After the course you
will know the basic principles of functional programming,can implement simple algorithms using the Haskell programming language,can fluently use recursion in programming.
Kurssit järjestetään seuraavasti
After the course you
have more experience in functional programming,understand the role of side effects in functional programming, andknow more Haskell programming techniques.
Kurssit järjestetään seuraavasti
Student
can express the basic philosophical problems related to AI (the difficulty in defining AI and consciousness, acting vs thinking, Turing test)can distinguish between realistic and unrealistic AI in science-fictioncan describe the contrast between "Good Old Fashioned AI" (GOFAI) and modern AI approachesknows the main stream developments in the history of AIcan formulate a problem as a graph and apply search algorithms to solve itcan explain and implement A* searchcan formulate a simple game (such as tic-tac-toe) as a game treecan explain and implement the minimax algorithm and depth-limited alpha-beta pruningcan design a reasonable heuristic evaluation function in a game (e.g., chess)can express uncertain knowledge in a simple situation using a probabilistic modelcan apply the Bayes theorem to calculate posterior probabilities given evidence in a simple scenariocan estimate probability values from a samplecan represent a problem solving situation as a Bayesian networkcan apply an approximate (Monte Carlo) technique to perform inference in a Bayesian networkcan distinguish between unsupervised and supervised machine learning scenarioscan implement at least two supervised classification methods (e.g., naive Bayes, nearest neighbour classifier)knows the main types of neural networks (feed-forward, recurrent, self-organizing map) and their main principlescan implement the perceptron algorithm in a simple binary classification problemcan generate natural language sentences from a context-free grammarcan parse a sentence using the Cocke-Younger-Kasami algorithmappreciates the difficulty of implementing an autonomous robot in the real worldimplements simple functionalities, e.g., following a line on the floor, using a robot with limited sensor capabilities
After the course you can
summarize the key services of an operating system (OS) and their operationdescribe the essential structures of an OS together with their interfacesdescribe the position of OS in modern data processing environmentdescribe the structure and the functionalities of operating systemsdescribe the control systems and process and thread management describe different methods to protect processes and the use of different processor states (user/privileged) for that purposedescribe different types of thread execution (user-level, kernel-level)describe basic process scheduling techniques in uniprocessor, multiprocessor, and real-time systemscompare the suitability of different scheduling algorithms on different work loadschoose (and justify the choice) the most practical way to execute threads for given software systemexplain how shared memory and other methods are used for process and thread communicationexplain the need for concurrency using examples illustrating concurrent operations of hardware and software levelexplain the importance of different scenarios when examining the execution of concurrent programsprovide examples of common problems that may results in an incorrect concurrent solutionexplain the nondeterministic nature of process execution and its implicationsexplain the advantages, disadvantages, implementation levels, and methods of concurrencyexplain the requirements for concurrency solutions (e.g., in terms of correctness in all scenarios) and finding a scenario leading to failed outcomeexplain the basic concepts of concurrent execution: atomicity, critical section, synchronization, communication, deadlockexplain the basic concurrency problems: critical section problem, turn ticket, readers-writers, producer-consumer, client-server, and boom synchronizationdescribe the occurrence of a deadlock and explain necessary and sufficient conditions for a deadlock to occurdesign a solution to critical section problem using the most appropriate method, e.g., interrupt disabling, busy-wait, semaphore, monitor, messagesexplain the semaphore and monitor structures, and use them correctly in problem solving apply concurrency handling mechanisms to solve practical problemsexplain how deadlock can be detected using DDA-algorithm, how to recover from deadlock, and how a deadlock can be prevented using, e.g., banker's algorithm describe the general principles of implementing virtual memory (VM) together with the key concepts (paging, page table, address translation, translation lookaside buffer, page faults)describe multi-level paged VM operationsimulate at algorithm level the address translation in (multi-level) paged VM systemanalyze the effect of page size in process operation and page table size, and justify a choice made for a certain page sizedescribe the advantages and disadvantages of (multilevel) paging and segmentation methodsdescribe at algorithm level the VM implementation: page fetch and replacement policies, resident set size management policies, multiprogramming level policiesdescribe the basic structure of the file system and its componentsexplain the communication between peripheral devices and operating systemexplain the basic scheduling algorithms for hard disksexplain the basic idea of RAID, and explain different RAID implementations comparing their featuresexplain different file organization types and when they should be used (pile, sequential, indexed sequential, indexed, hashed)explain the use of B-trees for index implementation for filesexplain basic OS security threats and the methods to secure the operating system against themdescribe access control mechanism in operating systems
Kurssin suoritettuasi
tunnet ohjelmistotuotantoprosessin vaiheet,olet vesiputousmallin ja ketterän ohjelmistotuotannon luonteesta,osaat soveltaa versionhallintaa osana ohjelmistokehitystä,osaat soveltaa UML-mallinnustekniikkaa vaatimusmäärittelyssä ja ohjelmiston suunnittelussa tarkoituksenmukaisella tavallatunnet ohjelmiston testauksen eri vaiheetosaat soveltaa automatisoitua testausta yksinkertaisissa ohjelmistoprojekteissatunnet tärkeimpiä ohjelmiston suunnitteluperiaatteita ja osaa soveltaa niitä yksinkertaisissa projekteissa
Kurssin suoritettuasi
Tunnet ohjelmistoprosessin, erityisesti ketterän prosessin vaiheet
Tiedät miten vaatimuksia hallitaan ketterässä ohjelmistotuotantoprosessissa
Ymmärrät suunnittelun, toteutuksen ja testauksen vastuut ja luonteen ketterässä ohjelmistotuotannossa
Ymmärrät ohjelmiston laadunhallinnan perusteet
Osaat toimia ympäristössä, jossa ohjelmistokehitys tapahtuu hallitusti ja toistettavalla tavalla
Kurssin suoritettuasi osaat toimia osana ketterien periaatteiden mukaan toimivaa ohjelmistokehitystiimiä rooleissa jotka edellyttävät määrittelyä, suunnittelua, toteutusta, laadunhallintaa ja tuotannossa operointia.
