Machine Learning and Data Engineering
Bachelor of Engineering, Machine Learning and Data Engineering (full time studies), Rovaniemi, Autumn 2023
Bachelor of Engineering, Machine Learning and Data Engineering (full time studies), Rovaniemi, Autumn 2022
Bachelor of Engineering, Machine Learning and Data Engineering (full time studies), Rovaniemi, Autumn 2021
Ilmoittautumisaika
13.03.2023 - 25.09.2023
Ajoitus
01.09.2023 - 17.12.2023
Laajuus
5 op
Toteutustapa
Lähiopetus
Yksikkö
Insinöörikoulutus, tieto- ja viestintätekniikka
Opetuskielet
- Englanti
Paikat
0 - 30
Tutkinto-ohjelma
- Machine Learning and Data Engineering
Opettaja
- Miika Aitomaa
Vastuuhenkilö
Miika Aitomaa
Opiskelijaryhmät
-
R54D23SBachelor of Engineering, Machine Learning and Data Engineering (full time studies), 2023
Arviointiasteikko
H-5
Ilmoittautumisaika
02.10.2023 - 14.01.2024
Ajoitus
15.01.2024 - 01.03.2024
Laajuus
5 op
Toteutustapa
Lähiopetus
Yksikkö
Insinöörikoulutus, tieto- ja viestintätekniikka
Opetuskielet
- Englanti
Paikat
0 - 30
Tutkinto-ohjelma
- Machine Learning and Data Engineering
Opettaja
- Ritva Lampela
Vastuuhenkilö
Ritva Lampela
Opiskelijaryhmät
-
R54D22SBachelor of Engineering, Machine Learning and Data Engineering (full time studies), 2022
Aika ja paikka
Rovaniemi, kevätlukukausi 2024
Oppimateriaalit
Moodle-materiaali
Opetusmenetelmät
Lähiopetus, suulliset ja kirjalliset tehtävät, itseopiskelu
Tenttien ajankohdat ja uusintamahdollisuudet
Sovitaan opintojakson aikana
Arviointiasteikko
H-5
Arviointimenetelmät ja arvioinnin perusteet
Jatkuva näyttö eli säännöllinen aktiivinen osllistuminen opeukseen, kirjalliset ja suulliset tehtävät ja kirjallinen tentti.
Hylätty (0)
Opiskelija ei täytä opintojakson suoritusvaatimuksia.
Ilmoittautumisaika
13.03.2023 - 24.09.2023
Ajoitus
25.09.2023 - 10.12.2023
Laajuus
5 op
Toteutustapa
Lähiopetus
Yksikkö
Insinöörikoulutus, tieto- ja viestintätekniikka
Opetuskielet
- Englanti
Paikat
0 - 35
Tutkinto-ohjelma
- Machine Learning and Data Engineering
Opettaja
- Juha Petäjäjärvi
Vastuuhenkilö
Juha Petäjäjärvi
Opiskelijaryhmät
-
R54D21SBachelor of Engineering, Machine Learning and Data Engineering (full time studies), 2021
Arviointiasteikko
H-5
Ilmoittautumisaika
13.03.2023 - 27.08.2023
Ajoitus
28.08.2023 - 17.12.2023
Laajuus
5 op
Toteutustapa
Lähiopetus
Yksikkö
Insinöörikoulutus, tieto- ja viestintätekniikka
Opetuskielet
- Englanti
Paikat
0 - 30
Tutkinto-ohjelma
- Machine Learning and Data Engineering
Opettaja
- Miika Aitomaa
Vastuuhenkilö
Miika Aitomaa
Opiskelijaryhmät
-
R54D22SBachelor of Engineering, Machine Learning and Data Engineering (full time studies), 2022
Arviointiasteikko
H-5
Ilmoittautumisaika
02.07.2023 - 31.07.2023
Ajoitus
18.09.2023 - 15.12.2023
Laajuus
5 op
Toteutustapa
Lähiopetus
Yksikkö
Insinöörikoulutus, tieto- ja viestintätekniikka
Opetuskielet
- Englanti
- Suomi
Paikat
0 - 30
Tutkinto-ohjelma
- Machine Learning and Data Engineering
Opettaja
- Ritva Lampela
Vastuuhenkilö
Ritva Lampela
Opiskelijaryhmät
-
R54D23SBachelor of Engineering, Machine Learning and Data Engineering (full time studies), 2023
Arviointiasteikko
H-5
Ilmoittautumisaika
13.03.2023 - 24.09.2023
Ajoitus
25.09.2023 - 22.12.2023
Laajuus
5 op
Virtuaaliosuus (op)
1 op
Toteutustapa
80 % Lähiopetus, 20 % Etäopetus
Yksikkö
Insinöörikoulutus, tieto- ja viestintätekniikka
Opetuskielet
- Englanti
Paikat
0 - 30
Tutkinto-ohjelma
- Machine Learning and Data Engineering
Opettaja
- Maisa Mielikäinen
Vastuuhenkilö
Maisa Mielikäinen
Opiskelijaryhmät
-
R54D22SBachelor of Engineering, Machine Learning and Data Engineering (full time studies), 2022
Tavoitteet
Opiskelija osaa toteuttaa IoT full-stack -polun alkaen anturilta/sensorilta ja päätyen käyttöliittymään. Opiskelija osaa hyödyntää yleisimmin käytössä olevia IoT-alustoja, -protokollia ja -työkaluja. Opiskelija osaa toteuttaa IoT full-stack’in annetun toimeksiannon mukaisesti.
