Siirry suoraan sisältöön

Bachelor of Engineering, Machine Learning and Data Engineering (full time studies), Rovaniemi, Autumn 2022: Machine Learning and Data Engineering 2022 Syksy

Tunnus: R54D22S

Tutkinto:
Tekniikan ammattikorkeakoulututkinto

Tutkintonimike:
Insinööri (AMK), tietotekniikka

Laajuus:
240 op

Kesto:
4 vuotta (240 op)

Aloituslukukausi:
Syksy 2022

Näytä opintojen ajoitukset lukuvuosittain, lukukausittain tai periodeittain

Tunnus Opinnon nimi Laajuus (op) 2022-2023 2023-2024 2024-2025 2025-2026 Syksy
2022
Kevät
2023
Syksy
2023
Kevät
2024
Syksy
2024
Kevät
2025
Syksy
2025
Kevät
2026
1. / 2022 2. / 2023 3. / 2023 1. / 2023 2. / 2024 3. / 2024 1. / 2024 2. / 2025 3. / 2025 1. / 2025 2. / 2026 3. / 2026
MLDECORE22
YDINOSAAMINEN

(Valitaan kaikki)

160
AMKO013 Startti korkeakouluopintoihin (ENG) 5 5 5 5
R504D97 Seminaari: Koneoppiminen & Data Engineering 5 5 5 5
MLD1005
Matematiikka ja luonnontieteet

(Valitaan kaikki)

20
R504D51 Algebra, geometria ja trigonometria 5 5 5 5
R504D95 Tilastot, todennäköisyys ja optimointi 5 5 5 2.5 2.5
R504D58 Lineaarialgebra 5 5 5 5
R504TL119 Sähkömagnetismi 5 5 5 5
MLD1007
Data ja ohjelmointi

(Valitaan kaikki)

35
R504D52 Johdatus ohjelmointiin 5 5 5 5
R504D57 Web-ohjelmointi 5 5 5 2.5 2.5
R504D98 Johdatus tiedonhallintaan 5 5 5 2.5 2.5
R504D119 Johdatus data-analytiikkaan 5 5 5 2.5 2.5
R504D123 Johdatus koneoppimisen menetelmiin 5 5 5 2.5 2.5
R504D75 Algoritmit ja tietorakenteet 5 5 5 5
R504D99 Projekti: Data-analytiikka ja visualisointi 5 5 5 2.5 2.5
MLD1001
Älykkäät järjestelmät

(Valitaan kaikki)

30
R504D96 ICT-infrastruktuuri ja tietokonetekniikka 5 5 5 5
R504D117 Elektroniikka 5 5 5 5
R504D118 Elektroniikka osana IoT-ratkaisua 5 5 5 5
R504D101 Robotiikka 5 5 5 2.5 2.5
R504D100 Projekti: Internet of Things (IoT) 5 5 5 5
R504D103 Projekti: Robotiikka ja tekoäly (AI) 5 5 5 2.5 2.5
MLD1000
Liiketoiminta ja johtaminen

(Valitaan kaikki)

25
R504D90 Liiketoiminta ja yrittäjyys 5 5 5 5
R504D125 Tuotantotalous 5 5 5 5
R504D109 Datan hyödyntäminen liiketoiminnassa 5 5 5 5
R504D92 Tulevaisuuden teknologiat 5 5 5 2.5 2.5
R504D124 Projekti: Startup ja liiketoiminnan kehittäminen 5 5 5 5
MLDEFIN22
Suomi

(Valitaan opintopisteitä: 0)

0
VVV30 Suomi 1 5 5 5 5
VVV31 Suomi 2 5 5 5 2.5 2.5
VVV32 Suomi 3 5 5 5 5
VVV33 Suomi 4 5 5 5 2.5 2.5
MLDEES22
Englanti ja ruotsi

(Valitaan opintopisteitä: 0)

0
R504D53 English for ICT Engineers 5 5 5 5
R504D61 Svenska för IT-ingenjörer 5 5 5 2.5 2.5
R504D59 Viestintä 5 5 5 5
R504D73 English for ICT Engineers 2 5 5 5 2.5 2.5
RUOTSIS Ruotsin suullinen taito 0
RUOTSIK Ruotsin kirjallinen taito 0
MLD1002
Harjoittelut

