Machine Learning and Data Engineering
Tieto- ja viestintätekniikan insinööri, Machine Learning and Data Engineering (päiväopinnot), Rovaniemi, syksy 2025
Bachelor of Engineering, Machine Learning and Data Engineering (full time studies), Rovaniemi, Autumn 2024
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
02.12.2024 - 24.01.2025
Ajoitus
15.01.2025 - 16.05.2025
Laajuus
5 op
Virtuaaliosuus (op)
4 op
Toteutustapa
20 % Lähiopetus, 80 % Etäopetus
Opetuskielet
- Suomi
Paikat
0 - 60
Tutkinto-ohjelma
- Rakennusmestarikoulutus
- Metsätalouden koulutus
- Machine Learning and Data Engineering
- Maaseutuelinkeinojen koulutus
- Tieto- ja viestintätekniikan koulutus
- Sähkö- ja automaatiotekniikan koulutus
- Konetekniikan koulutus
- Rakennus- ja yhdyskuntatekniikan koulutus
- Maanmittaustekniikan koulutus
Opettaja
- Juha Vehniäinen
Vastuuhenkilö
Juha Vehniäinen
Opiskelijaryhmät
-
RA51RM25KRakennusmestarikoulutus, Rovaniemi, kevät 2025
Tavoitteet
Tunnet keskeiset algebran ja geometrian perusperiaatteet ja -menetelmät ja osaat soveltaa niitä ammattialaasi liittyvissä ongelmissa. Opit loogista ajattelua ja ongelmanratkaisua ja ymmärrät matematiikan merkityksen työvälineenä ja oman alan kehityksessä. Opit hyödyntämään laskimia ja laskentaohjelmistoja matemaattisten ongelmien ratkaisussa.
Opintojakson jälkeen osaat käsitellä aritmeettisia ja algebrallisia lausekkeita. Osaat ratkaista ensimmäisen ja toisen asteen yhtälöitä sekä lineaarisia yhtälöpareja. Osaat soveltaa yhtälöiden muodostamisen ja ratkaisemisen taitoja alaasi liittyvissä ongelmissa. Tunnet suoraan ja kääntäen verrannollisuuden käsitteet ja osaat soveltaa verrannollisuutta esimerkiksi mittakaavoihin. Tunnistat erilaisia funktioita matemaattisina malleina ja osaat käyttää niitä ilmiöiden analysointiin ja ennusteiden tekemiseen. Hallitset suorakulmaisen ja yleisen kolmion trigonometriaan liittyvät laskurutiinit. Osaat laskea pinta-aloja ja tilavuuksia.
Sisältö
- Lukujoukot ja lausekkeiden käsittely
- Ensimmäisen ja toisen asteen yhtälön ratkaiseminen ja yhtälöiden muodostaminen sanallisista tehtävistä
- Lineaarisen yhtälöparin ratkaiseminen
- Ensimmäisen ja toisen asteen polynomifunktiot
- Eksponentti- ja logaritmifunktiot
- Kolmiot: Pythagoraan lause, suorakulmaisen kolmion trigonometriset funktiot, sinilause, kosinilause
- Taso- ja avaruusgeometriaa
- Verranto ja mittakaava
Aika ja paikka
Kevätlukukausi 2025. Oppimisympäristönä on Moodle-työtila ja Zoom. Opetus järjestetään arki-iltaisin klo 17:15 alkaen. Oppitunnit tallennetaan.
Lähiopetus Lapin AMK, Rantavitikan kampus (Rovaniemi, Jokiväylä 11), lähiopetusta ei tallenneta.
Oppimateriaalit
Kaikki tarvittava oppimateriaali on saatavilla Moodlessa opintojakson työtilassa. Lisälukemisena voi käyttää esim.: Tuomenlehto, Holmlund, Huuskonen, Makkonen, Surakka: Insinöörin matematiikka. Henttonen, Peltomäki, Uusitalo: Tekniikan matematiikka 1.