Opiskelija osaa ketterien menetelmien erityispiirteet ja osaa soveltaa niitä käytännön IoT-kehitysprojektissa. Opiskelija ymmärtää ketterän järjestelmäkehityksen erityispiirteet ja osaa hyödyntää siihen soveltuvia työkaluja. Opiskelija ymmärtää kestävän kehityksen näkökulmia IoT-järjestelmäkehityksessä sekä ymmärtää eettisen ja vastuullisen toiminnan merkityksen monikulttuurisissa yhteisöissä.
ökaluja.
Sisältö
- IoT full-stack -avoimen ongelman/toimeksiannon ratkaisu
- Ketterä projektinhallinta ja DevOps-filosofia
- Kestävä kehitys ja eettiset periaatteet monikulttuurisessa yhteisössä
Arviointiasteikko
H-5
Arviointikriteerit, tyydyttävä (1)
Opiskelija kykenee toimimaan projektissa, jossa tuotetaan IoT-järjestelmä, mutta vastuunkanto ja osallistuminen on puutteellista. Toiminta on passiivista ja aloitteellisuus puuttuu. Riittämätön osallistuminen tai passiivisuus johtaa opintojakson hylkäämiseen. Opiskelija noudattaa ketterään järjestelmäkehitykseen valittua projektiprosessia satunnaisesti tai vahvasti ohjattuna.
Arviointikriteerit, hyvä (3)
Opiskelija pystyy toimimaan tiimissään rakentavasti, tekemään toimeksiantoa koskevia teknisiä ja prosessia koskevia ehdotuksia annetun ongelman ratkaisemiseksi. Opiskelijan toiminta on aktiivista. Opiskelija huomioi muut yhteisön jäsenet eettisesti ja kulttuurisesti kunnioittaen. Opiskelija noudattaa ketterään järjestelmäkehitykseen valittua projektiprosessia systemaattisesti ja pääosin itsenäisesti. Projektin tuottama ratkaisu toimeksiantoon täyttää vaatimukset. Lopputulokseen on päästy jossain määrin ohjatusti, mutta pääosin itsenäisesti.
Arviointikriteerit, kiitettävä (5)
Opiskelija osoittautuu projektiimissä avainhenkilöksi. Hän pystyy tekemään rakentavasti ja monipuolisesti toimeksiantoa koskevia teknisiä ja prosessia koskevia ehdotuksia. Opiskelija kantaa selkeästi vastuuta koko projektin onnistumisesta sekä muiden tiimin jäsenten tehtävistä ja hyvinvoinnista. Projektiprosessi on itsenäinen ja laadukas. Projekti tuotti laadukkaan ratkaisun toimeksiantoon. Lopputulokseen on päästy pääosin itsenäisesti tukeutuen ohjaukseen ammattimaisesti ja asiantuntevana.
