Data-analytiikka (5op)

Arviointiasteikko

H-5

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

Tavoitteet

Opiskelija tuntee valittujen data-analytiikkakirjastojen pääsisällön ja osaa hyödyntää niitä tietojen valmisteluun ja tilastolliseen käsittelyyn koneoppimisen hyödyntämiseksi. Opiskelijalla on keskeisiä tietoja, taitoja sekä ymmärrystä, datan, järjestelmien ja menetelmien eettisestä, vastuullisesta sekä kestävän kehityksen mukaisesta käytöstä.

Sisältö

- Tietojen valmistelu: suodatus, hakeminen, yhdistäminen ja luokittelu
- Tietojen visualisointi, tutkimus ja analyysi
- Sopivien data-analytiikkakirjastojen käyttö
- Data-analytiikan eettiset, vastuulliset sekä kestävän kehityksen keskeiset ulottuvuudet sekä parhaat käytänteet.

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.

Arviointikriteerit, tyydyttävä (1)

Opiskelija osaa valmistella ja muokata yksinkertaisen esimerkkitapauksen dataa siten että sitä voidaan jatkohyödyntää koneoppimisalgoritmeissa tai pilvipalveluissa. Opiskelija tietää keskeisiä ulottuvuuksia ja parhaita käytänteitä eettisestä, vastuullisesta sekä kestävän kehityksen mukaisesta data-analytiikasta sekä osaa toteuttaa niitä käytännössä.

Arviointikriteerit, hyvä (3)

Opiskelija osaa valita tapauskohtaisesti oikeita metodeja datan valmisteluun ja osaa muokata datan jatkohyödynnettäväksi koneoppimisessa ja pilvipalveluissa. Opiskelija tietää keskeisiä ulottuvuuksia ja parhaita käytänteitä eettisestä, vastuullisesta sekä kestävän kehityksen mukaisesta data-analytiikasta sekä osaa toteuttaa niitä käytännössä.

Arviointikriteerit, kiitettävä (5)

Opiskelija osaa valita tapauskohtaisesti parhaat metodit datan valmisteluun ja osaa muokata datan jatkohyödynnettäväksi koneoppimisessa ja pilvipalveluissa. Opiskelija tietää keskeisiä ulottuvuuksia ja parhaita käytänteitä eettisestä, vastuullisesta sekä kestävän kehityksen mukaisesta data-analytiikasta sekä osaa toteuttaa niitä käytännössä.