Opetusmenetelmät
Verkko-opetusta Zoom-ympäristössä noin 28 h, lisäksi 9h lähiopetuksena lähipäivinä. Oppitunneilla varmistetaan opintojakson aihepiirien perusasioiden hallinta teorian ja esimerkkien avulla. Lisäksi opiskelija saa tunneilla ohjausta tehtävien tekoon. Aiheet on mahdollista opiskella itsenäisesti tallenteiden, esimerkkien ja harjoitustehtävien avulla.
Tenttien ajankohdat ja uusintamahdollisuudet
Välikokeiden ajankohdat sovitaan opintojaksolla.
Toteutuksen valinnaiset suoritustavat
Opintojakson suoritus koostuu arvioitavista tehtävistä ja kahdesta välikokeesta. Itsenäinen suoritus on mahdollinen.
Arviointiasteikko
H-5
Arviointikriteerit, tyydyttävä (1)
Sievennät yksinkertaisia algebrallisia lausekkeita. Osaat ratkaista 1. ja 2. asteen yhtälöitä. Osaat soveltaa yhtälöitä yksinkertaisiin sanallisiin tehtäviin. Osaat muodostaa 1. asteen polynomifunktion lausekkeen ja käyttää sitä matemaattisena mallina. Osaat ratkaista suorakulmaisen ja yleisen kolmion sivuja ja kulmia. Osaat laskea pinta-aloja ja tilavuuksia.
Arviointikriteerit, hyvä (3)
Sievennät algebrallisia lausekkeita. Osaat ratkaista 1. ja 2. asteen yhtälöitä ja yhtälöpareja ja muodostaa niitä sanallisista tehtävistä. Osaat muodostaa 1. asteen polynomifunktion lausekkeen ja käyttää erityyppisiä funktioita matemaattisina malleina. Osaat soveltaa suorakulmaisen ja yleisen kolmion laskukaavoja kolmion sivujen ja kulmien laskentaan. Valitset sopivia taso- ja avaruusgeometrian laskukaavoja sanallisten ongelmien ratkaisuun.
Arviointikriteerit, kiitettävä (5)
Osaat muodostaa ja ratkaista alaasi liittyviin ongelmiin soveltuvia yhtälöitä ja yhtälöpareja. Osaat valita ja muodostaa aineistoihin soveltuvia matemaattisia malleja ja käyttää niitä ennusteiden tekemiseen. Osaat soveltaa taso- ja avaruusgeometrian laskukaavoja sekä trigonometriaa monipuolisesti alaasi liittyvissä ongelmissa.
Ilmoittautumisaika
15.05.2024 - 15.09.2024
Ajoitus
02.09.2024 - 10.11.2024
Laajuus
5 op
Toteutustapa
Lähiopetus
Opetuskielet
- Englanti
Paikat
0 - 30
Tutkinto-ohjelma
- Machine Learning and Data Engineering
Opettaja
- Miika Aitomaa
Vastuuhenkilö
Miika Aitomaa
Opiskelijaryhmät
-
R54D24SBachelor of Engineering, Machine Learning and Data Engineering (full time studies), 2024
Arviointiasteikko
H-5
Ilmoittautumisaika
18.03.2024 - 31.07.2024
Ajoitus
05.09.2024 - 31.10.2024
Laajuus
5 op
Toteutustapa
Lähiopetus
Yksikkö
Insinöörikoulutus, tieto- ja viestintätekniikka
Opetuskielet
- Englanti
Paikat
0 - 30
Tutkinto-ohjelma
- Machine Learning and Data Engineering
Opettaja
- Erkki Mattila
Vastuuhenkilö
Erkki Mattila
Opiskelijaryhmät
-
R54D22SBachelor of Engineering, Machine Learning and Data Engineering (full time studies), 2022
Arviointiasteikko
H-5
Ilmoittautumisaika
18.03.2024 - 08.09.2024
Ajoitus
09.09.2024 - 31.12.2024
Laajuus
5 op
Virtuaaliosuus (op)
2 op
T&K-osuus
2 op
Toteutustapa
60 % Lähiopetus, 40 % Etäopetus
Yksikkö
