Data-analytiikka (5 op)
Toteutuksen tunnus: R504TL128-3004
Toteutuksen perustiedot
Ilmoittautumisaika
01.10.2024 - 31.12.2024
Ajoitus
27.01.2025 - 31.05.2025
Laajuus
5 op
Virtuaaliosuus (op)
5 op
Toteutustapa
Etäopetus
Yksikkö
Insinöörikoulutus, tieto- ja viestintätekniikka
Opetuskielet
- Englanti
- Suomi
Paikat
0 - 60
Opettaja
- Mikko Pajula
Vastuuhenkilö
Mikko Pajula
Opiskelijaryhmät
-
RA54T22STieto- ja viestintätekniikan koulutus (verkko-opinnot), syksy 2022
Tavoitteet
Opiskelija tuntee valittujen data-analytiikkakirjastojen pääsisällön ja osaa hyödyntää niitä tietojen valmisteluun ja tilastolliseen käsittelyyn koneoppimisen hyödyntämiseksi.
Sisältö
- Tietojen valmistelu: suodatus, hakeminen, yhdistäminen ja luokittelu
- Tietojen visualisointi, tutkimus ja analyysi
- Sopivien data-analytiikkakirjastojen käyttö
Oppimateriaalit
Kaikki kurssin tarvittavat materiaalit koostetaan ja tehdään saataville Moodle-työtilasta käsin.
Itseopiskeluun ennakkovaatimuksia, jos ei ole tuttuja:
Pythonin perusteet: Tutustuminen Python-ohjelmointikielen peruskäsitteisiin ja syntaksiin. Tiedonhallinnan perusteet: Ymmärrys perusasioista tiedon käsittelyssä, mukaan lukien JSON ja tietokannat. Tietotekniikan perusteet: Tietämys keskeisistä IT-käsitteistä, mukaan lukien ymmärrys siitä, mitä CPU ja GPU ovat.
Opetusmenetelmät
Verkkomateriaali. Käytännön harjoitustuki tarjotaan työpajoissa.
Sisällön jaksotus
- Analytiikan työkalut ja ohjelmat. Johdanto data-analytiikkaan. Yleiskatsaus ja käyttöönotto
- Tietojen valmistelu. Suodatus, hakeminen, yhdistäminen ja luokittelu
- Sopivien data-analytiikkakirjastojen käyttö. Pandas, NumPy, scikit-learn ja muut
- Tietojen visualisointi ja analyysi. Visualisoinnin työkalut ja periaatteet. Tietojen tutkiminen ja analysointi
Arviointiasteikko
H-5
Arviointikriteerit, tyydyttävä (1)
Opiskelija osaa valmistella ja muokata yksinkertaisen esimerkkitapauksen dataa siten että sitä voidaan jatkohyödyntää koneoppimisalgoritmeissa tai pilvipalveluissa.
Arviointikriteerit, hyvä (3)
Opiskelija osaa valita tapauskohtaisesti oikeita metodeja datan valmisteluun ja osaa muokata datan jatkohyödynnettäväksi koneoppimisessa ja pilvipalveluissa.
Arviointikriteerit, kiitettävä (5)
Opiskelija osaa valita tapauskohtaisesti parhaat metodit datan valmisteluun ja osaa muokata datan jatkohyödynnettäväksi koneoppimisessa ja pilvipalveluissa.
Arviointimenetelmät ja arvioinnin perusteet
Arvosanat perustuvat harjoitusten laatuun, määrään ja kattavuuteen.