(Valitaan kaikki)

30
R504D110 Perusharjoittelu 1 5 5 5 2.5 2.5
R504D111 Perusharjoittelu 2 5 5 5 2.5 2.5
R504D112 Ammatillinen harjoittelu 1 5 5 5 5
R504D113 Ammatillinen harjoittelu 2 5 5 5 5
R504D114 Syventävä ammatillinen harjoittelu 1 5 5 5 2.5 2.5
R504D115 Syventävä ammatillinen harjoittelu 2 5 5 5 2.5 2.5
MLDEFREE22
Valinnaiset opinnot

(Valitaan opintopisteitä: 10)

10 10 10 5 5
MLDEPROF22
PROFILOIVA OSAAMINEN

(Valitaan kaikki)

40
MLD1008
Koneoppiminen ja Data Engineering

(Valitaan kaikki)

40
R504D120 Koneoppimisen pilvipalveluratkaisut 5 5 5 2.5 2.5
R504D104 Edistynyt data-analytiikka 5 5 5 5
R504D105 Edistynyt tiedonhallinta 5 5 5 5
R504D80 Syväoppiminen 5 5 5 5
R504D108 Edistyneet koneoppimisen menetelmät 5 5 5 2.5 2.5
R504D121 Vahvistava oppiminen 5 5 5 2.5 2.5
R504D106 Projekti: Data Engineering ja koneoppiminen 5 5 5 5
R504D107 Projekti: Koneoppiminen ja tekoäly 5 5 5 2.5 2.5
MLDERD22
TUTKIMUS- JA KEHITTÄMISOSAAMINEN

(Valitaan kaikki)

20
R504D84 Tutkimusmenetelmät 5 5 5 5
AMKO001 Opinnäytetyön suunnitteluvaihe 5 5 5 5
AMKO002 Opinnäytetyön toteuttamisvaihe 5 5 5 5
AMKO003 Opinnäytetyön viimeistelyvaihe 5 5 5 5
Yhteensä 240 70 70 60 50 35 35 35 35 30 30 35 15 35 17.5 17.5 35 17.5 17.5 30 20 10 35 7.5 7.5

Lukukausi- ja lukuvuosikohtaiset opintopistekertymät vaihtelevat valinnaisten ja vapaasti valittavien opintojen ajoituksesta johtuen.

Todistusjäsentely - AMK

Todistusjäsentelyssä opintojaksot jakautuvat ammattikorkeakoulun asetuksen mukaisesti..

Ammattiopinnot
Johdatus tiedonhallintaan
Johdatus data-analytiikkaan
Johdatus koneoppimisen menetelmiin
Algoritmit ja tietorakenteet
Projekti: Data-analytiikka ja visualisointi
Elektroniikka osana IoT-ratkaisua
Projekti: Internet of Things (IoT)
Projekti: Robotiikka ja tekoäly (AI)
Tuotantotalous
Datan hyödyntäminen liiketoiminnassa
Tulevaisuuden teknologiat
Projekti: Startup ja liiketoiminnan kehittäminen
Koneoppimisen pilvipalveluratkaisut
Edistynyt data-analytiikka
Edistynyt tiedonhallinta
Syväoppiminen
Edistyneet koneoppimisen menetelmät
Vahvistava oppiminen
Projekti: Data Engineering ja koneoppiminen
Projekti: Koneoppiminen ja tekoäly
Ammattitaitoa edistävä harjoittelu
Perusharjoittelu 1
Perusharjoittelu 2
Ammatillinen harjoittelu 1
Ammatillinen harjoittelu 2
Syventävä ammatillinen harjoittelu 1
Syventävä ammatillinen harjoittelu 2
Opinnäytetyö
Opinnäytetyön suunnitteluvaihe
Opinnäytetyön toteuttamisvaihe
Opinnäytetyön viimeistelyvaihe
Perusopinnot
Startti korkeakouluopintoihin (ENG)
Seminaari: Koneoppiminen & Data Engineering
Algebra, geometria ja trigonometria
Tilastot, todennäköisyys ja optimointi
Lineaarialgebra
Sähkömagnetismi
Johdatus ohjelmointiin
Web-ohjelmointi
ICT-infrastruktuuri ja tietokonetekniikka
Elektroniikka
Robotiikka
Liiketoiminta ja yrittäjyys
Suomi 1
Suomi 2
Suomi 3
Suomi 4
English for ICT Engineers
Svenska för IT-ingenjörer
Viestintä
English for ICT Engineers 2
Ruotsin suullinen taito
Ruotsin kirjallinen taito
Tutkimusmenetelmät
Vapaasti valittavat opinnot

