Datan analysointi ja visualisointiLaajuus (4 op)
Tunnus: TTC8040
Laajuus
4 op
Opetuskieli
- suomi
Vastuuhenkilö
- Juha Peltomäki
- Tuomas Huopana
Osaamistavoitteet
Tarkoitus:
Nykyaikaisten sovellusten kehittämisen ja toiminnan kannalta olennaisessa osassa on sovellukseen liittyvän datan analysointi. Sovellukset käyttävät dataa, jota halutaan esittää loppukäyttäjille. Data ei kuitenkaan sellaisenaan ole loppukäyttäjälle esitettävässä muodossa. Datan analysointimenetelmiä tarvitaan tukemaan loppukäyttäjää, joka tekee datan tietosisältöön perustuvia päätöksiä.
EUR-ACE-osaamiset:
Tieto ja ymmärrys
Tekniikan soveltaminen käytäntöön
Tutkimukset ja tiedonhaku
Opintojakson tavoitteet:
Osaat tunnistaa datan sen sisällön ja metatietojen avulla. Osaat esittää datan tilanteen mukaisella tavalla. Olet analysoinut datan sen määritelmän pohjalta siten, että analyysin tuloksista voidaan tehdä johtopäätöksiä. Osaat esittää analysoimasi datan.
Sisältö
- Datan määrä ja laatu
- Datan analysointi osana koko tiedonkäsittelyprosessia
- Datan kuvaaminen
- Datan muokkaaminen
- Datan visualisointi
- Statistiikka
- Aikasarjat
- Korrelaatio
- Lineaarinen ja epälineaarinen regressiomalli
- Jaksollisen datan mallintaminen
- Analysoidun tuloksen esittäminen
Esitietovaatimukset
Tietotekniikan peruskäyttötaidot, ohjelmoinnin perusosaaminen, Python-ohjelmointikielen tunteminen ja osaaminen.
Arviointikriteerit, tyydyttävä (1)
Välttävä (1):
Osaat tunnistaa datan sen sisällön ja metatietojen avulla. Tiedät data-analytiikan yleisimmin käytetyt tekniikat datan analysointitehtävissä. Osaat soveltaa yleisimpiä tekniikoita datan analysoinnissa. Osaat arvioida suppeasti data-analyysin tuloksia. Osaat esittää analysoimastasi datasta tuloksia.
Tyydyttävä (2):
Osaat ottaa datan käyttöön sen sisällön ja metatietojen avulla. Tiedät data-analytiikan yleisimmin käytetyt tekniikat datan analysointitehtävissä. Osaat valita tekniikat datan analysoinnissa ja soveltaa teknistä osaamista käytännössä. Osaat arvioida pintapuolisesti data-analyysin tulosta. Osaat esittää analysoimastasi datasta olennaisia tuloksia.
Arviointikriteerit, hyvä (3)
Hyvä (3):
Osaat ottaa olennaista dataa käyttöön sen sisällön ja metatietojen avulla. Tiedät data-analytiikan yleisimmin käytetyt tekniikat erilaisissa datan analysointitehtävissä. Osaat perustella ja valita tekniikat datan analysoinnissa ja osaat soveltaa teknistä osaamistaan käytännössä. Lisäksi osaat arvioida toteutusta ja perustella sen kehittämistä. Osaat esittää analysoimastasi datasta olennaiset tulokset.
Kiitettävä (4):
Osaat ottaa olennaisen datan käyttöön sen sisällön ja metatietojen avulla. Osaat data-analytiikan yleisimmin käytetyt tekniikat ja osaat laajasti perustella käytettyjen tekniikoiden käytön erilaisissa datan analysointitehtävissä. Osaat monipuolisesti perustella ja valita oikeat tekniikat datan analysoinnissa. Osaat soveltaa teknistä osaamistaan käytännössä. Osaat arvioida perusteellisesti toteutusta ja perustella sen kehittämistä. Osaat esittää analysoimastasi datasta kattavasti tuloksia.
Arviointikriteerit, kiitettävä (5)
Osaat ottaa olennaisen datan käyttöön sen sisällön ja metatietojen avulla ottaen huomioon substanssi. Osaat data-analytiikan yleisimmin käytetyt tekniikat ja osaat kriittisesti perustella käytettyjen tekniikoiden käytön erilaisissa datan analysointitehtävissä. Osaat soveltaa teknistä osaamistaan käytännössä. Osaat arvioida kriittisesti toteutusta ja perustella sen kehittämistä. Osaat esittää analysoimastasi datasta laaja-alaisesti tuloksia.
Ilmoittautumisaika
01.08.2023 - 24.08.2023
Ajoitus
02.10.2023 - 12.11.2023
Opintopistemäärä
4 op
Virtuaaliosuus
4 op
Toteutustapa
Etäopetus
Yksikkö
Teknologiayksikkö
Opetuskielet
- Suomi
Paikat
0 - 30
Koulutus
- Tieto- ja viestintätekniikka (AMK)
Opettaja
- Juha Peltomäki
Ryhmät
-
TTV21S3Tieto- ja viestintätekniikka (AMK)
-
TTV21S5Tieto- ja viestintätekniikka (AMK)
-
TTV21SMTieto- ja viestintätekniikka (AMK)
-
TTV21S2Tieto- ja viestintätekniikka (AMK)
-
ZJA23STIDA1Avoin amk, Data-analytiikka 1, Verkko
-
TTV21S1Tieto- ja viestintätekniikka (AMK)
Tavoitteet
Tarkoitus:
Nykyaikaisten sovellusten kehittämisen ja toiminnan kannalta olennaisessa osassa on sovellukseen liittyvän datan analysointi. Sovellukset käyttävät dataa, jota halutaan esittää loppukäyttäjille. Data ei kuitenkaan sellaisenaan ole loppukäyttäjälle esitettävässä muodossa. Datan analysointimenetelmiä tarvitaan tukemaan loppukäyttäjää, joka tekee datan tietosisältöön perustuvia päätöksiä.
EUR-ACE-osaamiset:
Tieto ja ymmärrys
Tekniikan soveltaminen käytäntöön
Tutkimukset ja tiedonhaku
Opintojakson tavoitteet:
Osaat tunnistaa datan sen sisällön ja metatietojen avulla. Osaat esittää datan tilanteen mukaisella tavalla. Olet analysoinut datan sen määritelmän pohjalta siten, että analyysin tuloksista voidaan tehdä johtopäätöksiä. Osaat esittää analysoimasi datan.
Sisältö
- Datan määrä ja laatu
- Datan analysointi osana koko tiedonkäsittelyprosessia
- Datan kuvaaminen
- Datan muokkaaminen
- Datan visualisointi
- Statistiikka
- Aikasarjat
- Korrelaatio
- Lineaarinen ja epälineaarinen regressiomalli
- Jaksollisen datan mallintaminen
- Analysoidun tuloksen esittäminen
Aika ja paikka
Opintojakso toteutetaan syyslukukaudella 2023.
