Harjoituksia
Tekoälyosioon liittyvät harjoitukset tehdään tässä aineistossa Jupyter Notebookiin (https://jupyter.org) pohjautuvalla verkkopohjaisella palvelulla. Jupyterin voi asentaa edellä mainitun sivuston ohjeiden avulla, mutta suositeltavampaa on käyttää valmista kokonaisuutta, joista tämän kurssin harjoituksissa käytetään Googlen Colaboratorya (https://colab.research.google.com). Muista vaihtoehdoista voi mainita Kagglen (https://www.kaggle.com/code/jhoward/jupyter-notebook-101)
Tekoälyyn liittyvässä tutkimuksessa ja kehityksessä suosituin ohjelmointikieli on toistaiseksi Python. Sitä varten on kehitetty suuri kokoelma erilaisia moduleita ja kehitysympäristöjä, jotka lisäävät tuottavuutta ja helpottavat työskentelyä ohjelmistotuotannon kaikilla alueilla. Verkosta löytyy useita sivustoja, joita voi käyttää Pythonin opiskeluun, esimerkkeinä https://www.python.org/about/gettingstarted/ ja https://www.w3schools.com/python/.
Googlen Colaboratoryn (Colab) ensimmäisellä avautuvalla sivulla neuvotaan palvelun käyttöehdoista, joista tärkein on se, että käyttäjällä on tili Googlen palveluihin. Se on sama kuin sähköpostipalvelukäytössä oleva Gmail-tili. Kannattaa tutustua Googlen tallennuspalvelu Google Driveen (https://drive.google.com), jotta tiedostojen käsittely Colabin kanssa olisi mahdollisimman juohevaa.
Colabia ja Pythonia varten on tarjolla opetustyökirja (https://colab.research.google.com/github/cs231n/cs231n.github.io/blob/master/python-colab.ipynb), jonka avulla pääsee liikkeelle perusasioiden kanssa. Taitojen karttuessa voi jatkaa vaativampien esimerkkien pariin ja hakea niitä lisää verkosta.
Alla olevat harjoitukset liittyvät aiempiin lukuihin. Kaikki tehtäviin liittyvät ohjeistukset ovat mukana tehtäväliitteiden .ipynb-dokumenteissa.
Harjoitus 1. Datan käsittely ja muokkaaminen. Tähän liittyen Python-ohjelmointikielen moduleista kannattaa tutustua Pandas-kirjastoon (https://pandas.pydata.org). Colab-esimerkkejä datankäsittelyyn Pandasin avulla ovat:
Huom. Jos haluat tallentaa etenemisesi tehtävissä, tallenna tehtävä omalle Google Drive asemallesi.
"Ultranopea" tutoriaali: https://colab.research.google.com/github/google/eng-edu/blob/main/ml/cc/exercises/pandas_dataframe_ultraquick_tutorial.ipynb
Laajempi tutoriaali: https://colab.research.google.com/drive/1a4sbKG7jOJGn4oeonQPA8XjJm7OYgcdX#scrollTo=RAq6KStKk0Lj
Vaativa harjoitus. Tämä edellyttää koodin sovittamista Jupyterista Colabiin. Samoin ehdotetut datajoukot pitää noutaa saataville. Tässä on osoite: https://jovian.com/aakashns/advanced-data-analysis-pandas
Harjoitus 2. Johdanto koneoppimiseen Colabin kanssa: https://machinelearningmastery.com/google-colab-for-machine-learning-projects/
Harjoitus 3. Colab ja syväoppimisen perusteet: https://colab.research.google.com/github/lexfridman/mit-deep-learning/blob/master/tutorial_deep_learning_basics/deep_learning_basics.ipynb