Data-analytiikkaLaajuus (5 op)
Tunnus: R504TL128
Laajuus
5 op
Opetuskieli
- englanti
- suomi
Osaamistavoitteet
Opiskelija tuntee valittujen data-analytiikkakirjastojen pääsisällön ja osaa hyödyntää niitä tietojen valmisteluun ja tilastolliseen käsittelyyn koneoppimisen hyödyntämiseksi.
Sisältö
- Tietojen valmistelu: suodatus, hakeminen, yhdistäminen ja luokittelu
- Tietojen visualisointi, tutkimus ja analyysi
- Sopivien data-analytiikkakirjastojen käyttö
Arviointikriteerit, tyydyttävä (1)
Opiskelija osaa valmistella ja muokata yksinkertaisen esimerkkitapauksen dataa siten että sitä voidaan jatkohyödyntää koneoppimisalgoritmeissa tai pilvipalveluissa.
Arviointikriteerit, hyvä (3)
Opiskelija osaa valita tapauskohtaisesti oikeita metodeja datan valmisteluun ja osaa muokata datan jatkohyödynnettäväksi koneoppimisessa ja pilvipalveluissa.
Arviointikriteerit, kiitettävä (5)
Opiskelija osaa valita tapauskohtaisesti parhaat metodit datan valmisteluun ja osaa muokata datan jatkohyödynnettäväksi koneoppimisessa ja pilvipalveluissa.
Ilmoittautumisaika
01.10.2024 - 31.12.2024
Ajoitus
27.01.2025 - 31.05.2025
Laajuus
5 op
Virtuaaliosuus (op)
5 op
Toteutustapa
Etäopetus
Yksikkö
Insinöörikoulutus, tieto- ja viestintätekniikka
Opetuskielet
- Englanti
- Suomi
Paikat
0 - 60
Opettaja
- Mikko Pajula
Vastuuhenkilö
Mikko Pajula
Opiskelijaryhmät
-
RA54T22STieto- ja viestintätekniikan koulutus (verkko-opinnot), syksy 2022
Tavoitteet
Opiskelija tuntee valittujen data-analytiikkakirjastojen pääsisällön ja osaa hyödyntää niitä tietojen valmisteluun ja tilastolliseen käsittelyyn koneoppimisen hyödyntämiseksi.
Sisältö
- Tietojen valmistelu: suodatus, hakeminen, yhdistäminen ja luokittelu
- Tietojen visualisointi, tutkimus ja analyysi
- Sopivien data-analytiikkakirjastojen käyttö
Oppimateriaalit
Kaikki kurssin tarvittavat materiaalit koostetaan ja tehdään saataville Moodle-työtilasta käsin.
Itseopiskeluun ennakkovaatimuksia, jos ei ole tuttuja:
Pythonin perusteet: Tutustuminen Python-ohjelmointikielen peruskäsitteisiin ja syntaksiin. Tiedonhallinnan perusteet: Ymmärrys perusasioista tiedon käsittelyssä, mukaan lukien JSON ja tietokannat. Tietotekniikan perusteet: Tietämys keskeisistä IT-käsitteistä, mukaan lukien ymmärrys siitä, mitä CPU ja GPU ovat.
Opetusmenetelmät
Verkkomateriaali. Käytännön harjoitustuki tarjotaan työpajoissa.
Sisällön jaksotus
- Analytiikan työkalut ja ohjelmat. Johdanto data-analytiikkaan. Yleiskatsaus ja käyttöönotto
- Tietojen valmistelu. Suodatus, hakeminen, yhdistäminen ja luokittelu
- Sopivien data-analytiikkakirjastojen käyttö. Pandas, NumPy, scikit-learn ja muut
- Tietojen visualisointi ja analyysi. Visualisoinnin työkalut ja periaatteet. Tietojen tutkiminen ja analysointi
Arviointiasteikko
H-5
Arviointikriteerit, tyydyttävä (1)
Opiskelija osaa valmistella ja muokata yksinkertaisen esimerkkitapauksen dataa siten että sitä voidaan jatkohyödyntää koneoppimisalgoritmeissa tai pilvipalveluissa.
Arviointikriteerit, hyvä (3)
Opiskelija osaa valita tapauskohtaisesti oikeita metodeja datan valmisteluun ja osaa muokata datan jatkohyödynnettäväksi koneoppimisessa ja pilvipalveluissa.
Arviointikriteerit, kiitettävä (5)
Opiskelija osaa valita tapauskohtaisesti parhaat metodit datan valmisteluun ja osaa muokata datan jatkohyödynnettäväksi koneoppimisessa ja pilvipalveluissa.
Arviointimenetelmät ja arvioinnin perusteet
Arvosanat perustuvat harjoitusten laatuun, määrään ja kattavuuteen.
Ilmoittautumisaika
18.03.2024 - 31.07.2024
Ajoitus
01.08.2024 - 31.12.2024
Laajuus
5 op
Toteutustapa
Lähiopetus
Yksikkö
Insinöörikoulutus, tieto- ja viestintätekniikka
Opetuskielet
- Suomi
Paikat
0 - 50
Opettaja
- Mikko Pajula
Vastuuhenkilö
Mikko Pajula
Opiskelijaryhmät
-
R54T21STieto- ja viestintätekniikan koulutus (päiväopinnot), syksy 2021
Tavoitteet
Opiskelija tuntee valittujen data-analytiikkakirjastojen pääsisällön ja osaa hyödyntää niitä tietojen valmisteluun ja tilastolliseen käsittelyyn koneoppimisen hyödyntämiseksi.