Ilmoittautumisaika
02.10.2023 - 07.01.2024
Ajoitus
29.01.2024 - 31.05.2024
Laajuus
5 op
Virtuaaliosuus (op)
3 op
Toteutustapa
40 % Lähiopetus, 60 % Etäopetus
Yksikkö
Insinöörikoulutus, tieto- ja viestintätekniikka
Opetuskielet
- Suomi
Paikat
0 - 30
Tutkinto-ohjelma
- Machine Learning and Data Engineering
Opettaja
- Päivi Saari
Vastuuhenkilö
Päivi Saari
Opiskelijaryhmät
-
R54D23SBachelor of Engineering, Machine Learning and Data Engineering (full time studies), 2023
Aika ja paikka
Rovaniemi, kevät -24, Moodle-työtila avautuu hieman ennen opintojakson alkua opintojakson sisältöön tutustumista ja lähtökyselyn tekemistä varten.
Oppimateriaalit
Moodle-materiaali Svenska för IT-ingenjörer
Oheismateriaali:
* Kirjallisuus: Flexteknik, Kokous- ja neuvottelutaidon käsikirja * Liikeviestinnän käsikirjat - viestit vaihtoon 7 kielellä
* Verkkokursseja: Nätfräsch, Språknät
Opetusmenetelmät
Lähitunnit ja muutama ZOOM-luento, materiaali Moodlessa "Svenska för IT-ingenjörer"
Oppimistehtävät: 2 suullista ja 1-2 kirjallista harjoitustehtävää ja tentti
Itsenäinen opiskelu
Tenttien ajankohdat ja uusintamahdollisuudet
Tentti on opintojakson lopussa, uusinnasta sovitaan opiskelijoiden kanssa
Lisätietoja opiskelijoille
Opintojakso on tarkoitettu MLDE:n suomenkielisille opiskelijoille. Moodle avataan ennen opintojakson alkamista lähtökyselyä ja sisältöön tutustumista varten
Arviointiasteikko
H-5
Arviointimenetelmät ja arvioinnin perusteet
Arviointiperusteet: Hyväksytysti suoritetut suulliset (2 kpl) ja kirjalliset harjoitustyöt (1-2 kpl), tentti sekä jatkuva näyttö. Arviointiasteikko 0-5. Opintojakso täyttää Kielilain (423/2003) edellyttämän ruotsin kielen taidon, joka arvioidaan T/H (suullinen ja kirjallinen taito erikseen)ja merkitään päättötodistuksen liitteelle. Arvosanat 1-3 vastaavat tyydyttävää ja 4-5 hyvää arvosanaa.
Ruotsin taitotasokuvaukset
Tyydyttävä (1)
Kertoo lyhyesti ja yksipuolisesti koulutuksestaan, työkokemuksestaaan ja -tehtävistään sekä alan yrityksistä ja palveluista. Osaa toimia lähteitä apuna käyttäen ennakoitavissa toimenkuvansa viestintätilanteissa ja hakea tietoa helppolukuisista ruotsinkielisistä lähteistä.
Tyydyttävä (2)
Osaa kertoa keskeisiä asioita koulutuksestaan, työkokemuksestaan ja -tehtävistään sekä alan yrityksistä ja palveluista. Osaa toimia ruotsin kielellä ennakoitavissa toimenkuvansa viestintätilanteissa ja hakea tietoa helppolukuisista ruotsinkielisistä lähteistä.
Hyvä (3)
Osaa kertoa koulutuksestaan, työkokemuksestaan ja -tehtävistä sekä alansa organisaatioista eheänä kokonaisuutena sekä selviytyy kohtalaisen hyvin toimenkuvansa työelämäkontakteista, palvelutilanteista sekä alan ruotsinkielisistä lähteistä.Tuntee kohtalaisen hyvin pohjoismaista kulttuuri- ja elinkeinoaluetta.
Hyvä (4)
Esittelee koulutustaan, työkokemustaan ja -tehtäviään monipuolisesti, esiintyy neuvottelutilanteissa sekä selviytyy työelämäkontakteista suhteellisen luontevasti ja asianomaisella tyylillä. Hallitsee työnhaun ja osaa jäsentää itsenäisesti tietoa alansa eri ruotsinkielisistä lähteistä.
Kiitettävä (5)
Esittelee koulutustaan, työkokemustaan ja -tehtäviään monipuolisesti, esiintyy neuvottelutilanteissa sekä selviytyy työelämäkontakteista luontevasti asianomaisella tyylillä ja on aloitteellinen. Hallitsee työnhaun ja osaa jäsentää itsenäisesti tietoa alansa ruotsinkielisistä lähteistä.