Oppimateriaalit
Materiaali harjoitustehtäviä ja opiskeltavia asiasisältöjä varten jaetaan kurssin aikana. Opintojaksolla hyödynnetään Python 3.9+-ympäristöä, Git-versiohallintaa, NumPy- ja Pandas-kirjastoja, visualisointikirjastoja sekä muita soveltuvia kirjastoja.
Opetusmenetelmät
Virtuaalinen opiskelu sisältäen harjoitustehtävien tekemisen sekä niihin liittyviin luento- ja esimerkkimateriaaleihin perehtymisen.
Harjoittelu- ja työelämäyhteistyö
Kurssin sisältö pyritään kytkemään työelämässä esiintyviin ongelmiin.
Toteutuksen valinnaiset suoritustavat
Hyväksilukemisen menettelytavat kuvataan tutkintosäännössä ja opinto-oppaassa. Opintojakson opettaja antaa lisätietoa mahdollisista opintojakson erityiskäytänteistä.
Opiskelijan ajankäyttö ja kuormitus
Yhden opintopisteen työmäärä vastaa 27 tunnin opiskelutyötä. Yhteensä opiskelutyömäärä (4 op.) kurssilla on 108 tuntia.
Lisätietoja opiskelijoille
Opintojakso arvioidaan palautettujen harjoitustehtävien perusteella. Tehtävien palautukset tulee suorittaa annettujen aikataulujen puitteissa.
Arviointiasteikko
0-5
Arviointikriteerit, tyydyttävä (1)
Välttävä (1):
Osaat tunnistaa datan sen sisällön ja metatietojen avulla. Tiedät data-analytiikan yleisimmin käytetyt tekniikat datan analysointitehtävissä. Osaat soveltaa yleisimpiä tekniikoita datan analysoinnissa. Osaat arvioida suppeasti data-analyysin tuloksia. Osaat esittää analysoimastasi datasta tuloksia.
Tyydyttävä (2):
Osaat ottaa datan käyttöön sen sisällön ja metatietojen avulla. Tiedät data-analytiikan yleisimmin käytetyt tekniikat datan analysointitehtävissä. Osaat valita tekniikat datan analysoinnissa ja soveltaa teknistä osaamista käytännössä. Osaat arvioida pintapuolisesti data-analyysin tulosta. Osaat esittää analysoimastasi datasta olennaisia tuloksia.
Arviointikriteerit, hyvä (3)
Hyvä (3):
Osaat ottaa olennaista dataa käyttöön sen sisällön ja metatietojen avulla. Tiedät data-analytiikan yleisimmin käytetyt tekniikat erilaisissa datan analysointitehtävissä. Osaat perustella ja valita tekniikat datan analysoinnissa ja osaat soveltaa teknistä osaamistaan käytännössä. Lisäksi osaat arvioida toteutusta ja perustella sen kehittämistä. Osaat esittää analysoimastasi datasta olennaiset tulokset.
Kiitettävä (4):
Osaat ottaa olennaisen datan käyttöön sen sisällön ja metatietojen avulla. Osaat data-analytiikan yleisimmin käytetyt tekniikat ja osaat laajasti perustella käytettyjen tekniikoiden käytön erilaisissa datan analysointitehtävissä. Osaat monipuolisesti perustella ja valita oikeat tekniikat datan analysoinnissa. Osaat soveltaa teknistä osaamistaan käytännössä. Osaat arvioida perusteellisesti toteutusta ja perustella sen kehittämistä. Osaat esittää analysoimastasi datasta kattavasti tuloksia.
Arviointikriteerit, kiitettävä (5)
Osaat ottaa olennaisen datan käyttöön sen sisällön ja metatietojen avulla ottaen huomioon substanssi. Osaat data-analytiikan yleisimmin käytetyt tekniikat ja osaat kriittisesti perustella käytettyjen tekniikoiden käytön erilaisissa datan analysointitehtävissä. Osaat soveltaa teknistä osaamistaan käytännössä. Osaat arvioida kriittisesti toteutusta ja perustella sen kehittämistä. Osaat esittää analysoimastasi datasta laaja-alaisesti tuloksia.
Esitietovaatimukset
Tietotekniikan peruskäyttötaidot, ohjelmoinnin perusosaaminen, Python-ohjelmointikielen tunteminen ja osaaminen.
Ajoitus
20.03.2023 - 28.04.2023
Opintopistemäärä
4 op
Toteutustapa
Lähiopetus
Yksikkö
Teknologiayksikkö
Opetuskielet
- Suomi
Koulutus
- Tieto- ja viestintätekniikka (AMK)
Opettaja
- Juha Peltomäki
Ryhmät
-
ZJA23KTIDA1Avoin amk, Data-analytiikka 1, Verkko
Tavoitteet
Tarkoitus:
Nykyaikaisten sovellusten kehittämisen ja toiminnan kannalta olennaisessa osassa on sovellukseen liittyvän datan analysointi. Sovellukset käyttävät dataa, jota halutaan esittää loppukäyttäjille. Data ei kuitenkaan sellaisenaan ole loppukäyttäjälle esitettävässä muodossa. Datan analysointimenetelmiä tarvitaan tukemaan loppukäyttäjää, joka tekee datan tietosisältöön perustuvia päätöksiä.
EUR-ACE-osaamiset:
Tieto ja ymmärrys
Tekniikan soveltaminen käytäntöön
Tutkimukset ja tiedonhaku
Opintojakson tavoitteet:
Osaat tunnistaa datan sen sisällön ja metatietojen avulla. Osaat esittää datan tilanteen mukaisella tavalla. Olet analysoinut datan sen määritelmän pohjalta siten, että analyysin tuloksista voidaan tehdä johtopäätöksiä. Osaat esittää analysoimasi datan.
Sisältö
- Datan määrä ja laatu
- Datan analysointi osana koko tiedonkäsittelyprosessia
- Datan kuvaaminen
- Datan muokkaaminen
- Datan visualisointi
- Statistiikka
- Aikasarjat
- Korrelaatio
- Lineaarinen ja epälineaarinen regressiomalli
- Jaksollisen datan mallintaminen
- Analysoidun tuloksen esittäminen
Aika ja paikka
Opintojakso toteutetaan kevätlukukaudella 2023.
Oppimateriaalit
Materiaali harjoitustehtäviä ja opiskeltavia asiasisältöjä varten jaetaan kurssin aikana. Opintojaksolla hyödynnetään Python 3.9+-ympäristöä, Git-versiohallintaa, NumPy- ja Pandas-kirjastoja, visualisointikirjastoja sekä muita soveltuvia kirjastoja.
Harjoitustehtävien tekemisessä hyödynnetään myös Anaconda-ympäristöä sekä Jupyter Notebook -formaattia.
Opetusmenetelmät
Virtuaalinen opiskelu sisältäen harjoitustehtävien tekemisen sekä niihin liittyviin luento- ja esimerkkimateriaaleihin perehtymisen.
Harjoittelu- ja työelämäyhteistyö
Opintojakson sisältö pyritään kytkemään työelämässä esiintyviin ongelmiin.
