KNIME-ohjelmisto ja koneoppiminen
Anttila, Juha (2022)
Julkaisun pysyvä osoite on
https://urn.fi/URN:NBN:fi:amk-202205057447
https://urn.fi/URN:NBN:fi:amk-202205057447
Tiivistelmä
Opinnäytetyön tarkoituksena oli tutustua KNIME-ohjelmistoon ja sen tarjoamiin koneoppimisen mahdollisuuksiin. KNIME-ohjelmistoon tutustumisessa hyödynnettiin ohjelmiston verkkosivuilla saatavilla olevia verkkokoulutuksia sekä muuta materiaalia, kuten valmiita työnkulkuja.
Opinnäytetyö on toiminnallinen työ, jossa teoria koostuu datatieteen ja koneoppimisen teoriasta sekä itse KNIME-ohjelmistoon liittyvästä teoriasta. Aineisto koostui ohjelmistolla tehdyistä työnkuluista sekä Excel-tiedostosta, johon oli kirjattu ohjelmiston koulutuksiin käytetty aika sekä muistiinpanoja koulutuksiin liittyen. KNIME-ohjelmiston koneoppimisen mahdollisuuksiin tutustuttiin numeraalisen ja kuvallisen datan kautta. Käytössä oli kaikkiaan kolme erilaista koneoppimisen työnkulkua, joihin tutustuttiin tarkemmin. Myös eri koneoppimisen mallien toimivuutta vertailtiin.
Opinnäytetyön tuloksena saatiin näkemys siitä, millaisen kurssikokonaisuuden KNIME-ohjelmiston ja koneoppimisen teemojen ympärille voi rakentaa. Opintokokonaisuus rakentuu ohjelmiston tarjoamien kahden kurssin kokonaisuudesta sekä koneoppimiseen painottuvaan oppimistehtävään. Opinnäytetyössä havaittiin, että KNIME-ohjelmiston mahdollistama kuvien muokkaus voi parantaa koneoppivan mallin toimintaa. Sen sijaan datan pyöristäminen heikentää koneoppivan mallin tarkkuutta. Myös käytettävän koneoppimisen menetelmän valinnalla on vaikutusta koneoppivan mallin tarkkuuteen.
Opinnäytetyö on toiminnallinen työ, jossa teoria koostuu datatieteen ja koneoppimisen teoriasta sekä itse KNIME-ohjelmistoon liittyvästä teoriasta. Aineisto koostui ohjelmistolla tehdyistä työnkuluista sekä Excel-tiedostosta, johon oli kirjattu ohjelmiston koulutuksiin käytetty aika sekä muistiinpanoja koulutuksiin liittyen. KNIME-ohjelmiston koneoppimisen mahdollisuuksiin tutustuttiin numeraalisen ja kuvallisen datan kautta. Käytössä oli kaikkiaan kolme erilaista koneoppimisen työnkulkua, joihin tutustuttiin tarkemmin. Myös eri koneoppimisen mallien toimivuutta vertailtiin.
Opinnäytetyön tuloksena saatiin näkemys siitä, millaisen kurssikokonaisuuden KNIME-ohjelmiston ja koneoppimisen teemojen ympärille voi rakentaa. Opintokokonaisuus rakentuu ohjelmiston tarjoamien kahden kurssin kokonaisuudesta sekä koneoppimiseen painottuvaan oppimistehtävään. Opinnäytetyössä havaittiin, että KNIME-ohjelmiston mahdollistama kuvien muokkaus voi parantaa koneoppivan mallin toimintaa. Sen sijaan datan pyöristäminen heikentää koneoppivan mallin tarkkuutta. Myös käytettävän koneoppimisen menetelmän valinnalla on vaikutusta koneoppivan mallin tarkkuuteen.