Bachelor of Engineering, Machine Learning and Data Engineering (full time studies), Rovaniemi, Autumn 2022: Machine Learning and Data Engineering 2022 Syksy
Tunnus: R54D22S
Valitse opintojen ajoitus-, rakenne- tai jäsentelynäkymä
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 & Machine Learning | 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..
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. |
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 & Machine Learning |
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. |
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. |
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 & Machine Learning |
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. |
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 & Machine Learning |
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. |
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 & Machine Learning |
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. |
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 & Machine Learning |
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. |
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 & Machine Learning |
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. |
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 & Machine Learning |
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. |
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. |
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. |
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 & Machine Learning |
Luokittelemattomat |