Tenttien ajankohdat ja uusintamahdollisuudet
Opintojakso arvioidaan palautettujen harjoitustehtävien avulla. Palautukset tulee suorittaa annettujen aikataulujen puitteissa.
Toteutuksen valinnaiset suoritustavat
Hyväksilukemisen menettelytavat kuvataan tutkintosäännössä ja opinto-oppaassa. Opintojakson opettaja antaa lisätietoa mahdollisista opintojakson erityiskäytänteistä.
Opiskelijan ajankäyttö ja kuormitus
Yhden opintopisteen työmäärä vastaa 27 tunnin opiskelutyötä. Yhteensä opiskelutyömäärä (4 op.) kurssilla on 108 tuntia.
Arviointiasteikko
0-5
Arviointikriteerit, tyydyttävä (1)
Välttävä (1):
Osaat tunnistaa datan sen sisällön ja metatietojen avulla. Tiedät data-analytiikan yleisimmin käytetyt tekniikat datan analysointitehtävissä. Osaat soveltaa yleisimpiä tekniikoita datan analysoinnissa. Osaat arvioida suppeasti data-analyysin tuloksia. Osaat esittää analysoimastasi datasta tuloksia.
Tyydyttävä (2):
Osaat ottaa datan käyttöön sen sisällön ja metatietojen avulla. Tiedät data-analytiikan yleisimmin käytetyt tekniikat datan analysointitehtävissä. Osaat valita tekniikat datan analysoinnissa ja soveltaa teknistä osaamista käytännössä. Osaat arvioida pintapuolisesti data-analyysin tulosta. Osaat esittää analysoimastasi datasta olennaisia tuloksia.
Arviointikriteerit, hyvä (3)
Hyvä (3):
Osaat ottaa olennaista dataa käyttöön sen sisällön ja metatietojen avulla. Tiedät data-analytiikan yleisimmin käytetyt tekniikat erilaisissa datan analysointitehtävissä. Osaat perustella ja valita tekniikat datan analysoinnissa ja osaat soveltaa teknistä osaamistaan käytännössä. Lisäksi osaat arvioida toteutusta ja perustella sen kehittämistä. Osaat esittää analysoimastasi datasta olennaiset tulokset.
Kiitettävä (4):
Osaat ottaa olennaisen datan käyttöön sen sisällön ja metatietojen avulla. Osaat data-analytiikan yleisimmin käytetyt tekniikat ja osaat laajasti perustella käytettyjen tekniikoiden käytön erilaisissa datan analysointitehtävissä. Osaat monipuolisesti perustella ja valita oikeat tekniikat datan analysoinnissa. Osaat soveltaa teknistä osaamistaan käytännössä. Osaat arvioida perusteellisesti toteutusta ja perustella sen kehittämistä. Osaat esittää analysoimastasi datasta kattavasti tuloksia.
Arviointikriteerit, kiitettävä (5)
Osaat ottaa olennaisen datan käyttöön sen sisällön ja metatietojen avulla ottaen huomioon substanssi. Osaat data-analytiikan yleisimmin käytetyt tekniikat ja osaat kriittisesti perustella käytettyjen tekniikoiden käytön erilaisissa datan analysointitehtävissä. Osaat soveltaa teknistä osaamistaan käytännössä. Osaat arvioida kriittisesti toteutusta ja perustella sen kehittämistä. Osaat esittää analysoimastasi datasta laaja-alaisesti tuloksia.
Esitietovaatimukset
Tietotekniikan peruskäyttötaidot, ohjelmoinnin perusosaaminen, Python-ohjelmointikielen tunteminen ja osaaminen.
Ilmoittautumisaika
01.11.2022 - 05.01.2023
Ajoitus
20.03.2023 - 28.04.2023
Opintopistemäärä
4 op
Virtuaaliosuus
4 op
Toteutustapa
Etäopetus
Yksikkö
Teknologiayksikkö
Toimipiste
Lutakon kampus
Opetuskielet
- Suomi
Paikat
0 - 30
Koulutus
- Tieto- ja viestintätekniikka (AMK)
Opettaja
- Juha Peltomäki
Tavoitteet
Tarkoitus:
Nykyaikaisten sovellusten kehittämisen ja toiminnan kannalta olennaisessa osassa on sovellukseen liittyvän datan analysointi. Sovellukset käyttävät dataa, jota halutaan esittää loppukäyttäjille. Data ei kuitenkaan sellaisenaan ole loppukäyttäjälle esitettävässä muodossa. Datan analysointimenetelmiä tarvitaan tukemaan loppukäyttäjää, joka tekee datan tietosisältöön perustuvia päätöksiä.
EUR-ACE-osaamiset:
Tieto ja ymmärrys
Tekniikan soveltaminen käytäntöön
Tutkimukset ja tiedonhaku
Opintojakson tavoitteet:
Osaat tunnistaa datan sen sisällön ja metatietojen avulla. Osaat esittää datan tilanteen mukaisella tavalla. Olet analysoinut datan sen määritelmän pohjalta siten, että analyysin tuloksista voidaan tehdä johtopäätöksiä. Osaat esittää analysoimasi datan.
Sisältö
- Datan määrä ja laatu
- Datan analysointi osana koko tiedonkäsittelyprosessia
- Datan kuvaaminen
- Datan muokkaaminen
- Datan visualisointi
- Statistiikka
- Aikasarjat
- Korrelaatio
- Lineaarinen ja epälineaarinen regressiomalli
- Jaksollisen datan mallintaminen
- Analysoidun tuloksen esittäminen
Aika ja paikka
Opintojakso toteutetaan kevätlukukaudella 2023.
Oppimateriaalit
Materiaali harjoitustehtäviä ja opiskeltavia asiasisältöjä varten jaetaan kurssin aikana. Opintojaksolla hyödynnetään Python 3.9+-ympäristöä, Git-versiohallintaa, NumPy- ja Pandas-kirjastoja, visualisointikirjastoja sekä muita soveltuvia kirjastoja.
Harjoitustehtävien tekemisessä hyödynnetään myös Anaconda-ympäristöä sekä Jupyter Notebook -formaattia.
Opetusmenetelmät
Virtuaalinen opiskelu sisältäen harjoitustehtävien tekemisen sekä niihin liittyviin luento- ja esimerkkimateriaaleihin perehtymisen.
Harjoittelu- ja työelämäyhteistyö
Opintojakson sisältö pyritään kytkemään työelämässä esiintyviin ongelmiin.
Tenttien ajankohdat ja uusintamahdollisuudet
Opintojakso arvioidaan palautettujen harjoitustehtävien avulla. Palautukset tulee suorittaa annettujen aikataulujen puitteissa.
Toteutuksen valinnaiset suoritustavat
Hyväksilukemisen menettelytavat kuvataan tutkintosäännössä ja opinto-oppaassa. Opintojakson opettaja antaa lisätietoa mahdollisista opintojakson erityiskäytänteistä.
Opiskelijan ajankäyttö ja kuormitus
Yhden opintopisteen työmäärä vastaa 27 tunnin opiskelutyötä. Yhteensä opiskelutyömäärä (4 op.) kurssilla on 108 tuntia.