Ei liitettyjä opintojaksoja

Luokittelemattomat

Bachelor of Engineering, Machine Learning and Data Engineering Competences (2022-)

Ethics

The graduating student adheres to the ethical principles and values of their field of profession, taking the principles of equality and non-discrimination into account.

• Is able to take responsibility for their own actions and their consequences and reflects on
them in accordance with the ethical principles and values of their field.
• Takes others into account and promotes equality and non-discrimination.
• Consider the realisation of diversity and accessibility in their actions.
• Understands the principles of responsible conduct of research and adheres to them.
• Is able to influence society based on ethical values.

Seminaari: Koneoppiminen & Data Engineering
Tilastot, todennäköisyys ja optimointi
Johdatus data-analytiikkaan
Projekti: Data-analytiikka ja visualisointi
Robotiikka
Projekti: Internet of Things (IoT)
Projekti: Robotiikka ja tekoäly (AI)
Liiketoiminta ja yrittäjyys
Datan hyödyntäminen liiketoiminnassa
Projekti: Startup ja liiketoiminnan kehittäminen
Ammatillinen harjoittelu 1
Ammatillinen harjoittelu 2
Syventävä ammatillinen harjoittelu 1
Syventävä ammatillinen harjoittelu 2
Syväoppiminen
Projekti: Data Engineering ja koneoppiminen
Projekti: Koneoppiminen ja tekoäly
Tutkimusmenetelmät
Opinnäytetyön suunnitteluvaihe
ICT business

The graduating student knows the core concepts of business and entrepreneurship in the field of ICT, understands business operations and processes and how data can be utilized for creating business value.

• The student learns different concepts of business and entrepreneurship, including
business start-up theories and processes and business planning
• The student understands the main principles of industrial management and how to run
business operations (production, operations, supply chain)
• The student knows how to utilize data in a user-centric way for creating business value

Liiketoiminta ja yrittäjyys
Tuotantotalous
Datan hyödyntäminen liiketoiminnassa
Tulevaisuuden teknologiat
Projekti: Startup ja liiketoiminnan kehittäminen
Intelligent systems

The graduating student knows how to design and implement prototype-level sensor data acquisition systems and small-scale robots and how to program ML functionalities into them.

• The student understands the principles of electronics and electromagnetism
• The student can design and implement prototype-level systems for collecting and
managing sensor data
• The student can design and implement prototype-level physical robotic systems as well
as operate and program non-complex robots

Johdatus ohjelmointiin
Johdatus data-analytiikkaan
Algoritmit ja tietorakenteet
ICT-infrastruktuuri ja tietokonetekniikka
Elektroniikka
Elektroniikka osana IoT-ratkaisua
Robotiikka
Projekti: Internet of Things (IoT)
Projekti: Robotiikka ja tekoäly (AI)
Koneoppimisen pilvipalveluratkaisut
Edistynyt data-analytiikka
Edistynyt tiedonhallinta
Syväoppiminen
Edistyneet koneoppimisen menetelmät
Vahvistava oppiminen
Projekti: Data Engineering ja koneoppiminen
Projekti: Koneoppiminen ja tekoäly
Internationality and multiculturalism

The graduating student is familiar with the principles of sustainable development, promotes their implementation and acts responsibly as a professional and a member of society.

• Is able to use information related to their field in finding, implementing and establishing
sustainable solutions and operating models.
• Understands sustainability challenges, their interdependencies and the various aspects
of issues and problems.

