Tekoälyosaaja

Opintojakson aikana opit:

- Prompt-tekniikkaa eli kirjoittamaan tehokkaita prompteja, joilla saat halutun tehtävän suoritettua
- Käyttämään kuvanluontityökaluja fotorealististen kuvien ja upean taiteen luomiseen
- Hyödyntämään kuvasta-kuvaan-generointia
- Käyttämään tekoälyä esitysmateriaalien ja valmiiden videoiden luomiseen
- Tekemään musiikkia tekoälyn avulla
- Käyttämään tekoälyä minkä tahansa tekstin kirjoittamiseen, uudelleenkirjoittamiseen ja analysointiin
- Käyttämään tekoälyä ideoiden generointiin ja asiantuntijana apunasi
- Käyttämään tekoälytyökaluja ohjelmointitehtävien suorittamiseen (koodin generointi, virheiden löytäminen ja korjaus, dokumentointi, testaus, koodin uudelleen kirjoittaminen/refaktorointi).

Opit tuntemaan ja käyttämään tehokkaasti monenlaisia erilaisia tekoälytyökaluja ja saat ajantasoista tietoa generatiivisen tekoälyn uusimmista kehitysaskeleista.

Opit käytännön esimerkkien ja tehtävien avulla. Tehtävät kattavat laajan kirjoin aiheita, tekstin tuottamisesta opettamiseen sekä materiaalien, ohjelmakoodin, kuvien, puheen, musiikin ja videoiden luomiseen. Voit itse valita mitä tehtäviä teet, kunhan vaadittu minimäärä täyttyy.

Opintojakso sisältää minimaalisesti teoriaa, noin 99 % on käytäntöä ja 1 % teoriaa. Opintojaksoon ei sisälly matematiikan opiskelua.

Opintojakson aikana opit:

- käyttämään yli kymmentä erilaista tekoälyyn liittyvää rajapintaa (API) hyödyntääksesi olemassa olevia tekoälypalveluita tekstin, kuvien, äänen (puhe ja musiikki) ja muun luomiseen.
- käsittelemään kaikenlaisia tietoja PDF-tiedostoista docx-tiedostoihin, verkkosivuihin, kuviin, videoihin ja puheeseen syötteenä suurille kielimalleille (LLM)
- luomaan jäsenneltyä tulostetta (JSON) ja PDF-tiedostoja LLM:ien avulla
- hakuavusteista generointitekniikkaa (RAG)
- luomaan omia mukautettuja botteja ja virtuaalisia persoonia järjestelmäkehotteiden avulla
- luomaan modernin web-käyttöliittymän tai tehokkaan komentorivin tekoälysovelluksellesi
- käyttämään tekoälyä tehtävien nopeuttamiseen ja automatisointiin, kuten tekstin tiivistäminen, tiedonkeruu, kuvien luominen, äänen kääntäminen ja litterointi, tuotekuvausten luominen, markkinointimateriaalien luominen, data-analyysi
- asentamaan ja käyttämään tekoälytyökaluja omalla tietokoneellasi.

Päätavoitteena on oppia hyödyntämään olemassa olevia tekoälyyn liittyviä rajapintoja (Application Programming Interface, API).

Omien tekoälymallien kouluttaminen voi olla kohtuuttoman kallista ja aikaa vievää. Tällä opintojaksolla keskitytään palveluihin ja rajapintoihin, joiden avulla voit nopeasti tehdä omia tekoälyllä toimivia sovelluksia tai lisätä tekoälyn osaksi työkalupakkiasi tai olemassa oleviin sovelluksiin. Toteutus kattaa kaikki johtavat tekoälytuotteiden tarjoajat (OpenAI, Google Gemini, Anthropic) sekä myös kuvageneraattorit ja äänen (puhe ja musiikki) generoinnin.

Opintojakso sisältää paljon esimerkkejä ja ohjelmointitehtäviä. Jotkut niistä saattavat vaatia maksua tekoälyrajapintojen käytöstä, mutta kustannukset ovat todennäköisesti kohtuullisia (esim. noin 10 eurolla voi ostaa tarpeeksi krediittejä lyhyisiin kokeiluihin).

Ohjelmointi tehdään Pythonilla. Opiskelijan olisi hyvä tuntea myös GIT perusteet.

Opintojakson suoritettuasi:

- tunnistat ongelman ja osaat ehdottaa siihen ratkaisua tekoälyn avulla.
- osaat käyttää sopivia työkaluja ja menetelmiä ratkaisun suunnittelussa.
- toteutat ratkaisun systemaattisesti.
- arvioit ratkaisua eri skenaarioissa huomioiden mahdolliset ongelmat ja niiden lieventämisen.
- esität ratkaisusi eri sidosryhmille sopivalla kielellä.