Arviointiasteikko
0-5
Arviointikriteerit, tyydyttävä (1)
Välttävä (1):
Osaat tunnistaa datan sen sisällön ja metatietojen avulla. Tiedät data-analytiikan yleisimmin käytetyt tekniikat datan analysointitehtävissä. Osaat soveltaa yleisimpiä tekniikoita datan analysoinnissa. Osaat arvioida suppeasti data-analyysin tuloksia. Osaat esittää analysoimastasi datasta tuloksia.
Tyydyttävä (2):
Osaat ottaa datan käyttöön sen sisällön ja metatietojen avulla. Tiedät data-analytiikan yleisimmin käytetyt tekniikat datan analysointitehtävissä. Osaat valita tekniikat datan analysoinnissa ja soveltaa teknistä osaamista käytännössä. Osaat arvioida pintapuolisesti data-analyysin tulosta. Osaat esittää analysoimastasi datasta olennaisia tuloksia.
Arviointikriteerit, hyvä (3)
Hyvä (3):
Osaat ottaa olennaista dataa käyttöön sen sisällön ja metatietojen avulla. Tiedät data-analytiikan yleisimmin käytetyt tekniikat erilaisissa datan analysointitehtävissä. Osaat perustella ja valita tekniikat datan analysoinnissa ja osaat soveltaa teknistä osaamistaan käytännössä. Lisäksi osaat arvioida toteutusta ja perustella sen kehittämistä. Osaat esittää analysoimastasi datasta olennaiset tulokset.
Kiitettävä (4):
Osaat ottaa olennaisen datan käyttöön sen sisällön ja metatietojen avulla. Osaat data-analytiikan yleisimmin käytetyt tekniikat ja osaat laajasti perustella käytettyjen tekniikoiden käytön erilaisissa datan analysointitehtävissä. Osaat monipuolisesti perustella ja valita oikeat tekniikat datan analysoinnissa. Osaat soveltaa teknistä osaamistaan käytännössä. Osaat arvioida perusteellisesti toteutusta ja perustella sen kehittämistä. Osaat esittää analysoimastasi datasta kattavasti tuloksia.
Arviointikriteerit, kiitettävä (5)
Osaat ottaa olennaisen datan käyttöön sen sisällön ja metatietojen avulla ottaen huomioon substanssi. Osaat data-analytiikan yleisimmin käytetyt tekniikat ja osaat kriittisesti perustella käytettyjen tekniikoiden käytön erilaisissa datan analysointitehtävissä. Osaat soveltaa teknistä osaamistaan käytännössä. Osaat arvioida kriittisesti toteutusta ja perustella sen kehittämistä. Osaat esittää analysoimastasi datasta laaja-alaisesti tuloksia.
Esitietovaatimukset
Tietotekniikan peruskäyttötaidot, ohjelmoinnin perusosaaminen, Python-ohjelmointikielen tunteminen ja osaaminen.
Ajoitus
07.11.2022 - 20.12.2022
Opintopistemäärä
4 op
Toteutustapa
Lähiopetus
Yksikkö
Teknologiayksikkö
Opetuskielet
- Suomi
Koulutus
- Tieto- ja viestintätekniikka (AMK)
Opettaja
- Juha Peltomäki
Ryhmät
-
ZJA22STIDA1Avoin amk, Data-analytiikka 1, Verkko
Tavoitteet
Tarkoitus:
Nykyaikaisten sovellusten kehittämisen ja toiminnan kannalta olennaisessa osassa on sovellukseen liittyvän datan analysointi. Sovellukset käyttävät dataa, jota halutaan esittää loppukäyttäjille. Data ei kuitenkaan sellaisenaan ole loppukäyttäjälle esitettävässä muodossa. Datan analysointimenetelmiä tarvitaan tukemaan loppukäyttäjää, joka tekee datan tietosisältöön perustuvia päätöksiä.
EUR-ACE-osaamiset:
Tieto ja ymmärrys
Tekniikan soveltaminen käytäntöön
Tutkimukset ja tiedonhaku
Opintojakson tavoitteet:
Osaat tunnistaa datan sen sisällön ja metatietojen avulla. Osaat esittää datan tilanteen mukaisella tavalla. Olet analysoinut datan sen määritelmän pohjalta siten, että analyysin tuloksista voidaan tehdä johtopäätöksiä. Osaat esittää analysoimasi datan.
Sisältö
- Datan määrä ja laatu
- Datan analysointi osana koko tiedonkäsittelyprosessia
- Datan kuvaaminen
- Datan muokkaaminen
- Datan visualisointi
- Statistiikka
- Aikasarjat
- Korrelaatio
- Lineaarinen ja epälineaarinen regressiomalli
- Jaksollisen datan mallintaminen
- Analysoidun tuloksen esittäminen
Aika ja paikka
Opintojakso toteutetaan syyslukukaudella 2022.
Oppimateriaalit
Materiaali harjoitustehtäviä ja opiskeltavia asiasisältöjä varten jaetaan kurssin aikana. Opintojaksolla hyödynnetään Python 3.8+-ympäristöä, Git-versiohallintaa, NumPy- ja Pandas-kirjastoja, visualisointikirjastoja sekä muita soveltuvia kirjastoja.
Harjoitustehtävien tekemisessä hyödynnetään myös Anaconda-ympäristöä sekä Jupyter Notebook -formaattia.
Opetusmenetelmät
Virtuaalinen opiskelu sisältäen harjoitustehtävien tekemisen sekä niihin liittyviin luento- ja esimerkkimateriaaleihin perehtymisen.
Harjoittelu- ja työelämäyhteistyö
Opintojakson sisältö pyritään kytkemään työelämässä esiintyviin ongelmiin.
Tenttien ajankohdat ja uusintamahdollisuudet
Opintojakso arvioidaan palautettujen harjoitustehtävien avulla. Palautukset tulee suorittaa annettujen aikataulujen puitteissa.
Toteutuksen valinnaiset suoritustavat
Hyväksilukemisen menettelytavat kuvataan tutkintosäännössä ja opinto-oppaassa. Opintojakson opettaja antaa lisätietoa mahdollisista opintojakson erityiskäytänteistä.
Opiskelijan ajankäyttö ja kuormitus
Yhden opintopisteen työmäärä vastaa 27 tunnin opiskelutyötä. Yhteensä opiskelutyömäärä (4 op.) kurssilla on 108 tuntia.
Arviointiasteikko
0-5
Arviointikriteerit, tyydyttävä (1)
Välttävä (1):
Osaat tunnistaa datan sen sisällön ja metatietojen avulla. Tiedät data-analytiikan yleisimmin käytetyt tekniikat datan analysointitehtävissä. Osaat soveltaa yleisimpiä tekniikoita datan analysoinnissa. Osaat arvioida suppeasti data-analyysin tuloksia. Osaat esittää analysoimastasi datasta tuloksia.
