Masinõppe rakendamine tehniliste erialade spetsialistidele
Lisa oma insenerioskustele masinõppe jõud!
Masinõpe on muutumas võtmeoskuseks paljudes tehnilistes valdkondades, mis loob kasvava vajaduse spetsialistide ja inseneride järele, kes oskavad seda rakendada. TalTechi koolitus „Masinõppe rakendamine tehniliste erialade spetsialistidele“ annab sulle oskused rakendada masinõpet oma igapäevatöös — alates andmete ettevalmistamisest kuni mudelite loomise, hindamise ja pärisprobleemide lahendamiseni. Õpe on praktiline, projektipõhine ning seotud Eesti ettevõtete tegelike juhtumitega AIRE keskuse kaudu.
Koolitus sobib insenerile ja spetsialistile, kes soovib teha järgmise arengusammu, tugevdada tehnilist profiili ning toetada ettevõtte innovatsiooni- ja digivõimekust masinõppe abil.
Koolitus toimub Haridus- ja Noorteameti tellimusel ning seda rahastatakse Euroopa Liidu taaste- ja vastupidavusrahastu NextGenerationEU vahenditest.
TOIMUMISE AEG
26.01.2026-10.05.2026
AJAKULU
kuni 10 h nädalas
kokku 120 h
TOIMUMISKOHT
TalTechis kohapeal ja veebis
KEEL
eesti keel
OSALEMISTASU
tasuta, tänu Euroopa Liidu taaste- ja vastupidavusrahastu toetusele
KANDIDEERIMISE TÄHTAEG
11.01.2026
MIKS TULLA ÕPPIMA?
- Omandad praktilised masinõppeoskused, mis toetavad Sinu tööd tehnilises valdkonnas ja aitavad ettevõttel digivõimekust kasvatada.
- Õpid masinõppe töövoogu algusest lõpuni, alustades andmete kogumisest ja eeltöötlusest ning jõudes juhendatud ja juhendamata õppe, närvivõrkude ja suurte keelemudelite kasutamiseni.
- Töötad pärisandmete ja reaalsete ettevõtete juhtumitega, kasutades AIRE keskuse praktilisi näiteid.
- Kasutad kaasaegseid töövahendeid Google Colab’i ja levinud masinõppeteekide näol.
- Õpid juhendatud praktikumides ja rühmatöödes, mis toetavad teadmiste kinnistumist.
- Viid ellu tervikliku masinõppe projekti, mida saad rakendada oma erialases töös.
KOOLITUSKAVA
Koolitus kestab 13 nädalat kogumahuga 120 akadeemilist tundi ning ühendab virtuaalse õppe, juhendatud praktilised sessioonid ja meeskonnatöö. Õpe põimib teooria ja praktilise töö, toetades masinõppe mõistmist päriseluliste andmete kaudu.
Programmi käigus on võimalus osaleda kolmel füüsilisel kohtumisel – Start, Vahepeatus ja Finiš. Kohtumised toimuvad eri paikades üle Eesti ning toetavad kogukonna loomist, kogemuste jagamist ja projektide arutelu.
Allpool on esitatud 13-nädalane koolituskava. Korraldajal on õigus koolituskava vajadusel täiendada.
| Moodul | Tunnid | Sisu (lühikirjeldus) | Praktiline töö |
|---|---|---|---|
| 1. Sissejuhatus masinõppesse ja rakendused | 6 h | Masinõppe põhimõisted, töövoog, juhendatud vs juhendamata õpe, rakendused eri valdkondades. | No-code tööriistaga (Teachable Machine, AutoML) lihtne klassifitseerija (nt defektne/korras toode). |
| 2. Andmeanalüüsi ja statistika põhitõed, Colab ja Python | 10 h | Statistika baas: keskmine, mediaan, dispersioon, korrelatsioon. Google Colab ja Pythoni sissejuhatus. | Pythoni abil tootmisandmete analüüs (keskmised, korrelatsioonid, visualiseerimine), esitamine Moodle kaudu automaattestiga. |
| 3. Andmete kogumine, eeltöötlus ja visualiseerimine | 9 h | Andmete kogumine (failid, API-d, andmebaasid), puhastamine, tunnuste loomine, visualiseerimine. | Logistika/energeetika andmestik: puhastamine, tunnuste loomine, visualiseerimine (nt tarne hilinemised või energiatarbimise tipud). |
| 4. Juhendatud õpe (klassifikatsioon, regressioon) | 10 h | Masinõppe töövoog, juhendatud vs juhendamata õpe. Lineaarne ja logistiline regressioon, hindamine. Ala- ja üleõppimine, ristvalideerimine. | Regressioon: energiatarbimise prognoos. Klassifitseerimine: tarne hilinemise prognoos. Mudelite hindamine + ristvalideerimine. |
| 5. Klassifitseerimisalgoritmid ja ansambelõpe | 10 h | Klassifitseerimisalgoritmid: otsustuspuud, k-NN, SVM. Ansamblimeetodid: Random Forest, Boosting. Klassifikaatorite hindamine (täpsus, precision, recall, F1, ROC/AUC). | Logistika: hilinemiste prognoos. Energeetika: tipptarbimise klassifitseerimine. Algoritmide ja ansamblite võrdlus scikit-learn’iga. |
| 6. Juhendamata õpe | 10 h | Klasterdamine (k-means, DBSCAN, hierarhiline) ja dimensioonide vähendamine (PCA, t-SNE). | Tootmisandmestiku klasterdamine (nt defektide tüübid või seadmete töörežiimid). PCA abil 2D visualiseerimine. |