Kurssit järjestetään seuraavasti
Kurssin jälkeen osaat
analysoida algoritmin aika- ja tilavaativuuden O-merkinnän avulla ja perustella algoritmin oikeellisuuden yksinkertaisissa tilanteissa,valita tilanteeseen sopivan algoritmin esim. aikavaativuuden perusteella,selittää toteutusperiaatteet edustavalle kokoelmalle perustietorakenteita ja -algoritmeja (esim. hakemistorakenteet, järjestäminen) ja tuntee niiden aika- ja tilavaativuudet, sekäsoveltaa edellä mainittuja tietorakenteita ja algoritmeja tehokkaiden algoritmien laatimisessa ja toteuttamisessa ohjelmointikielen tasolla.
Kurssit järjestetään seuraavasti
Kurssin jälkeen osaat
analysoida aika- ja tilavaativuutta ja algoritmin oikeellisuutta normaaleissa tilanteissa,selittää toteutusperiaatteet kattavalle kokoelmalle perustietorakenteita ja -algoritmeja (esim. verkkorakenteet, polun etsiminen) ja perustella niiden aika- ja tilavaativuudet, sekäkäyttää sujuvasti em. tietorakenteita ja algoritmeja sekä ohjelmointikielen tarjoamia työkaluja (esim. rekursio) ongelmanratkaisussa.
Kurssit järjestetään seuraavasti
Kurssin suoritettuasi
osaat selittää ”miten Internet toimii” .osaat kuvailla internetin keskeisten palvelujen toimintaa yleisellä tasolla.osaat selittää yleisellä tasolla miten lähettävän ohjelman viesti saadaan IP-pakettiin ja miten IP-paketti välitetään Internetissä viestin vastaanottajalle.osaat selittää reitittimen, keskittimen ja kytkimen toiminnallisuuksia. Osaa kuvata pakettien, kehysten ja muiden viestien sisältöjä.tunnet kotiverkon toimintaan liityvät keskeiset käsitteet ja osaa niiden avulla arvioida verkon toiminnallisuutta käyttäjän näkökulmasta.
Kurssit järjestetään seuraavasti
Tämä on kurssin Tietoliikenteen perusteet jälkimmäinen osasuoritus, siksi oppimistavoitteet ovat pääkurssin kanssa yhtenäiset.
Kurssin suoritettuasi
osaat selittää ”miten Internet toimii” ja perustellen kuvata siinä käytettyjä rakenteellisia, teknisiä ja toiminnallisia periaatteita (kuten toimintamallit, rakenneosat, erilaiset osoitteet ja tunnisteet, datan siirto protokollapinon avulla, luotettava kuljetuspalvelu, vuonvalvonta, TCP:n ruuhkanhallinta).osaat selittää asiakas-palvelija malliin perustuvien verkkosovellusten sekä niiden toteutuksessa käytettyjen sovellusprotokollien periaatteet. Osaa kuvata vertaistoimijamallin idean. Osaa selittää, mihin tarvitaan nimipalvelua (DNS) ja kuvata sen rakenteen ja toiminnan.osaat selittää toisaalta miten lähettävän ohjelman viesti saadaan IP-pakettiin ja toisaalta miten IP-paketti välitetään Internetissä viestin vastaanottajalle.osaat selittää reitittimen, keskittimen ja kytkimen toiminnan ja erot. Osaa kuvata pakettien, kehysten ja muiden viestien sisältöjä ja rakenteita.osaat kuvata tietoliikenteeseen kohdistuvat riskitekijät ja turvallisuusuhat. Osaa selittää kuinka palomuuri toimii
Kurssit järjestetään seuraavasti
Johdanto web-sovellusten toimintaan ja internetin perusosiin.Näkymät, tietokannat ja tietokanta-abstraktiot.Tietokannat ja tietokanta-abstraktiot.Mediatyypit ja tiedostojen tallentaminen. Ohjelmistokehitysprosessi, kerrosarkkitehtuuri ja sovellusten automaattinen testaaminen. Sovelluksen siirtäminen verkkoon.HTTP-protokolla ja evästeet. Autentikaatio ja autorisaatio.Toistuvat rakenteet ja fragmentit. Tyylitiedostojen käyttäminen. Syötteiden validointi. Rajapinnat ja REST.Selainohjelmistot ja palvelinohjelmistot. Hieman tietoturvaa. Sovellusten skaalautuvuus. Reaktiivinen ohjelmointi.
Kurssit järjestetään seuraavasti