Tyydyttävä (2):
Osaat ottaa datan käyttöön sen sisällön ja metatietojen avulla. Tiedät data-analytiikan yleisimmin käytetyt tekniikat datan analysointitehtävissä. Osaat valita tekniikat datan analysoinnissa ja soveltaa teknistä osaamista käytännössä. Osaat arvioida pintapuolisesti data-analyysin tulosta. Osaat esittää analysoimastasi datasta olennaisia tuloksia.
Arviointikriteerit, hyvä (3)
Hyvä (3):
Osaat ottaa olennaista dataa käyttöön sen sisällön ja metatietojen avulla. Tiedät data-analytiikan yleisimmin käytetyt tekniikat erilaisissa datan analysointitehtävissä. Osaat perustella ja valita tekniikat datan analysoinnissa ja osaat soveltaa teknistä osaamistaan käytännössä. Lisäksi osaat arvioida toteutusta ja perustella sen kehittämistä. Osaat esittää analysoimastasi datasta olennaiset tulokset.
Kiitettävä (4):
Osaat ottaa olennaisen datan käyttöön sen sisällön ja metatietojen avulla. Osaat data-analytiikan yleisimmin käytetyt tekniikat ja osaat laajasti perustella käytettyjen tekniikoiden käytön erilaisissa datan analysointitehtävissä. Osaat monipuolisesti perustella ja valita oikeat tekniikat datan analysoinnissa. Osaat soveltaa teknistä osaamistaan käytännössä. Osaat arvioida perusteellisesti toteutusta ja perustella sen kehittämistä. Osaat esittää analysoimastasi datasta kattavasti tuloksia.
Arviointikriteerit, kiitettävä (5)
Osaat ottaa olennaisen datan käyttöön sen sisällön ja metatietojen avulla ottaen huomioon substanssi. Osaat data-analytiikan yleisimmin käytetyt tekniikat ja osaat kriittisesti perustella käytettyjen tekniikoiden käytön erilaisissa datan analysointitehtävissä. Osaat soveltaa teknistä osaamistaan käytännössä. Osaat arvioida kriittisesti toteutusta ja perustella sen kehittämistä. Osaat esittää analysoimastasi datasta laaja-alaisesti tuloksia.
Esitietovaatimukset
Tietotekniikan peruskäyttötaidot, ohjelmoinnin perusosaaminen, Python-ohjelmointikielen tunteminen ja osaaminen.
Ilmoittautumisaika
01.08.2022 - 25.08.2022
Ajoitus
07.11.2022 - 20.12.2022
Opintopistemäärä
4 op
Virtuaaliosuus
4 op
Toteutustapa
Etäopetus
Yksikkö
Teknologiayksikkö
Toimipiste
Lutakon kampus
Opetuskielet
- Suomi
Paikat
0 - 30
Koulutus
- Tieto- ja viestintätekniikka (AMK)
Opettaja
- Juha Peltomäki
Tavoitteet
Tarkoitus:
Nykyaikaisten sovellusten kehittämisen ja toiminnan kannalta olennaisessa osassa on sovellukseen liittyvän datan analysointi. Sovellukset käyttävät dataa, jota halutaan esittää loppukäyttäjille. Data ei kuitenkaan sellaisenaan ole loppukäyttäjälle esitettävässä muodossa. Datan analysointimenetelmiä tarvitaan tukemaan loppukäyttäjää, joka tekee datan tietosisältöön perustuvia päätöksiä.
EUR-ACE-osaamiset:
Tieto ja ymmärrys
Tekniikan soveltaminen käytäntöön
Tutkimukset ja tiedonhaku
Opintojakson tavoitteet:
Osaat tunnistaa datan sen sisällön ja metatietojen avulla. Osaat esittää datan tilanteen mukaisella tavalla. Olet analysoinut datan sen määritelmän pohjalta siten, että analyysin tuloksista voidaan tehdä johtopäätöksiä. Osaat esittää analysoimasi datan.
Sisältö
- Datan määrä ja laatu
- Datan analysointi osana koko tiedonkäsittelyprosessia
- Datan kuvaaminen
- Datan muokkaaminen
- Datan visualisointi
- Statistiikka
- Aikasarjat
- Korrelaatio
- Lineaarinen ja epälineaarinen regressiomalli
- Jaksollisen datan mallintaminen
- Analysoidun tuloksen esittäminen
Aika ja paikka
Opintojakso toteutetaan syyslukukaudella 2022.
Oppimateriaalit
Materiaali harjoitustehtäviä ja opiskeltavia asiasisältöjä varten jaetaan kurssin aikana. Opintojaksolla hyödynnetään Python 3.8+-ympäristöä, Git-versiohallintaa, NumPy- ja Pandas-kirjastoja, visualisointikirjastoja sekä muita soveltuvia kirjastoja.
Harjoitustehtävien tekemisessä hyödynnetään myös Anaconda-ympäristöä sekä Jupyter Notebook -formaattia.
Opetusmenetelmät
Virtuaalinen opiskelu sisältäen harjoitustehtävien tekemisen sekä niihin liittyviin luento- ja esimerkkimateriaaleihin perehtymisen.
Harjoittelu- ja työelämäyhteistyö
Opintojakson sisältö pyritään kytkemään työelämässä esiintyviin ongelmiin.
Tenttien ajankohdat ja uusintamahdollisuudet
Opintojakso arvioidaan palautettujen harjoitustehtävien avulla. Palautukset tulee suorittaa annettujen aikataulujen puitteissa.
Toteutuksen valinnaiset suoritustavat
Hyväksilukemisen menettelytavat kuvataan tutkintosäännössä ja opinto-oppaassa. Opintojakson opettaja antaa lisätietoa mahdollisista opintojakson erityiskäytänteistä.
Opiskelijan ajankäyttö ja kuormitus
Yhden opintopisteen työmäärä vastaa 27 tunnin opiskelutyötä. Yhteensä opiskelutyömäärä (4 op.) kurssilla on 108 tuntia.
Arviointiasteikko
0-5
Arviointikriteerit, tyydyttävä (1)
Välttävä (1):
Osaat tunnistaa datan sen sisällön ja metatietojen avulla. Tiedät data-analytiikan yleisimmin käytetyt tekniikat datan analysointitehtävissä. Osaat soveltaa yleisimpiä tekniikoita datan analysoinnissa. Osaat arvioida suppeasti data-analyysin tuloksia. Osaat esittää analysoimastasi datasta tuloksia.
Tyydyttävä (2):
Osaat ottaa datan käyttöön sen sisällön ja metatietojen avulla. Tiedät data-analytiikan yleisimmin käytetyt tekniikat datan analysointitehtävissä. Osaat valita tekniikat datan analysoinnissa ja soveltaa teknistä osaamista käytännössä. Osaat arvioida pintapuolisesti data-analyysin tulosta. Osaat esittää analysoimastasi datasta olennaisia tuloksia.