| 7. Närvivõrkude tööpõhimõtted | 10 h | Närvivõrkude põhimõtted, CNN, tööriistad (TensorFlow, PyTorch, Keras). Hüperparameetrid: õppemäär, batch size, dropout, epohhid, optimizer. | CNN mudel Keras’ega (MNIST või defektsete toodete pildid). Katsetada erinevaid hüperparameetreid ja hinnata mõju. |
| 8. Suured keelemudelid (LLM) | 10 h | LLM-ide põhimõtted ja rakendused (summariseerimine, Q&A, tekstiklassifitseerimine). HuggingFace ja LMStudio kasutus. Eetika ja piirangud. | HuggingFace/LMStudio mudeli rakendamine: nt defektiraportite kokkuvõte tootmises või kliendipäringute klassifitseerimine logistikas. |
| 9. Eetika, andmekaitse ja AI usaldusväärsus | 9 h | AI eetilised ja sotsiaalsed aspektid, kallutatus, läbipaistvus, vastutus. GDPR ja andmekaitse nõuded. Usaldusväärsus ja riskihindamine. | Juhtumiuuring: automaatse kvaliteedikontrolli eetilised ja andmekaitse riskid tootmises. Lahenduste pakkumine riskide maandamiseks. |
| 10. Projektitöö | 36 h | Oma erialane probleemülesanne, meeskonnatööna ML-lahenduse kavandamine, realiseerimine ja esitlus. | Andmete kogumine ja eeltöötlus, mudeli loomine, hindamine, dokumenteerimine ja esitlus väiksemates meeskondades. |
AIRE kogemuslood
Tehisintellekti- ja robootikakeskus AIRE (AI & Robotics Estonia) kogemuslood tutvustavad Eesti ettevõtetes ellu viidud masinõppeprojekte, mis illustreerivad andmepõhiste lahenduste rakendamist tootmises, logistikas ja teistes tehnilistes valdkondades. Kogemuslugude kaudu avaneb arusaam, kuidas masinõpe päriselt töötab ja millist ärilist väärtust see ettevõtetele loob.
Koolituse raames toimuvad AIRE kogemuslugude ettekanded järgmistel kuupäevadel. Ettekannete teemad ja esinejad täienevad jooksvalt.
13.02.2026
- Marko Saviauk, Leanest tegevjuht
Tehisintellekti kasutamine Eesti puidutööstuses – näited ettevõtetest Riverbank ja Combiwood - Juhan Pukk, Flowit tegevjuht
Andmeanalüütika ohud ja võimalused - Rene Väli, AIRE keskuse AI ekspert
AIRE: semantiline mudel audio-visuaalsete produktsioonide võrdlemiseks suurendas vastete hulka 10-kordselt
16.03.2026
- (täpsustamisel)
27.03.2026
- (täpsustamisel)
TINGIMUSED JA LÕPETAMINE
Koolituse edukaks läbimiseks peab osaleja:
- osalema vähemalt 75% kontakttundidest,
- täitma kõik koolitusprogrammis ette nähtud põhiülesanded ja praktilised tööd,
- panustama meeskonnatöösse ning osalema lõpuprojekti koostamises ja esitluses.
Hindamine toimub praktiliste ülesannete, projektide ja lõpuprojekti põhjal, lähtudes ühtsetest hindamiskriteeriumidest. Tagasiside on järjepidev ja toetab õppija arengut kogu õppeprotsessi vältel.
Koolituse edukas lõpetamine kinnitatakse tunnistusega, mis väljastatakse digitaalselt Haridus- ja Teadusministeeriumi infosüsteemis Juhan.
KANDIDEERIMINE
Sobid õppima, kui Sul on:
- rakenduskõrgharidus või bakalaureusekraad mõnes inseneri-, IKT- või tehnikaga seotud valdkonnas;
- eesti keele oskus vähemalt B2 ja inglise keele oskus vähemalt B1;
- huvi andmepõhiste tehnoloogiate ja masinõppe vastu ning valmisolek õppida programmeerimist ja andmetöötluse aluseid.
Kandideerimiseks tuleb esitada:
- Kontaktandmed
- CV või link LinkedIni profiilile
- Motivatsioonikiri
Seejärel viiakse läbi kolmeetapiline valikuprotsess:
- Eelsõelumine: taotluste põhjal hinnatakse kandidaatide vastavust sihtrühmale.
- Infotund: sobivad kandidaadid kutsutakse veebipõhisele infotunnile, kus tutvustatakse kursuse ülesehitust, olulisi verstaposte ja ajakava. Infotund aitab kandidaadil hinnata, kas programm vastab tema ootustele.
- Lõplik valik: tehakse motivatsioonikirja, varasema kogemuse ja VKE seotuse põhjal.
KOOLITUSE EESMÄRK JA MÕJU
Koolitus „Masinõppe rakendamine tehniliste erialade spetsialistidele“ toetab tehnilise taustaga töötajate oskuste kasvu ning Eesti väike- ja keskmise suurusega ettevõtete digivõimekuse arengut. Koolituse eesmärk on anda õppijatele praktilised masinõppe rakendamise oskused, mis võimaldavad luua ja juurutada andmepõhiseid lahendusi oma töövaldkonnas.
Programmi käigus koolitatakse vähemalt 200 spetsialisti, kes on valmis omandatud teadmisi praktilises töös rakendama.
Koolitus viiakse ellu Haridus- ja Noorteameti tellimusel ning seda rahastab Euroopa Liit taaste- ja vastupidavusrahastu NextGenerationEU vahenditest summas 239 375 eurot.
