Data Analytics with Python (5op)

Arviointiasteikko

H-5

Tavoitteet

Opiskelija tuntee valittujen data-analyyttiikkakirjastojen keskeisimmän sisällön. Opiskelija osaa hyödyntää valittuja kirjastoja datan valmistelussa ja tilastollisessa käsittelyssä siten, että mm. koneoppimisen algoritmit voivat jatkossa hyödyntää käsiteltyä dataa.

Opintojakso edellyttää ohjelmoinnin perusteiden osaamista.

Sisältö

- Datan valmistelu: lataaminen, suodatus, yhdistäminen, luokittelu
- Datan visualisointi, tutkiminen ja analysointi
- Soveltuvien data-analytiikkakirjastojen hyödyntäminen ohjelmoinnissa

Oppimateriaalit

Luentomateriaali
- Verkkomateriaali
- Esimerkit ja live-ohjelmointi
- Harjoitukset
- Web-oppimisympäristöt

Opetusmenetelmät

Opintojakson ohjelmointiympäristönä on Python (versio 3) sekä erityisesti Python Analysis Stackiin kuuluvat lisämoduulit. Opintojakson luennot järjestetään lukujärjestyksen mukaisesti. Opiskelija tekee itsenäisesti harjoituksia.
Opintojakson suoritus edellyttää ohjelmoinnin perusteiden osaamista.

Toteutuksen valinnaiset suoritustavat

Kokoelmat ja kokoelmien käsittely Pythonissa
Python Analysis Stack -moduulit, kuten NumPy, Pandas ja Seaborn
Muut hyödylliset lisämoduulit
Datan lataaminen
Datan tutkiminen ja esianalysointi
Datan muuntaminen
Datan hyödyntäminen muissa moduuleissa

Arviointikriteerit, tyydyttävä (1)

Opiskelija osaa ohjatusti valmistella ja muokata yksinkertaisen esimerkkitapauksen datan sellaiseksi, että se on koneoppimisen algoritmeissa tai pilvipalveluissa hyödynnettävissä.

Arviointikriteerit, hyvä (3)

Opiskelija osaa itsenäisesti valita tapauskohteisesti soveltuvat menetelmät datan valmisteluun sekä muokata datan sellaiseen muotoon, että koneoppisen algoritmit ja pilvipalvelut voivat sitä hyödyntää.

Arviointikriteerit, kiitettävä (5)

Opiskelija osaa itsenäisesti valita tapauskohteisesti parhaat menetelmät datan valmisteluun sekä muokata datan sellaiseen muotoon, että koneoppisen algoritmit ja pilvipalvelut voivat sitä hyödyntää.