Arviointikriteerit, hyvä (3)
Hyvä (3):
Osaat ottaa olennaista dataa käyttöön sen sisällön ja metatietojen avulla. Tiedät data-analytiikan yleisimmin käytetyt tekniikat erilaisissa datan analysointitehtävissä. Osaat perustella ja valita tekniikat datan analysoinnissa ja osaat soveltaa teknistä osaamistaan käytännössä. Lisäksi osaat arvioida toteutusta ja perustella sen kehittämistä. Osaat esittää analysoimastasi datasta olennaiset tulokset.
Kiitettävä (4):
Osaat ottaa olennaisen datan käyttöön sen sisällön ja metatietojen avulla. Osaat data-analytiikan yleisimmin käytetyt tekniikat ja osaat laajasti perustella käytettyjen tekniikoiden käytön erilaisissa datan analysointitehtävissä. Osaat monipuolisesti perustella ja valita oikeat tekniikat datan analysoinnissa. Osaat soveltaa teknistä osaamistaan käytännössä. Osaat arvioida perusteellisesti toteutusta ja perustella sen kehittämistä. Osaat esittää analysoimastasi datasta kattavasti tuloksia.
Arviointikriteerit, kiitettävä (5)
Osaat ottaa olennaisen datan käyttöön sen sisällön ja metatietojen avulla ottaen huomioon substanssi. Osaat data-analytiikan yleisimmin käytetyt tekniikat ja osaat kriittisesti perustella käytettyjen tekniikoiden käytön erilaisissa datan analysointitehtävissä. Osaat soveltaa teknistä osaamistaan käytännössä. Osaat arvioida kriittisesti toteutusta ja perustella sen kehittämistä. Osaat esittää analysoimastasi datasta laaja-alaisesti tuloksia.
Esitietovaatimukset
Tietotekniikan peruskäyttötaidot, ohjelmoinnin perusosaaminen, Python-ohjelmointikielen tunteminen ja osaaminen.
Ajoitus
29.08.2022 - 02.10.2022
Opintopistemäärä
4 op
Virtuaaliosuus
4 op
Toteutustapa
Etäopetus
Yksikkö
Teknologiayksikkö
Opetuskielet
- Suomi
Koulutus
- Tieto- ja viestintätekniikka (AMK)
Opettaja
- Juha Peltomäki
Ryhmät
-
ZJA22STIDA2Avoin amk, Data-analytiikka 2, Verkko
Tavoitteet
Tarkoitus:
Nykyaikaisten sovellusten kehittämisen ja toiminnan kannalta olennaisessa osassa on sovellukseen liittyvän datan analysointi. Sovellukset käyttävät dataa, jota halutaan esittää loppukäyttäjille. Data ei kuitenkaan sellaisenaan ole loppukäyttäjälle esitettävässä muodossa. Datan analysointimenetelmiä tarvitaan tukemaan loppukäyttäjää, joka tekee datan tietosisältöön perustuvia päätöksiä.
EUR-ACE-osaamiset:
Tieto ja ymmärrys
Tekniikan soveltaminen käytäntöön
Tutkimukset ja tiedonhaku
Opintojakson tavoitteet:
Osaat tunnistaa datan sen sisällön ja metatietojen avulla. Osaat esittää datan tilanteen mukaisella tavalla. Olet analysoinut datan sen määritelmän pohjalta siten, että analyysin tuloksista voidaan tehdä johtopäätöksiä. Osaat esittää analysoimasi datan.
Sisältö
- Datan määrä ja laatu
- Datan analysointi osana koko tiedonkäsittelyprosessia
- Datan kuvaaminen
- Datan muokkaaminen
- Datan visualisointi
- Statistiikka
- Aikasarjat
- Korrelaatio
- Lineaarinen ja epälineaarinen regressiomalli
- Jaksollisen datan mallintaminen
- Analysoidun tuloksen esittäminen
Aika ja paikka
Opintojakso toteutetaan syyslukukaudella 2022.
Oppimateriaalit
Materiaali harjoitustehtäviä ja opiskeltavia asiasisältöjä varten jaetaan kurssin aikana. Opintojaksolla hyödynnetään Python 3.8+-ympäristöä, Git-versiohallintaa, NumPy- ja Pandas-kirjastoja, visualisointikirjastoja sekä muita soveltuvia kirjastoja.
Harjoitustehtävien tekemisessä hyödynnetään myös Anaconda-ympäristöä sekä Jupyter Notebook -formaattia.
Opetusmenetelmät
Virtuaalinen opiskelu sisältäen harjoitustehtävien tekemisen sekä niihin liittyviin luento- ja esimerkkimateriaaleihin perehtymisen.
Harjoittelu- ja työelämäyhteistyö
Opintojakson sisältö pyritään kytkemään työelämässä esiintyviin ongelmiin.
Tenttien ajankohdat ja uusintamahdollisuudet
Opintojakso arvioidaan palautettujen harjoitustehtävien avulla. Palautukset tulee suorittaa annettujen aikataulujen puitteissa.
Toteutuksen valinnaiset suoritustavat
Hyväksilukemisen menettelytavat kuvataan tutkintosäännössä ja opinto-oppaassa. Opintojakson opettaja antaa lisätietoa mahdollisista opintojakson erityiskäytänteistä.
Opiskelijan ajankäyttö ja kuormitus
Yhden opintopisteen työmäärä vastaa 27 tunnin opiskelutyötä. Yhteensä opiskelutyömäärä (4 op.) kurssilla on 108 tuntia.
Arviointiasteikko
0-5
Arviointikriteerit, tyydyttävä (1)
Välttävä (1):
Osaat tunnistaa datan sen sisällön ja metatietojen avulla. Tiedät data-analytiikan yleisimmin käytetyt tekniikat datan analysointitehtävissä. Osaat soveltaa yleisimpiä tekniikoita datan analysoinnissa. Osaat arvioida suppeasti data-analyysin tuloksia. Osaat esittää analysoimastasi datasta tuloksia.
Tyydyttävä (2):
Osaat ottaa datan käyttöön sen sisällön ja metatietojen avulla. Tiedät data-analytiikan yleisimmin käytetyt tekniikat datan analysointitehtävissä. Osaat valita tekniikat datan analysoinnissa ja soveltaa teknistä osaamista käytännössä. Osaat arvioida pintapuolisesti data-analyysin tulosta. Osaat esittää analysoimastasi datasta olennaisia tuloksia.
Arviointikriteerit, hyvä (3)
Hyvä (3):
Osaat ottaa olennaista dataa käyttöön sen sisällön ja metatietojen avulla. Tiedät data-analytiikan yleisimmin käytetyt tekniikat erilaisissa datan analysointitehtävissä. Osaat perustella ja valita tekniikat datan analysoinnissa ja osaat soveltaa teknistä osaamistaan käytännössä. Lisäksi osaat arvioida toteutusta ja perustella sen kehittämistä. Osaat esittää analysoimastasi datasta olennaiset tulokset.