Ruotsin taitotasot: http://www02.oph.fi/ops/taitotasoasteikko.pdf
Ilmoittautumisaika
13.03.2023 - 03.09.2023
Ajoitus
04.09.2023 - 31.12.2023
Laajuus
5 op
Toteutustapa
Lähiopetus
Yksikkö
Insinöörikoulutus, tieto- ja viestintätekniikka
Opetuskielet
- Englanti
- Suomi
Paikat
0 - 30
Tutkinto-ohjelma
- Machine Learning and Data Engineering
- Tieto- ja viestintätekniikan koulutus
Opettaja
- Ari Karjalainen
- Anssi Ylinampa
Vastuuhenkilö
Ari Karjalainen
Opiskelijaryhmät
-
R54D22SBachelor of Engineering, Machine Learning and Data Engineering (full time studies), 2022
Tavoitteet
Opiskelija tuntee virtapiirien komponentit, osaa analysoida ja laskea yksinkertaisten tasa- ja vaihtovirtapiirien virtoja ja jännitteitä. Hän ymmärtää eri komponenttien merkityksen ja tarkoituksen virtapiireissä. Opiskelija kykenee muodostamaan tarkoituksen mukaisia virtapiirejä elektronisiin kytkentöihin ja simuloimaan kytkentöjä tietokonepohjaisella piirisimulaattori ohjelmalla.
Sisältö
- Sähkömagneettinen induktio
- Virta
- Jännite
- Virtapiirit
- Virtapiirien komponentit (jännitelähteet, vastukset, kondensaattorit ja kelat)
- RLC-piirit, yksinkertaiset suodattimet
- Vaihtovirta
- Virtapiirien simulointi ja simulointityökalut
Arviointiasteikko
H-5
Arviointikriteerit, tyydyttävä (1)
Opiskelija tuntee virtapiirien perusteet ja niihin liittyvät lait kuten Ohmin laki ja Kirchfoffin-lait.
Opiskelija ymmärtää virtapiirien komponenttien tarkoituksen ja osaa ratkaista yksinkertaisia virtapiirejä simulointityökalulla.
Arviointikriteerit, hyvä (3)
Opiskelija tuntee virtapiirien perusteet ja niihin liittyvät lait kuten Ohmin laki ja Kirchfoffin-lait.
Opiskelija ymmärtää virtapiirien komponenttien tarkoituksen ja osaa ratkaista monimutkaisia virtapiirejä simulointityökalulla ja yksinkertaisia virtapiirejä matemaattisin menetelmin, jotka perustuvat Ohmin ja Kirchoffin lakeihin.
Opiskelija tietää perussuodattimien rakenteet ja osaa simuloida niiden toimintaa simulaatiotyökalulla,
Arviointikriteerit, kiitettävä (5)
Opiskelija ymmärtää ja soveltaa virtapiirien perusteita ja niihin liittyviä lakeja, kuten Ohmin laki ja Kirchfoffin-lait. Opiskelija ymmärtää virtapiirien komponenttien tarkoituksen ja osaa ratkaista monimutkaisia virtapiirejä simulointityökalulla ja matemaattisin menetelmin, jotka perustuvat Ohmin ja Kirchoffin lakeihin.
Opiskelija tietää ja ymmärtää perussuodattimien rakenteet ja toiminnan sekä osaa suunnitella ja simuloida asetettujen vaatimusten mukaisia suodattimia simulaatiotyökalulla.
Ilmoittautumisaika
02.12.2023 - 31.12.2023
Ajoitus
29.01.2024 - 28.04.2024
Laajuus
5 op
Toteutustapa
Lähiopetus
Opetuskielet
- Englanti
Paikat
0 - 30
Tutkinto-ohjelma
- Machine Learning and Data Engineering
Opettaja
- Miika Aitomaa
- Jouko Teeriaho
Vastuuhenkilö
Jouko Teeriaho
Opiskelijaryhmät
-
R54D23SBachelor of Engineering, Machine Learning and Data Engineering (full time studies), 2023
Arviointiasteikko
H-5
Ilmoittautumisaika
13.03.2023 - 30.09.2023
Ajoitus
01.09.2023 - 31.12.2023
Laajuus
5 op
Toteutustapa
Lähiopetus
Yksikkö
Insinöörikoulutus, tieto- ja viestintätekniikka
Opetuskielet
- Englanti
Paikat
0 - 20
Tutkinto-ohjelma
- Machine Learning and Data Engineering
Opettaja
- Heidi Huhta
Vastuuhenkilö
Heidi Huhta
Opiskelijaryhmät
-
R54D22SBachelor of Engineering, Machine Learning and Data Engineering (full time studies), 2022
Oppimateriaalit
Oppimateriaali Moodlessa
Opetusmenetelmät
lähiopetus, yksilö- ja ryhmätyötehtävät, kuuntelutehtävät, puhetehtävät
Tenttien ajankohdat ja uusintamahdollisuudet
Sovitaan kurssin aikana.
