Studieguide

Lärandemål

Målet är att lära sig hur man programmerar realtids system, och förstå sig på machine learning

Innehåll

-Node.js
- Azure ML and Stream analytics
- Tensorflow.js

Tid och plats

Våren , Vasa

Studiematerial och rekommenderad litteratur

Moodle

Undervisningsmetoder

Kursen baserar sig på föreläsningar, självstudier och övningar i klassrumsmiljö. Laborationerna obligatoriska.

Bedömningsmetoder (förverkligande) och -kriterier (studieperioder/kurser)

Våren

Studerandes tidsanvändning och belastning

Ca 50% närvarustudier och ca 50% självstudier.

Vitsordsskala

H-5

Bedömningskriterier, tillfredsställande-synnerligen tillfredsställande (1-2)

At least 10p/30p

Arviointikriteerit, goda-synnerligen goda (3-4)

At least 18p/30p

Arviointikriteerit, berömliga (5)

At least 26p/30p

Bedömningsmetoder (förverkligande) och -kriterier (studieperioder/kurser)

Av inlämningsfrågornas poäng måste man få minst 33% för att erhålla ett vitsord i kursen, oavsett provens totala poängsumma. 33% för godkänt, per prov. Totalt så tillämpas 33% för godkänt och lineär skala.

Bedömningskriterier, tillfredsställande-synnerligen tillfredsställande (1-2)

Minst 10p/30p

Bedömningskriterier, goda-synnerligen goda (3-4)

Minst 18p/30p

Bedömningskriterier, berömliga (5)

Minst 26p/30p

Förkunskapskrav

All year 3 courses