Tekoälyseminaari (TIEJ1000) 4 op, kevät 2018

Oletko kiinnostunut tekoälystä? Oletko tutustunut koneoppimisen tai neuroverkkojen perusteisiin jollain kurssilla ja haluaisit oppia lisää? Liittyykö tekoäly jatko-opintoihisi?

4. jaksossa järjestetään tekoälyseminaari, jonka vetäjinä toimivat Pekka Neittaanmäki, Heli Tuominen ja Sami Äyrämö. Seminaari koostuu osallistujien pitämistä esitelmistä ja vierailuluennoista, joita pitävät sekä Jyväskylän yliopiston että muiden yliopistojen ja tutkimuslaitosten edustajat.

tekoäly

Ajankohtaista 11.5.2018

Seminaarin viimeinen tapaaminen on ma 15.5. klo 14-16 salissa Ag C233.

Seminaari löytyy myös Korpista.

Ohjeita tieteellisen esitelmän pitämiseen

Esitelmien aiheista

Tekoäly on taustalla esimerkiksi hakukoneissa, kameroiden kasvojentunnistuksessa, älypuhelinten ääniohjauksessa, kohdennetussa mainonnassa, roskapostin suodatuksessa, kuvantunnistuksessa, pysäköintihallien rekisterintunnistimissa, itseajavissa autoissa ja nykyään myös lääketieteellisissä diagnooseissa.
Voit valita seminaariesitelmän aiheen sinua kiinnostavalta tekoälyn osa-alueelta.

Esitelmän voi pitää esimerkiksi

  • tutkimusartikkelista
  • tekoälyyn liittyvästä väitöskirjatyöstä (esimerkiksi tutustumalla johonkin omassa tutkimuksessa käytettävän metodin teoriaan)
  • JYU:n ja IBM:n Watson-tekoälyteknologia-yhteistyöhön liittyvistä aiheista
  • kirjan Neural Networks: Tricks of the Trade (sähköisenä kirjana JYU:n kirjastossa) artikkelista. Niissä käsitellään esimerkiksi tapoja, joilla neuroverkon oppimista voidaan tehostaa.

Mahdollisia aiheita ovat esimerkiksi

  • Poikkeamien havainnointi One-class-SVM tekniikalla
  • Piirteiden valinta luokittelutehtävissä FEAST-toolboxilla
  • Harvojen ennustemallien kouluttaminen Lasso-regressiolla
  • Konvoluutioverkkojen opettaminen histopatologisten kuvien tulkintaan
  • Korrelaatiopohjainen kyselynaineistomuuttujien klusterianalyysi medoid-menetelmillä
  • Konvoluutioverkkojen regularisointimenetelmät kuvaluokittelutehtävissä
  • Muuttujien valinta randon forest -menetelmällä kliinisissä ennustustehtävissä
  • Tekstianalytiikka IBM Watsonilla
  • Massiivisen datan analysointi IBM Watsonilla

ja mahdollisia tutkimusartikkeleita esitelmän pohjaksi

Suorittaminen

Seminaarin suorittamiseen kuuluu kahden lyhyen oman esitelmän (15min + 15 min) pitäminen, toisten esitysten ja vierailuluentojen seuraaminen.

Vaikka seminaari on jatko-opintojen koodilla, niin sen voi sisällyttää maisteriopintoihin.

Esitelmät videoidaan. Videot löytyvät moniviestimestä. Esitelmäkerroista saa olla kerran pois (toisen erittäin pätevällä syyllä). Poissaolokerralta katsotaan video ja kirjoitetaan 1-2 sivun kooste esitelmistä.

Suoritukseen kuuluu lisäksi kevään aikana tiedekunnan vierailuesitelmien seuraaminen. Seurattavista esitelmistä tiedotetaan erikseen.

Aikataulu

Esitelmät pidetään 4. jaksossa maanantaisin klo 14-16 alkaen 12.3.2018.

12.3.

  • Anastasiia Girka: Deep Learning Approach for Prediction of Impact Peak Appearance at Ground Reaction Force Signal of Running Activity
  • Susanne Jauhiainen: Poikkeavuuksien tunnistusmetelmien käyttö lahjakkaiden jalkapalloilijoiden tunnistamisessa
  • Timo Ojala: Solujen lasku histopatologisista kuvista, käyttäen konvolutiivisia neuroverkkoja
  • Ilkka Rautiainen: Predicting aerobic fitness level changes in children and adolescents
  • Khaula Zeeshan: Convolutional neural networks and impact of Regularization

19.3

  • Ville Heilala: Bridging Learning Analytics and Pedagogical Knowledge: Insights about University Students Agency
  • Aleksander Lempinen: Supervised and unsupervised feature selection
  • Hannu Moilanen: Detecting pupils’ opinions on learning physics bodily by unsupervised machine learning
  • Esko Niinimäki: Urheiluvammojen ennustaminen Lasso-regressiolla
  • Deqing Wang: Tensor Decomposition for EEG data analysis

9.4 Ag B112.1 (Africa)

  • Leevi Annala: Koneoppimisalgoritmien kouluttaminen simuloidulla datalla hyperspektrikuvantamisen kontekstissa
  • Eerik Lehtomäki: Luonnollista kieltä analysoivien tekoälyteknologioiden hyödyntäminen Android-sovelluksissa

16.4 Ag C233

  • Sanjay Kumar: Machine Learning for Cyber-Threat Detection
  • Sonja Kärkkäinen ja Petri Vähäkainu:
  • Hannu Moilanen (2. esitys)
  • Sonja Kärkkäinen (2. esitys)

23.4 Ag C233

  • Anastasiia Girka: Generative Adversarial Networks and its application
    (2. esitys)
  • Susanne Jauhiainen (2. esitys)
  • Ilkka Rautiainen (2. esitys)
  • Deqing Wang: Increasing Stability of EEG Components Extraction Using Sparsity Regularized Tensor Decomposition (2. esitys)

7.5 Ag C233

  • Ville Heilala: Ethics of Artificial Intelligence (2. esitys)
  • Esko Niinimäki (2. esitys)
  • Khaula Zeeshan: Deep learning for oncology (2. esitys)

14.5 Ag C233

  • Leevi Annala (2. esitys)
  • Eerik Lehtomäki: Droneteknologian käyttökohteita (2. esitys)
  • Aleksander Lempinen (2. esitys)
  • Timo Ojala (2. esitys)

Hyödyllisiä linkkejä