Arviointiasteikko
H-5
Arviointimenetelmät ja arvioinnin perusteet
Arviointi perustuu jatkuvaan näyttöön, eli aktiiviseen osallistumiseen opetukseen, tehtävien tekemiseen sekä suullisiin esityksiin ja kirjalliseen tenttiin.
Opintojakson osaamistaso on B2
Hylätty (0)
Opiskelija ei saavuta minimivaatimuksia.
Arviointikriteerit, tyydyttävä (1-2)
Tyydyttävä (1)
Esittelee koulutustaan, työtehtäviä ja alansa yrityksiä sekä hoitaa työasioita puhelimitse, vaikka kielitaito rajoittaa viestintää. Kirjoittaa ymmärrettäviä sähköposteja, dokumentteja ja muita insinöörin ammattiin liittyviä tekstejä apuvälineitä käyttäen. Hallitsee joitakin keskeisiä tekniikan ja talouselämän sekä oman erikoisalansa ammattitermejä. Osoittaa satunnaisesti tilannetajua monikulttuurisessa vuorovaikutuksessa.
Tyydyttävä (2)
Esittelee koulutustaan, työtehtäviä ja alansa yrityksiä pääosin ymmärrettävästi ja kiinnittää jonkin verran huomiota asianmukaiseen tyyliin. Hoitaa työasioita puhelimitse ja sähköpostitse pääosin ilman väärinkäsityksiä. Kirjoittaa insinöörin ammattiin liittyviä dokumentteja, raportteja ja muita tekstejä apuvälineitä käyttäen. Hallitsee keskeisiä tekniikan ja talouselämän sekä oman erikoisalansa ammattitermejä. Osoittaa melko hyvää tilannetajua monikulttuurisessa vuorovaikutuksessa, vaikka kielitaito rajoittaa jonkin verran viestintää.
Arviointikriteerit, hyvä (3-4)
Esittelee koulutustaan, työtehtäviä ja alansa yrityksiä sekä hoitaa työasioita puhelimitse ja sähköpostitse asianmukaisella tyylillä ilman väärinkäsityksiä. Kirjoittaa selkeitä insinöörin ammattiin liittyviä dokumentteja, raportteja ja muita tekstejä. Käyttää tekniikan ja talouselämän perussanastoa sekä oman erikoisalansa termistöä. Osoittaa hyvää tilannetajua monikulttuurisessa vuorovaikutuksessa ilman, että kielitaito rajoittaa viestintää.
Hyvä (4)
Esittelee koulutustaan, työtehtäviä ja alansa yrityksiä sekä hoitaa työasioita puhelimitse ja sähköpostitse luontevasti asianmukaisella tyylillä ilman väärinkäsityksiä. Kirjoittaa selkeitä ja hyvin jäsenneltyjä insinöörin ammattiin liittyviä dokumentteja, raportteja ja muita tekstejä. Käyttää monipuolisesti tekniikan ja talouselämän perussanastoa sekä oman erikoisalansa termistöä. Osoittaa hyvää tilannetajua monikulttuurisessa vuorovaikutuksessa ilman, että kielitaito rajoittaa viestintää.
Arviointikriteerit, kiitettävä (5)
Kiitettävä (5)
Esittelee koulutustaan, työtehtäviä ja alansa yrityksiä sekä hoitaa työasioita puhelimitse ja sähköpostitse täsmällisesti, tehokkaasti ja sujuvasti asianmukaisella tyylillä. Kirjoittaa selkeitä ja hyvin jäsenneltyjä insinöörin ammattiin liittyviä dokumentteja, raportteja ja muita tekstejä. Käyttää taitavasti ja täsmällisesti tekniikan ja talouselämän perussanastoa sekä oman erikoisalansa termistöä. Osoittaa erinomaista tilannetajua ja kielitaitoa monikulttuurisessa vuorovaikutuksessa.