Kiitettävä (4):
Osaat ottaa olennaisen datan käyttöön sen sisällön ja metatietojen avulla. Osaat data-analytiikan yleisimmin käytetyt tekniikat ja osaat laajasti perustella käytettyjen tekniikoiden käytön erilaisissa datan analysointitehtävissä. Osaat monipuolisesti perustella ja valita oikeat tekniikat datan analysoinnissa. Osaat soveltaa teknistä osaamistaan käytännössä. Osaat arvioida perusteellisesti toteutusta ja perustella sen kehittämistä. Osaat esittää analysoimastasi datasta kattavasti tuloksia.
Arviointikriteerit, kiitettävä (5)
Osaat ottaa olennaisen datan käyttöön sen sisällön ja metatietojen avulla ottaen huomioon substanssi. Osaat data-analytiikan yleisimmin käytetyt tekniikat ja osaat kriittisesti perustella käytettyjen tekniikoiden käytön erilaisissa datan analysointitehtävissä. Osaat soveltaa teknistä osaamistaan käytännössä. Osaat arvioida kriittisesti toteutusta ja perustella sen kehittämistä. Osaat esittää analysoimastasi datasta laaja-alaisesti tuloksia.
Esitietovaatimukset
Tietotekniikan peruskäyttötaidot, ohjelmoinnin perusosaaminen, Python-ohjelmointikielen tunteminen ja osaaminen.
Ilmoittautumisaika
01.08.2022 - 25.08.2022
Ajoitus
29.08.2022 - 02.10.2022
Opintopistemäärä
4 op
Virtuaaliosuus
4 op
Toteutustapa
Etäopetus
Yksikkö
Teknologiayksikkö
Toimipiste
Lutakon kampus
Opetuskielet
- Suomi
Paikat
0 - 30
Koulutus
- Tieto- ja viestintätekniikka (AMK)
Opettaja
- Juha Peltomäki
Tavoitteet
Tarkoitus:
Nykyaikaisten sovellusten kehittämisen ja toiminnan kannalta olennaisessa osassa on sovellukseen liittyvän datan analysointi. Sovellukset käyttävät dataa, jota halutaan esittää loppukäyttäjille. Data ei kuitenkaan sellaisenaan ole loppukäyttäjälle esitettävässä muodossa. Datan analysointimenetelmiä tarvitaan tukemaan loppukäyttäjää, joka tekee datan tietosisältöön perustuvia päätöksiä.
EUR-ACE-osaamiset:
Tieto ja ymmärrys
Tekniikan soveltaminen käytäntöön
Tutkimukset ja tiedonhaku
Opintojakson tavoitteet:
Osaat tunnistaa datan sen sisällön ja metatietojen avulla. Osaat esittää datan tilanteen mukaisella tavalla. Olet analysoinut datan sen määritelmän pohjalta siten, että analyysin tuloksista voidaan tehdä johtopäätöksiä. Osaat esittää analysoimasi datan.
Sisältö
- Datan määrä ja laatu
- Datan analysointi osana koko tiedonkäsittelyprosessia
- Datan kuvaaminen
- Datan muokkaaminen
- Datan visualisointi
- Statistiikka
- Aikasarjat
- Korrelaatio
- Lineaarinen ja epälineaarinen regressiomalli
- Jaksollisen datan mallintaminen
- Analysoidun tuloksen esittäminen
Aika ja paikka
Opintojakso toteutetaan syyslukukaudella 2022.
Oppimateriaalit
Materiaali harjoitustehtäviä ja opiskeltavia asiasisältöjä varten jaetaan kurssin aikana. Opintojaksolla hyödynnetään Python 3.8+-ympäristöä, Git-versiohallintaa, NumPy- ja Pandas-kirjastoja, visualisointikirjastoja sekä muita soveltuvia kirjastoja.
Harjoitustehtävien tekemisessä hyödynnetään myös Anaconda-ympäristöä sekä Jupyter Notebook -formaattia.
Opetusmenetelmät
Virtuaalinen opiskelu sisältäen harjoitustehtävien tekemisen sekä niihin liittyviin luento- ja esimerkkimateriaaleihin perehtymisen.
Harjoittelu- ja työelämäyhteistyö
Opintojakson sisältö pyritään kytkemään työelämässä esiintyviin ongelmiin.
Tenttien ajankohdat ja uusintamahdollisuudet
Opintojakso arvioidaan palautettujen harjoitustehtävien avulla. Palautukset tulee suorittaa annettujen aikataulujen puitteissa.
Toteutuksen valinnaiset suoritustavat
Hyväksilukemisen menettelytavat kuvataan tutkintosäännössä ja opinto-oppaassa. Opintojakson opettaja antaa lisätietoa mahdollisista opintojakson erityiskäytänteistä.
Opiskelijan ajankäyttö ja kuormitus
Yhden opintopisteen työmäärä vastaa 27 tunnin opiskelutyötä. Yhteensä opiskelutyömäärä (4 op.) kurssilla on 108 tuntia.
Arviointiasteikko
0-5
Arviointikriteerit, tyydyttävä (1)
Välttävä (1):
Osaat tunnistaa datan sen sisällön ja metatietojen avulla. Tiedät data-analytiikan yleisimmin käytetyt tekniikat datan analysointitehtävissä. Osaat soveltaa yleisimpiä tekniikoita datan analysoinnissa. Osaat arvioida suppeasti data-analyysin tuloksia. Osaat esittää analysoimastasi datasta tuloksia.
Tyydyttävä (2):
Osaat ottaa datan käyttöön sen sisällön ja metatietojen avulla. Tiedät data-analytiikan yleisimmin käytetyt tekniikat datan analysointitehtävissä. Osaat valita tekniikat datan analysoinnissa ja soveltaa teknistä osaamista käytännössä. Osaat arvioida pintapuolisesti data-analyysin tulosta. Osaat esittää analysoimastasi datasta olennaisia tuloksia.
Arviointikriteerit, hyvä (3)
Hyvä (3):
Osaat ottaa olennaista dataa käyttöön sen sisällön ja metatietojen avulla. Tiedät data-analytiikan yleisimmin käytetyt tekniikat erilaisissa datan analysointitehtävissä. Osaat perustella ja valita tekniikat datan analysoinnissa ja osaat soveltaa teknistä osaamistaan käytännössä. Lisäksi osaat arvioida toteutusta ja perustella sen kehittämistä. Osaat esittää analysoimastasi datasta olennaiset tulokset.
Kiitettävä (4):
Osaat ottaa olennaisen datan käyttöön sen sisällön ja metatietojen avulla. Osaat data-analytiikan yleisimmin käytetyt tekniikat ja osaat laajasti perustella käytettyjen tekniikoiden käytön erilaisissa datan analysointitehtävissä. Osaat monipuolisesti perustella ja valita oikeat tekniikat datan analysoinnissa. Osaat soveltaa teknistä osaamistaan käytännössä. Osaat arvioida perusteellisesti toteutusta ja perustella sen kehittämistä. Osaat esittää analysoimastasi datasta kattavasti tuloksia.