Insinöörikoulutus, tieto- ja viestintätekniikka
Opetuskielet
- Englanti
Paikat
0 - 30
Tutkinto-ohjelma
- Machine Learning and Data Engineering
Opettaja
- Tauno Tepsa
Vastuuhenkilö
Tauno Tepsa
Opiskelijaryhmät
-
R54D23SBachelor of Engineering, Machine Learning and Data Engineering (full time studies), 2023
Arviointiasteikko
H-5
Ilmoittautumisaika
18.03.2024 - 01.09.2024
Ajoitus
02.09.2024 - 13.10.2024
Laajuus
5 op
Toteutustapa
Lähiopetus
Yksikkö
Insinöörikoulutus, tieto- ja viestintätekniikka
Opetuskielet
- Englanti
- Suomi
Paikat
0 - 30
Tutkinto-ohjelma
- Machine Learning and Data Engineering
Opettaja
- Aija Hentilä
Vastuuhenkilö
Aija Hentilä
Opiskelijaryhmät
-
R54D21SBachelor of Engineering, Machine Learning and Data Engineering (full time studies), 2021
Aika ja paikka
Syksy-24. Jokiväylän kampus Rovaniemi.
Toteutusaika 2.9 - 13.10.2024.
Oppimateriaalit
Opettajan jakama materiaali Moodlen työtilassa.
Opetusmenetelmät
Luennot ja ryhmätyöt.
Tenttien ajankohdat ja uusintamahdollisuudet
Ei tenttiä opintojaksolla.
Sisällön jaksotus
Teemoja opitnojaksolle
- Yrittäjyys
- Liiketoimintasuunnitelma
- Markkinointi ja asiakaspalvelu
- Rahoitus ja taloushallinto
Arviointiasteikko
H-5
Arviointimenetelmät ja arvioinnin perusteet
Osoitettujen tehtävien hyväksytty suoritus vaaditaan kaikkien tehtävien osalta.
Ilmoittautumisaika
15.05.2024 - 25.08.2024
Ajoitus
26.08.2024 - 10.11.2024
Laajuus
5 op
Toteutustapa
Lähiopetus
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
18.03.2024 - 15.09.2024
Ajoitus
16.09.2024 - 20.12.2024
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
-
R54D24SBachelor of Engineering, Machine Learning and Data Engineering (full time studies), 2024
Arviointiasteikko
H-5
Ilmoittautumisaika
18.03.2024 - 15.09.2024
Ajoitus
16.09.2024 - 13.12.2024
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
01.10.2024 - 23.02.2025
Ajoitus
24.02.2025 - 04.04.2025
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
-
R54D23SBachelor of Engineering, Machine Learning and Data Engineering (full time studies), 2023
Arviointiasteikko
H-5
Ilmoittautumisaika
01.10.2024 - 31.12.2024
Ajoitus
27.01.2025 - 31.05.2025
Laajuus
5 op
Toteutustapa
Lähiopetus
Yksikkö
Insinöörikoulutus, tieto- ja viestintätekniikka
Opetuskielet
- Englanti
Paikat
0 - 30
Tutkinto-ohjelma
- Machine Learning and Data Engineering
Opettaja
- Matias Hiltunen
- Pauliina Koskela
Vastuuhenkilö
Matias Hiltunen
Opiskelijaryhmät
-
R54D22SBachelor of Engineering, Machine Learning and Data Engineering (full time studies), 2022
Tavoitteet
Opiskelija osaa läpiviedä käytännön koneoppimista sisältävän kehitysprojektin. Opiskelija osaa soveltaa tarkoituksenmukaisia moderneja työvälineitä ja menetelmiä kehitystyöhön. Opiskelija osaa tehdä päätöksiä ennakoimattomissa tilanteissa sekä hyödyntää projektin ulkoisessa ja sisäisessä tiedottamisessa erilaisia viestintäkanavia ja -välineitä. Opiskelija kykenee monikulttuuriseen yhteistyöhön.
