Data-analytiikka (5op)

Arviointiasteikko

H-5

Sisällön jaksotus

Opintojakson aiheet pääpiirteittäin (muitakin aiheita voidaan käydä läpi lisäksi):
- Python-ohjelmointikielen nopea kertaus
- NumPy
- pandas
- seaborn ja matplotlib
- Dataformaatit ja datan hallinta
- EDA - Exploratory Data Analysis
+ muita aiheeseen liittyviä aiheita

Tavoitteet

You understand the basics of data analytics in data engineering and machine learning.
You can use common data analytics environments and tools for machine learning purposes.
You learn to find insight in data by using explorative data analytics.
You learn methods on how to optimize dataset contents and distributions.
You know how to share your results and exercises via a version control system

Sisältö

Data preparation and pre-processing
Exploratory Data Analysis (EDA): statistical, visual, and other common methods
Finding insight in datasets to optimize their structure
Use of data analytics environments and libraries/modules
Common data analytics tools regarding machine learning

Aika ja paikka

Opintojaksolla opiskellaan kampuksella luokkatilassa. Lapin ammattikorkeakoulu, Rantavitikan kampus, 12.1.2026 - 15.5.2026.

Oppimateriaalit

Opintojakson oppimateriaali löytyy opintojakson Moodle-työtilasta. Lisämateriaalia haetaan tarvittaessa internetissä. Opintojaksolla kannustetaan myös itsenäiseen tiedonhakuun ylimääräisen materiaalin etsimiseksi.

Opetusmenetelmät

Suomeksi
Luennot, workshopit, esimerkit, harjoitukset ja itsenäinen työskentely.

Opintojaksolla hyödynnetään Arenen tekoälysuosituksia ja liikennevalomallia ammattikorkeakouluille. Tekoälyn käyttämisen mahdollisuus riippuu annetusta harjoitustehtävästä.

Harjoittelu- ja työelämäyhteistyö

Opintojakso on kytketty saman lukukauden lukukausiprojektiin. Opetettavat tekniikat sekä niitä koskevat esimerkit tulevat osittain lukukausiprojektissa mukana olevan työelämäedustajan / yrityksen tarpeista.

Tenttien ajankohdat ja uusintamahdollisuudet

Opintojakso arvioidaan henkilökohtaisen työn ja harjoitusten perusteella.

Kansainvälisyys

Opintojakso toteutetaan englannin kielellä.

Toteutuksen valinnaiset suoritustavat

Vaihtoehtoisista opintojakson suoritustavoista voi keskustella ohjaajan kanssa.

Opiskelijan ajankäyttö ja kuormitus

Opintojakso on laajuudeltaan 5 opintopistettä (ECTS), mikä tarkoittaa noin 135 tunnin kokonaistyömäärää. Työmääräsi jakautuu keskimäärin seuraavasti:

- Luennot ja workshopit: 50 h
- Itsenäinen oppiminen ja valmistautuminen: 45 h
- Arvioitavat tehtävät: 40h

Arviointikriteerit, tyydyttävä (1)

You know the basics of data analytics in data engineering and machine learning.
You are able to apply basic data analytics techniques in data engineering and machine learning tasks.
You can share your results and exercises via a version control system.

Arviointikriteerit, hyvä (3)

You understand the basics of data analytics in data engineering and machine learning.
You are able to apply a variety of data analytics techniques in data engineering and machine learning tasks with a suitable approach, regarding the given dataset at hand.
You can share your results and exercises via a version control system.

Arviointikriteerit, kiitettävä (5)

You understand the basics of data analytics in data engineering and machine learning.
You are able to apply a variety of data analytics techniques in data engineering and machine learning tasks with a suitable approach, regarding the given dataset at hand.
You are able to study and apply advanced tools and approaches regarding exploratory data analytics and dataset optimization with your data
You can share your results and exercises via a version control system.

Esitietovaatimukset

Basics of Python programming, Basics of statistics