Arviointikriteerit, kiitettävä (5)
Osaat ottaa olennaisen datan käyttöön sen sisällön ja metatietojen avulla ottaen huomioon substanssi. Osaat data-analytiikan yleisimmin käytetyt tekniikat ja osaat kriittisesti perustella käytettyjen tekniikoiden käytön erilaisissa datan analysointitehtävissä. Osaat soveltaa teknistä osaamistaan käytännössä. Osaat arvioida kriittisesti toteutusta ja perustella sen kehittämistä. Osaat esittää analysoimastasi datasta laaja-alaisesti tuloksia.
Esitietovaatimukset
Tietotekniikan peruskäyttötaidot, ohjelmoinnin perusosaaminen, Python-ohjelmointikielen tunteminen ja osaaminen.
Ilmoittautumisaika
01.11.2021 - 09.01.2022
Ajoitus
03.01.2022 - 28.02.2022
Opintopistemäärä
4 op
Virtuaaliosuus
4 op
Toteutustapa
Etäopetus
Yksikkö
Teknologiayksikkö
Opetuskielet
- Suomi
Paikat
0 - 35
Koulutus
- Tieto- ja viestintätekniikka (AMK)
Opettaja
- Juha Peltomäki
Ryhmät
-
ZJA21STIDAAvoin AMK, tekniikka, ICT, Data-analytiikka
-
TTV19SMTieto- ja viestintätekniikka
-
TTV19S1Tieto- ja viestintätekniikka
-
TTV20SMTieto- ja viestintätekniikka
-
TTV19S3Tieto- ja viestintätekniikka
-
TTV19S2Tieto- ja viestintätekniikka
-
TTV19S5Tieto- ja viestintätekniikka
Tavoitteet
Tarkoitus:
Nykyaikaisten sovellusten kehittämisen ja toiminnan kannalta olennaisessa osassa on sovellukseen liittyvän datan analysointi. Sovellukset käyttävät dataa, jota halutaan esittää loppukäyttäjille. Data ei kuitenkaan sellaisenaan ole loppukäyttäjälle esitettävässä muodossa. Datan analysointimenetelmiä tarvitaan tukemaan loppukäyttäjää, joka tekee datan tietosisältöön perustuvia päätöksiä.
EUR-ACE-osaamiset:
Tieto ja ymmärrys
Tekniikan soveltaminen käytäntöön
Tutkimukset ja tiedonhaku
Opintojakson tavoitteet:
Osaat tunnistaa datan sen sisällön ja metatietojen avulla. Osaat esittää datan tilanteen mukaisella tavalla. Olet analysoinut datan sen määritelmän pohjalta siten, että analyysin tuloksista voidaan tehdä johtopäätöksiä. Osaat esittää analysoimasi datan.
Sisältö
- Datan määrä ja laatu
- Datan analysointi osana koko tiedonkäsittelyprosessia
- Datan kuvaaminen
- Datan muokkaaminen
- Datan visualisointi
- Statistiikka
- Aikasarjat
- Korrelaatio
- Lineaarinen ja epälineaarinen regressiomalli
- Jaksollisen datan mallintaminen
- Analysoidun tuloksen esittäminen
Aika ja paikka
Opintojakso toteutetaan 1.3.2022 - 28.2.2022 välisenä aikana.
Oppimateriaalit
Harjoitustöiden tekemisessä hyödynnetään Anaconda ohjelmistoa (Python 3.7-versio tai uudempi): https://www.anaconda.com/download/
Opetusmenetelmät
Virtuaalinen opiskelu sisältäen harjoitustehtävien tekemisen sekä niihin liittyvään sisältöön perehtymisen.
Harjoittelu- ja työelämäyhteistyö
Kurssin sisältö pyritään kytkemään työelämässä esiintyviin ongelmiin.
Toteutuksen valinnaiset suoritustavat
Hyväksilukemisen menettelytavat kuvataan tutkintosäännössä ja opinto-oppaassa. Opintojakson opettaja antaa lisätietoa mahdollisista opintojakson erityiskäytänteistä.
Opiskelijan ajankäyttö ja kuormitus
Yhden opintopisteen työmäärä vastaa 27 tunnin opiskelutyötä. Yhteensä opiskelutyömäärä (4 op.) kurssilla on 108 tuntia.
Lisätietoja opiskelijoille
Kurssi arvioidaan harjoitustehtävien perusteella. Harjoitustehtäviä voi palauttaa vain kurssitoteutuksen aikana.
Arviointiasteikko
0-5
Arviointikriteerit, tyydyttävä (1)
Välttävä (1):
Osaat tunnistaa datan sen sisällön ja metatietojen avulla. Tiedät data-analytiikan yleisimmin käytetyt tekniikat datan analysointitehtävissä. Osaat soveltaa yleisimpiä tekniikoita datan analysoinnissa. Osaat arvioida suppeasti data-analyysin tuloksia. Osaat esittää analysoimastasi datasta tuloksia.
Tyydyttävä (2):
Osaat ottaa datan käyttöön sen sisällön ja metatietojen avulla. Tiedät data-analytiikan yleisimmin käytetyt tekniikat datan analysointitehtävissä. Osaat valita tekniikat datan analysoinnissa ja soveltaa teknistä osaamista käytännössä. Osaat arvioida pintapuolisesti data-analyysin tulosta. Osaat esittää analysoimastasi datasta olennaisia tuloksia.
Arviointikriteerit, hyvä (3)
Hyvä (3):
Osaat ottaa olennaista dataa käyttöön sen sisällön ja metatietojen avulla. Tiedät data-analytiikan yleisimmin käytetyt tekniikat erilaisissa datan analysointitehtävissä. Osaat perustella ja valita tekniikat datan analysoinnissa ja osaat soveltaa teknistä osaamistaan käytännössä. Lisäksi osaat arvioida toteutusta ja perustella sen kehittämistä. Osaat esittää analysoimastasi datasta olennaiset tulokset.
Kiitettävä (4):
Osaat ottaa olennaisen datan käyttöön sen sisällön ja metatietojen avulla. Osaat data-analytiikan yleisimmin käytetyt tekniikat ja osaat laajasti perustella käytettyjen tekniikoiden käytön erilaisissa datan analysointitehtävissä. Osaat monipuolisesti perustella ja valita oikeat tekniikat datan analysoinnissa. Osaat soveltaa teknistä osaamistaan käytännössä. Osaat arvioida perusteellisesti toteutusta ja perustella sen kehittämistä. Osaat esittää analysoimastasi datasta kattavasti tuloksia.
Arviointikriteerit, kiitettävä (5)
Osaat ottaa olennaisen datan käyttöön sen sisällön ja metatietojen avulla ottaen huomioon substanssi. Osaat data-analytiikan yleisimmin käytetyt tekniikat ja osaat kriittisesti perustella käytettyjen tekniikoiden käytön erilaisissa datan analysointitehtävissä. Osaat soveltaa teknistä osaamistaan käytännössä. Osaat arvioida kriittisesti toteutusta ja perustella sen kehittämistä. Osaat esittää analysoimastasi datasta laaja-alaisesti tuloksia.
Esitietovaatimukset
Tietotekniikan peruskäyttötaidot, ohjelmoinnin perusosaaminen, Python-ohjelmointikielen tunteminen ja osaaminen.