Seminaari: Koneoppiminen & Data Engineering
Projekti: Data-analytiikka ja visualisointi
Projekti: Internet of Things (IoT)
Projekti: Robotiikka ja tekoäly (AI)
Projekti: Startup ja liiketoiminnan kehittäminen
Suomi 1
Suomi 2
Suomi 3
Suomi 4
English for ICT Engineers
Svenska för IT-ingenjörer
Viestintä
English for ICT Engineers 2
Ruotsin suullinen taito
Ruotsin kirjallinen taito
Perusharjoittelu 1
Perusharjoittelu 2
Ammatillinen harjoittelu 1
Ammatillinen harjoittelu 2
Syventävä ammatillinen harjoittelu 1
Syventävä ammatillinen harjoittelu 2
Projekti: Data Engineering ja koneoppiminen
Projekti: Koneoppiminen ja tekoäly
Learning to learn

The graduating student recognises the strengths and development areas of their competence and learning methods, and they utilise the opportunities communities and digitalisation provide in their learning.

• Assesses and develops their competence and learning methods in different learning
environments.
• Is able to acquire, critically assess and appropriately apply the national and
international knowledge base and practices of their field.
• Also takes responsibility for group learning and sharing what has been learned.

Startti korkeakouluopintoihin (ENG)
Seminaari: Koneoppiminen & Data Engineering
Johdatus ohjelmointiin
Projekti: Data-analytiikka ja visualisointi
Projekti: Internet of Things (IoT)
Projekti: Robotiikka ja tekoäly (AI)
Projekti: Data Engineering ja koneoppiminen
Projekti: Koneoppiminen ja tekoäly
Machine learning (ML) and Artificial Intelligence (AI)

The graduating student understands broadly the areas of data analytics and machine learning (ML), is able to apply mathematical methods as well as programming in ML solution development, use existing ML services and develop own ML solutions and algorithms.

• The student understands broadly the different areas and concepts of machine
learning and AI
• The student is able to think computationally in solving data analytics and machine
learning problems
• The student can apply mathematical methods in data analytics and machine learning
solutions
• The student can apply programming skills to utilise existing machine learning services
and apply them in a practical solution
• The student can develop own machine learning algorithms and solutions and apply
them in a practical solution

Seminaari: Koneoppiminen & Data Engineering
Tilastot, todennäköisyys ja optimointi
Johdatus tiedonhallintaan
Johdatus data-analytiikkaan
Johdatus koneoppimisen menetelmiin
Projekti: Data-analytiikka ja visualisointi
Projekti: Robotiikka ja tekoäly (AI)
Ammatillinen harjoittelu 1
Ammatillinen harjoittelu 2
Syventävä ammatillinen harjoittelu 1
Syventävä ammatillinen harjoittelu 2
Koneoppimisen pilvipalveluratkaisut
Edistynyt data-analytiikka
Edistynyt tiedonhallinta
Syväoppiminen
Edistyneet koneoppimisen menetelmät
Vahvistava oppiminen
Projekti: Data Engineering ja koneoppiminen
Projekti: Koneoppiminen ja tekoäly
Opinnäytetyön toteuttamisvaihe
Opinnäytetyön viimeistelyvaihe
Mathematics and natural sciences

The graduating student thinks logically and mathematically, understands mathematics in engineering context and more specifically in machine learning and data engineering and is able to use mathematical methods in practice in own field.

• The student can think logically and mathematically
• The student learns the core mathematical methods for data engineering, data analytics
and machine learning
• The student can apply mathematical principles, methods and tools in engineering context

Algebra, geometria ja trigonometria
Tilastot, todennäköisyys ja optimointi
Lineaarialgebra
Sähkömagnetismi
Projekti: Data-analytiikka ja visualisointi
Projekti: Robotiikka ja tekoäly (AI)
Edistynyt data-analytiikka
Syväoppiminen
Edistyneet koneoppimisen menetelmät
Vahvistava oppiminen
Projekti: Data Engineering ja koneoppiminen
Projekti: Koneoppiminen ja tekoäly
Operating in a workplace

The graduating student has versatile working life skills and is able to operate in work communities of their field.

