Search results for "UHI"
showing 10 items of 157 documents
Exploring the differences of Finnish students in PISA 2003 and 2012 using educational data mining
2016
Suomi on aina saanut hyviä tuloksia PISA-tutkimuksissa, mutta vuonna 2012 tulokset huononivat merkittävästi. Vuosien 2003 ja 2012 aineistoihin sovellettiin muokattua tiedonlouhinta-algoritmia nimeltään k-means++. Tuloksena saatiin kummallekin aineistolle viisi klusteria, joita vertailtiin keskenään. Huonommin pärjänneet klusterit olivat pysyneet samankaltaisina, mutta paremmin pärjänneiden klusteri oli jakautunut. Lisäksi keskiverrosti pärjänneiden klusteri oli kasvanut huomattavasti. Kaikkien klustereiden tulokset matematiikassa olivat laskeneet vuodesta 2003. Finland has always gotten good scores in PISA studies, but in 2012 the results dropped significantly. A modified version of a data mi…
Knowledge mining using robust clustering
2006
FM Sami Äyrämö tutki väitöstyössään suurten digitaalisten tietomassojen tehokasta hyödyntämistä ja siihen sovellettavia laskennallisesti älykkäitä niin kutsuttuja tiedonlouhintamenetelmiä (data mining). Aihe on ajankohtainen, sillä informaatiojärjestelmien nopea kehittyminen ja yleistyminen johtavat entistä useammin ”datatulvaan": digitaalisessa muodossa kerätään tietoa niin paljon, että oleellinen informaatio voi hukkua epäoleellisen ja moninkertaisen tiedon sekaan.Väitöstyönsä päätuloksena Äyrämö esittelee luotettavan, laskennallisesti tehokkaan ja käyttäjälle yksinkertaisen klusterointimenetelmän, joka ei ota kantaa sovelluskohteeseen ja on siten hyvin yleiskäyttöinen. Menetelmän pohjana…
Unstable feature relevance in classification tasks
2011
Knowledge discovery using diffusion maps
2013
Tekoälyn perusteita ja sovelluksia
2019
Feature extraction for supervised learning in knowledge discovery systems
2005
Tiedon louhinnalla pyritään paljastamaan tietokannasta tietomassaan sisältyviä säännönmukaisuuksia, joiden olemassaolosta ei vielä olla tietoisia. Kun tietokantaan sisältyvät tiedot ovat kovin moniulotteisia, yksittäisten tapausten sisältäessä lukuisia piirteitä, monen koneoppimisen menetelmän suorituskyky heikkenee ratkaisevasti. Tätä ilmiötä nimitetään ”moniulotteisuuden kiroukseksi”, koska se johtaa usein sekä koneellisen käsittelyn monimutkaisuuden että käsittelyn yhteydessä syntyvien luokitusvirheiden kasvuun. Toisaalta tietokantaan mahdollisesti sisältyvät epärelevantit tai vain epäsuorasti relevantit piirteet tarjoavat heikon esitysavaruuden tietokannan käsiterakenteen kuvaamiseen. P…
Tiedon louhinta myynnin, markkinoinnin ja asiakkuuksien hallinnassa
2001
Rantasalmi suomenkielisen kansanopetuksen edelläkävijänä ja kouluhistoriansa hyödyntäjänä
2017
Rantasalmi, itäsuomalainen kunta, on lähes 440-vuotiseen historiansa aikana toiminut kansanopetuksen ja koulutuksen edelläkävijänä pitäjänkouluista kunnalliseen keskikouluun ja musiikkiteatteripainotteiseen lukioon. Kuvaan tässä artikkelissa Rantasalmen koulutushistorian taustaa ja eri koulujen jatkumoa pitäjänkouluista peruskouluaikaan. nonPeerReviewed