Tekoälyprojekti -opintojaksolla toteutat ja dokumentoit laajasti tekoälyä hyödyntävän projektin. Projektin lopputulos voi olla kirja, video, peli, web-sivusto, uusi mobiili-, työpöytä- tai verkkosovellus, joka on useamman kuin yhden kehotteen tulos. Projekti voi olla myös olemassa olevien tekoälyohjelmointirajapintojen soveltaminen robotiikassa, IoT:ssä tai automaatiossa. Projekti voi olla myös taideinstallaatio tai yrityksen käyttämä teknologiaprototyyppi.

Projekti on jaettu useisiin vaiheisiin: ryhmän muodostaminen ja suunnittelu, prototyyppi, beta ja lopullinen versio. Opiskelijat saavat palautetta jokaisesta vaiheesta.

Opintojakson tavoitteena on tutustua tietojenkäsittelyyn Pythonilla.

Opintojakson aikana dataa analysoidaan systemaattisesti aloittaen yksittäisistä muuttujista, edeten kahden muuttujan tapaukseen ja lopuksi tilastollisten testien tekemiseen, jolloin saadaan käsitys muuttujien välisistä mahdollisista riippuvuuksista.

Tutustut moniin Python-kirjastoihin, jotka ovat käyttökelpoisia moniin erilaisiin tehtäviin, ei vain tietojen analysointiin.

Opintojaksolla käsitellään seuraavia aiheita:

• Pythonille ominaiset ohjelmointirakenteet
• Datan visualisointi Matplotlib:llä
• Pandas-kirjaston käyttö tietojenkäsittelyyn
• Visuaalisen analytiikan periaatteet
• Tietojen lukeminen ja kirjoittaminen
• Tietorakenteiden ja niiden perusominaisuuksien ymmärtäminen
• Tietojen valinta, indeksointi, ryhmittely ja muuntaminen
• Puuttuvien tietojen ja kaksoiskappaleiden käsittely
• Perustavanlaatuisen tietoanalyysin suorittaminen
• Tilastollisten testien suorittaminen muuttujien välisen riippuvuuden arvioimiseksi
• Harjoitustyö, jossa yhdistyvät edellä mainitut aiheet

Opintojaksolla esittelee koneoppimisen dataan perustuvien ennusteiden tekemisen. Opit tuntemaan useita ohjattuja ja ohjaamattomia oppimisalgoritmeja.

Opintojakson suoritettuasi:

- sinulla on hyvä käsitys koneoppimisen keskeisistä käsitteistä ja menetelmistä
- osaat soveltaa erilaisia koneoppimismenetelmiä käytännön ongelmiin
- osaat luoda ja ottaa käyttöön yksinkertaisia koneoppimisratkaisuja

Esimerkkien ja harjoitustehtävien ohjelmointiin käytetään Python-ohjelmointikieltä ja sen eri kirjastoja.

Käsiteltävät aiheet:

• Ohjattu oppiminen, knn-algoritmi esimerkkinä
• Ohjaamaton oppiminen, esimerkkinä k-means-algoritmi
• Lineaarinen regressio ja korrelaatio
• Ali- ja ylisovitus
• Päätöspuut
• Tukivektorikoneet
• Ulottuvuuksien vähentäminen
• Aiheentunnistus, säännölliset lausekkeet, luonnollisen kielen käsittely (NLP)
• Tunneanalyysi

Opintojakso suoritetaan tekemällä muutama harjoitusprojekti pienryhmissä. Ennen jokaista harjoitusprojektia käydään materiaalin avulla läpi monia tietojenkäsittelyyn ja Python-kirjastoihin liittyviä asioita ja tarjotaan esimerkkejä.

Opintojakson tavoitteena on saada syvällinen ymmärrys neuroverkoista sekä käytännön kokemusta niiden hyödyntämisestä. Ensin perehdytään alla lueteltuihin aiheisiin ja tehdään tämän tiedon pohjalta harjoitusprojekti, joka toimitetaan arvioitavaksi.

Käsiteltävät aiheet:

• Python konenäkökirjasto
• Keinotekoiset neuroverkot
• Gradient Descent -algoritmi
• Konvoluutioneuroverkot
• Mallien kouluttaminen omalla datalla
• Siirto-oppiminen



Tulet muokkamaan näitä koodeja omiin tarpeisiisi soveltaaksesi annettua aineistoa osana opintojaksoon kuuluvaa harjoittelua. => ... osana opintojakson harjoitustyötä

Yllä oleviin aiheisiin perehdytään luentomateriaalin ja kirjallisuuden avulla ja lisäksi tarjolla on kattava Python-kielinen koodikanta. Tulet muokkamaan näitä koodeja omiin tarpeisiisi soveltaaksesi annettua aineistoa osana opintojakson harjoitustyötä.