• Is able to work constructively in a work community and promotes their own and their
work community’s well-being.
• Is able to act professionally in communication and interaction situations at a
workplace. - Utilises the opportunities offered by technology and digitalisation in their
work.
• Understands the complexity of changing working life and their own resilience in
changing working life situations
• Has capabilities for an entrepreneurial approach

Seminaari: Koneoppiminen & Data Engineering
Algoritmit ja tietorakenteet
Projekti: Data-analytiikka ja visualisointi
Projekti: Internet of Things (IoT)
Projekti: Robotiikka ja tekoäly (AI)
Projekti: Startup ja liiketoiminnan kehittäminen
Viestintä
Perusharjoittelu 1
Perusharjoittelu 2
Ammatillinen harjoittelu 1
Ammatillinen harjoittelu 2
Syventävä ammatillinen harjoittelu 1
Syventävä ammatillinen harjoittelu 2
Projekti: Data Engineering ja koneoppiminen
Projekti: Koneoppiminen ja tekoäly
Proactive development

The graduating student is able to develop solutions that anticipate the future of their own field, applying existing knowledge and research and development methods.

• Solves problem situations creatively and reforms operating methods together with
others.
• Is able to work in projects in cooperation with actors of different fields.
• Is able to apply existing knowledge in the field in development and utilises research and
development methods.
• Is able to seek customer-oriented, sustainable and economically viable solutions,
anticipating the future of their field

Projekti: Data-analytiikka ja visualisointi
Projekti: Internet of Things (IoT)
Projekti: Robotiikka ja tekoäly (AI)
Liiketoiminta ja yrittäjyys
Tuotantotalous
Datan hyödyntäminen liiketoiminnassa
Tulevaisuuden teknologiat
Projekti: Startup ja liiketoiminnan kehittäminen
Ammatillinen harjoittelu 1
Ammatillinen harjoittelu 2
Syventävä ammatillinen harjoittelu 1
Syventävä ammatillinen harjoittelu 2
Tutkimusmenetelmät
Opinnäytetyön suunnitteluvaihe
Opinnäytetyön toteuttamisvaihe
Opinnäytetyön viimeistelyvaihe
Programming and software production

The graduating student knows how to apply programming languages and software production methods and tools required in ICT system development and ML.

• The student knows basic programming structures and logic
• The student knows how to apply programming in problem-solving
• The student knows how to use software development tools, techniques and methods in
own field
• The student knows how to manage software product development and projects

Tilastot, todennäköisyys ja optimointi
Lineaarialgebra
Johdatus ohjelmointiin
Web-ohjelmointi
Johdatus tiedonhallintaan
Johdatus data-analytiikkaan
Johdatus koneoppimisen menetelmiin
Algoritmit ja tietorakenteet
Projekti: Data-analytiikka ja visualisointi
ICT-infrastruktuuri ja tietokonetekniikka
Elektroniikka osana IoT-ratkaisua
Projekti: Internet of Things (IoT)
Projekti: Robotiikka ja tekoäly (AI)
Opinnäytetyön toteuttamisvaihe
Opinnäytetyön viimeistelyvaihe
Sustainable development

The graduating student is familiar with the principles of sustainable development, promotes their implementation and acts responsibly as a professional and a member of society.

• Is able to use information related to their field in finding, implementing and establishing
sustainable solutions and operating models.
• Understands sustainability challenges, their interdependencies and the various aspects
of issues and problems.