Sisältö
- Tietojen valmistelu: suodatus, hakeminen, yhdistäminen ja luokittelu
- Tietojen visualisointi, tutkimus ja analyysi
- Sopivien data-analytiikkakirjastojen käyttö
Oppimateriaalit
Kaikki kurssin tarvittavat materiaalit koostetaan ja tehdään saataville Moodle-työtilasta käsin.
Itseopiskeluun ennakkovaatimuksia, jos ei ole tuttuja:
Pythonin perusteet: Tutustuminen Python-ohjelmointikielen peruskäsitteisiin ja syntaksiin. Tiedonhallinnan perusteet: Ymmärrys perusasioista tiedon käsittelyssä, mukaan lukien JSON ja tietokannat. Tietotekniikan perusteet: Tietämys keskeisistä IT-käsitteistä, mukaan lukien ymmärrys siitä, mitä CPU ja GPU ovat.
Opetusmenetelmät
Verkkomateriaali, tehtävät ja lähiopetus
Sisällön jaksotus
- Analytiikan työkalut ja ohjelmat. Johdanto data-analytiikkaan. Yleiskatsaus ja käyttöönotto
- Tietojen valmistelu. Suodatus, hakeminen, yhdistäminen ja luokittelu
- Sopivien data-analytiikkakirjastojen käyttö. Pandas, NumPy, scikit-learn ja muut
- Tietojen visualisointi ja analyysi. Visualisoinnin työkalut ja periaatteet. Tietojen tutkiminen ja analysointi
Arviointiasteikko
H-5
Arviointikriteerit, tyydyttävä (1)
Opiskelija osaa valmistella ja muokata yksinkertaisen esimerkkitapauksen dataa siten että sitä voidaan jatkohyödyntää koneoppimisalgoritmeissa tai pilvipalveluissa.
Arviointikriteerit, hyvä (3)
Opiskelija osaa valita tapauskohtaisesti oikeita metodeja datan valmisteluun ja osaa muokata datan jatkohyödynnettäväksi koneoppimisessa ja pilvipalveluissa.
Arviointikriteerit, kiitettävä (5)
Opiskelija osaa valita tapauskohtaisesti parhaat metodit datan valmisteluun ja osaa muokata datan jatkohyödynnettäväksi koneoppimisessa ja pilvipalveluissa.
Arviointimenetelmät ja arvioinnin perusteet
Arvosanat perustuvat harjoitusten laatuun, määrään ja kattavuuteen.
Ilmoittautumisaika
02.10.2023 - 09.01.2024
Ajoitus
10.01.2024 - 31.05.2024
Laajuus
5 op
Virtuaaliosuus (op)
5 op
Toteutustapa
Etäopetus
Yksikkö
Insinöörikoulutus, tieto- ja viestintätekniikka
Opetuskielet
- Englanti
- Suomi
Paikat
0 - 50
Opettaja
- Tuomas Valtanen
Vastuuhenkilö
Tuomas Valtanen
Opiskelijaryhmät
-
RA54T21STieto- ja viestintätekniikan koulutus (verkko-opinnot), syksy 2021
Tavoitteet
Opiskelija tuntee valittujen data-analytiikkakirjastojen pääsisällön ja osaa hyödyntää niitä tietojen valmisteluun ja tilastolliseen käsittelyyn koneoppimisen hyödyntämiseksi.
Sisältö
- Tietojen valmistelu: suodatus, hakeminen, yhdistäminen ja luokittelu
- Tietojen visualisointi, tutkimus ja analyysi
- Sopivien data-analytiikkakirjastojen käyttö
Oppimateriaalit
Opetusmateriaali sekä harjoitukset tulevat olemaan opintojakson Moodle-työtilassa.
Opetusmenetelmät
Online-luennot, työpajat, käytännön esimerkit, itse-opiskelu.
Tenttien ajankohdat ja uusintamahdollisuudet
Opintojakso arvioidaan harjoitusten ja henkilökohtaisen työskentelyn kautta.
Sisällön jaksotus
Sisältö:
- Python-ohjelmointikielen lyhyt kertaus
- NumPy
- pandas
- seaborn ja matplotlib
- Dataformaatit ja datan hallinta
- EDA - Exploratory Data Analysis
+ muita relevantteja aiheita
Arviointiasteikko
H-5
Arviointikriteerit, tyydyttävä (1)
Opiskelija osaa valmistella ja muokata yksinkertaisen esimerkkitapauksen dataa siten että sitä voidaan jatkohyödyntää koneoppimisalgoritmeissa tai pilvipalveluissa.
Arviointikriteerit, hyvä (3)
Opiskelija osaa valita tapauskohtaisesti oikeita metodeja datan valmisteluun ja osaa muokata datan jatkohyödynnettäväksi koneoppimisessa ja pilvipalveluissa.
Arviointikriteerit, kiitettävä (5)
Opiskelija osaa valita tapauskohtaisesti parhaat metodit datan valmisteluun ja osaa muokata datan jatkohyödynnettäväksi koneoppimisessa ja pilvipalveluissa.
Arviointimenetelmät ja arvioinnin perusteet
Opintojakso arvioidaan arvosanalla, joka on 1-5 tai hylätty (0). Arviointi perustuu opiskelijan tuottamiin harjoitustehtäviin opintojakson aikana.