Sisältö
- Monikulttuurinen työyhteisö
- Automaatiotestaus / DevOps
Arviointiasteikko
H-5
Ilmoittautumisaika
18.03.2024 - 20.10.2024
Ajoitus
09.09.2024 - 31.12.2024
Laajuus
5 op
Toteutustapa
Lähiopetus
Yksikkö
Insinöörikoulutus, tieto- ja viestintätekniikka
Opetuskielet
- Englanti
Paikat
0 - 30
Tutkinto-ohjelma
- Machine Learning and Data Engineering
Opettaja
- Tauno Tepsa
Vastuuhenkilö
Tauno Tepsa
Opiskelijaryhmät
-
R54D23SBachelor of Engineering, Machine Learning and Data Engineering (full time studies), 2023
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
01.10.2024 - 20.01.2025
Ajoitus
21.01.2025 - 09.05.2025
Laajuus
5 op
Toteutustapa
Lähiopetus
Yksikkö
Insinöörikoulutus, tieto- ja viestintätekniikka
Opetuskielet
- Englanti
Paikat
0 - 30
Tutkinto-ohjelma
- Machine Learning and Data Engineering
Opettaja
- Jouko Teeriaho
Vastuuhenkilö
Jouko Teeriaho
Opiskelijaryhmät
-
R54D24SBachelor of Engineering, Machine Learning and Data Engineering (full time studies), 2024
Arviointiasteikko
H-5
Ilmoittautumisaika
18.03.2024 - 01.09.2024
Ajoitus
02.09.2024 - 13.10.2024
Laajuus
5 op
Toteutustapa
Lähiopetus
Yksikkö
Insinöörikoulutus, tieto- ja viestintätekniikka
Opetuskielet
- Englanti
Paikat
0 - 30
Tutkinto-ohjelma
- Machine Learning and Data Engineering
Opettaja
- Aija Hentilä
Vastuuhenkilö
Aija Hentilä
Opiskelijaryhmät
-
R54D21SBachelor of Engineering, Machine Learning and Data Engineering (full time studies), 2021
Aika ja paikka
Syksy-24. Jokiväylän kampus Rovaniemi.
Toteutusaika 2.9 - 13.10.2024.
Oppimateriaalit
Opettajan jakama materiaali Moodlen työtilassa.
Opetusmenetelmät
Luennot ja ryhmätyöt.
Tenttien ajankohdat ja uusintamahdollisuudet
Ei tenttiä opintojaksolla.
Sisällön jaksotus
Opintojaksolla tarkastelemme Lean-johtamistavan vaikutuksia seuraaviin asioihin liittyen.
- Tuotannon hallinta
- Laadunhallinta
- Logistiikka
- Lean-johtaminen
Arviointiasteikko
H-5
Arviointimenetelmät ja arvioinnin perusteet
Osoitettujen tehtävien hyväksytty suoritus vaaditaan kaikkien tehtävien osalta.
Arviointikriteerit, tyydyttävä (1-2)
Tietää Lean-johtamisfilosofian ja vaikutteet yleisellä tasolla.
Arviointikriteerit, hyvä (3-4)
Osaa hyvin Lean-johtamisfilosofian ja vaikutteet yleisellä tasolla soveltaen opintojakson tehtävissä.
Arviointikriteerit, kiitettävä (5)
Soveltaa Lean-johtamisfilosofian ja vaikutteita kiitettävästi opintojakson tehtävissä. Osaa esittää tietämystään tehtävissä opintojakson teemoihin liittyen.