Seminaari: Koneoppiminen & Data Engineering
Projekti: Internet of Things (IoT)
Liiketoiminta ja yrittäjyys
Datan hyödyntäminen liiketoiminnassa
Projekti: Startup ja liiketoiminnan kehittäminen
Syventävä ammatillinen harjoittelu 1
Syventävä ammatillinen harjoittelu 2
Koneoppimisen pilvipalveluratkaisut
Syväoppiminen
Vahvistava oppiminen
Projekti: Data Engineering ja koneoppiminen
Luokittelemattomat

Tunnus Opinnon nimi Laajuus (op)
MLDECORE22
YDINOSAAMINEN

(Valitaan kaikki)

160
AMKO013 Startti korkeakouluopintoihin (ENG) 5
R504D97 Seminaari: Koneoppiminen & Data Engineering 5
MLD1005
Matematiikka ja luonnontieteet

(Valitaan kaikki)

20
R504D51 Algebra, geometria ja trigonometria 5
R504D95 Tilastot, todennäköisyys ja optimointi 5
R504D58 Lineaarialgebra 5
R504TL119 Sähkömagnetismi 5
MLD1007
Data ja ohjelmointi

(Valitaan kaikki)

35
R504D52 Johdatus ohjelmointiin 5
R504D57 Web-ohjelmointi 5
R504D98 Johdatus tiedonhallintaan 5
R504D119 Johdatus data-analytiikkaan 5
R504D123 Johdatus koneoppimisen menetelmiin 5
R504D75 Algoritmit ja tietorakenteet 5
R504D99 Projekti: Data-analytiikka ja visualisointi 5
MLD1001
Älykkäät järjestelmät

(Valitaan kaikki)

30
R504D96 ICT-infrastruktuuri ja tietokonetekniikka 5
R504D117 Elektroniikka 5
R504D118 Elektroniikka osana IoT-ratkaisua 5
R504D101 Robotiikka 5
R504D100 Projekti: Internet of Things (IoT) 5
R504D103 Projekti: Robotiikka ja tekoäly (AI) 5
MLD1000
Liiketoiminta ja johtaminen

(Valitaan kaikki)

25
R504D90 Liiketoiminta ja yrittäjyys 5
R504D125 Tuotantotalous 5
R504D109 Datan hyödyntäminen liiketoiminnassa 5
R504D92 Tulevaisuuden teknologiat 5
R504D124 Projekti: Startup ja liiketoiminnan kehittäminen 5
MLDEFIN22
Suomi

(Valitaan opintopisteitä: 0)

0
VVV30 Suomi 1 5
VVV31 Suomi 2 5
VVV32 Suomi 3 5
VVV33 Suomi 4 5
MLDEES22
Englanti ja ruotsi

(Valitaan opintopisteitä: 0)

0
R504D53 English for ICT Engineers 5
R504D61 Svenska för IT-ingenjörer 5
R504D59 Viestintä 5
R504D73 English for ICT Engineers 2 5
RUOTSIS Ruotsin suullinen taito 0
RUOTSIK Ruotsin kirjallinen taito 0
MLD1002
Harjoittelut

(Valitaan kaikki)

30
R504D110 Perusharjoittelu 1 5
R504D111 Perusharjoittelu 2 5
R504D112 Ammatillinen harjoittelu 1 5
R504D113 Ammatillinen harjoittelu 2 5
R504D114 Syventävä ammatillinen harjoittelu 1 5
R504D115 Syventävä ammatillinen harjoittelu 2 5
MLDEFREE22
Valinnaiset opinnot

(Valitaan opintopisteitä: 10)

10
MLDEPROF22
PROFILOIVA OSAAMINEN

(Valitaan kaikki)

40
MLD1008
Koneoppiminen ja Data Engineering

(Valitaan kaikki)

40
R504D120 Koneoppimisen pilvipalveluratkaisut 5
R504D104 Edistynyt data-analytiikka 5
R504D105 Edistynyt tiedonhallinta 5
R504D80 Syväoppiminen 5
R504D108 Edistyneet koneoppimisen menetelmät 5
R504D121 Vahvistava oppiminen 5
R504D106 Projekti: Data Engineering ja koneoppiminen 5
R504D107 Projekti: Koneoppiminen ja tekoäly 5
MLDERD22
TUTKIMUS- JA KEHITTÄMISOSAAMINEN

(Valitaan kaikki)

20
R504D84 Tutkimusmenetelmät 5
AMKO001 Opinnäytetyön suunnitteluvaihe 5
AMKO002 Opinnäytetyön toteuttamisvaihe 5
AMKO003 Opinnäytetyön viimeistelyvaihe 5