Opetussuunnitelmat

Tavoitteet

Tarkoitus ja osaamistavoitteet:
Opintojaksolla saat yleiskuvan data-analytiikan ja tekoälyn menetelmistä, mahdollisuuksista ja käyttökohteista sekä niissä käytettävistä yleisimmistä ohjelmointiympäristöistä ja –kirjastoista.

EUR-ACE-osaamiset:
Tieto ja ymmärrys
Tekniikan soveltaminen käytäntöön

Sisältö

Data-analytiikan ja tekoälyn määritelmät.
Tekoälyn käytännön sovelluksia.
Esimerkkejä ja periaatteita koneoppimisesta ja neuroverkoista.
Data-analytiikan ohjelmointikieliä ja -ympäristöjä: Python, R, Anaconda, Pandas.

Aika ja paikka

Verkossa

Oppimateriaali ja suositeltava kirjallisuus

Opintojakson verkkosivut (luentomateriaali, harjoitukset, nauhoitetut videot)

Opetusmenetelmät

Etäopiskelu (harjoitukset, luentomateriaaliin tutustuminen, nauhoitetut videot käytännön esimerkeistä)

Opiskelijan ajankäyttö ja kuormitus

Verkkoluentomateriaaliin tutustuminen 35h (nauhoitetut luennot, joissa opettajan johdolla tehtäviä harjoitteita)
Etäopiskelu 46h (harjoitukset)
Yhteensä 81h

Lisätietoja opiskelijoille

Opintojakson arviointi muodostuu palautetuista harjoituksista.

Arviointiasteikko

0-5

Arviointikriteerit, tyydyttävä (1-2)

Välttävä 1: Tunnistat joitakin tärkeimpiä data-analytiikan ja tekoälyn menetelmiä, mahdollisuuksia, käyttökohteita tai niissä käytettäviä ohjelmointiympäristöjä.

Tyydyttävä 2: Tunnistat joitakin tärkeimpiä data-analytiikan ja tekoälyn menetelmiä, mahdollisuuksia ja käyttökohteita ja niissä käytettäviä ohjelmointiympäristöjä.

Arviointikriteerit, hyvä (3-4)

Hyvä 3: Tunnistat tärkeimmät data-analytiikan ja teköälyn menetelmät, mahdollisuudet ja käyttökohteet ja niissä käytettävät ohjelmointiympäristöt.

Kiitettävä 4: Tunnistat tärkeimmät data-analytiikan ja teköälyn menetelmät, mahdollisuudet ja käyttökohteet ja niissä käytettävät ohjelmointiympäristöt. Lisäksi ymmärrät joitain tekoälymenetelmien periaatteita.

Arviointikriteerit, kiitettävä (5)

Erinomainen 5: Tunnistat tärkeimmät data-analytiikan ja teköälyn menetelmät, mahdollisuudet ja käyttökohteet ja niissä käytettävät ohjelmointiympäristöt. Lisäksi ymmärrät tärkeimmät tekoälymenetelmien periaatteet.

Esitietovaatimukset

Ohjelmoinnin perusteet

Objective

Purpose and objectives:
The course gives you an overview of the methods of data analytics and artificial intelligence, their possibilities and applications as well as the most commonly used programming environments and libraries.

EUR-ACE Competences:
Knowledge and Understanding
Engineering Practice

Content

Definitions of data analytics and artificial intelligence
Practical applications of artificial intelligence
Examples and principles of machine learning and neural networks
Data analytics programming languages and environments: Python, R, Anaconda, Pandas

Location and time

Verkossa

Oppimateriaali ja suositeltava kirjallisuus

Opintojakson verkkosivut (luentomateriaali, harjoitukset, nauhoitetut videot)

Teaching methods

Etäopiskelu (harjoitukset, luentomateriaaliin tutustuminen, nauhoitetut videot käytännön esimerkeistä)

Student workload

Verkkoluentomateriaaliin tutustuminen 35h (nauhoitetut luennot, joissa opettajan johdolla tehtäviä harjoitteita)
Etäopiskelu 46h (harjoitukset)
Yhteensä 81h

Further information

Opintojakson arviointi muodostuu palautetuista harjoituksista.

Evaluation scale

0-5

Arviointikriteerit, tyydyttävä (1-2)

Sufficient 1: You recognize some of the most important methods, possibilities and applications of data analytics or programming environments used in them.

Satisfactory 2: You recognize some of the most important methods, possibilities and applications of data analytics and programming environments used in them.

Arviointikriteerit, hyvä (3-4)

Good 3: You recognize the most important methods, possibilities and applications of data analytics and artificial intelligence and the programming environments used in them.

Very good 4: You recognize the most important methods, possibilities and applications of data analytics and artificial intelligence and the programming environments used in them. Additionally, you understand some principles of artificial intelligence methods.

Assessment criteria, excellent (5)

Excellent 5: You recognize the most important methods, possibilities and applications of data analytics and artificial intelligence and the programming environments used in them. Additionally, you understand the most important principles of artificial intelligence methods.

Qualifications

Ohjelmoinnin perusteet

Tavoitteet

Tarkoitus ja osaamistavoitteet:
Opintojaksolla saat yleiskuvan data-analytiikan ja tekoälyn menetelmistä, mahdollisuuksista ja käyttökohteista sekä niissä käytettävistä yleisimmistä ohjelmointiympäristöistä ja –kirjastoista.

EUR-ACE-osaamiset:
Tieto ja ymmärrys
Tekniikan soveltaminen käytäntöön

Sisältö

Data-analytiikan ja tekoälyn määritelmät.
Tekoälyn käytännön sovelluksia.
Esimerkkejä ja periaatteita koneoppimisesta ja neuroverkoista.
Data-analytiikan ohjelmointikieliä ja -ympäristöjä: Python, R, Anaconda, Pandas.

Aika ja paikka

Verkkoluennot ja lisäksi ohjaus harjoitusten tekemisessä luokassa

Oppimateriaali ja suositeltava kirjallisuus

Opintojakson verkkosivut (luentomateriaali, harjoitukset)

Opetusmenetelmät

Viikottaiset verkkoluennot (luentomateriaali, opettajan johdolla tehtävät esimerkkiharjoitukset)
Etäopiskelu (harjoitukset)
Harjoitusten tekemiseen ohjauskerrat viikottain

Opiskelijan ajankäyttö ja kuormitus

Verkkoluennot 35h (luennot, opettajan johdolla tehtävät harjoitukset)
Etäopiskelu 26h (harjoitukset)
Ohjaustilaisuudet luokassa 20h
Yhteensä 81h

Lisätietoja opiskelijoille

Opintojakson arviointi muodostuu palautetuista harjoituksista.

Arviointiasteikko

0-5

Arviointikriteerit, tyydyttävä (1-2)

Välttävä 1: Tunnistat joitakin tärkeimpiä data-analytiikan ja tekoälyn menetelmiä, mahdollisuuksia, käyttökohteita tai niissä käytettäviä ohjelmointiympäristöjä.

Tyydyttävä 2: Tunnistat joitakin tärkeimpiä data-analytiikan ja tekoälyn menetelmiä, mahdollisuuksia ja käyttökohteita ja niissä käytettäviä ohjelmointiympäristöjä.

Arviointikriteerit, hyvä (3-4)

Hyvä 3: Tunnistat tärkeimmät data-analytiikan ja teköälyn menetelmät, mahdollisuudet ja käyttökohteet ja niissä käytettävät ohjelmointiympäristöt.

Kiitettävä 4: Tunnistat tärkeimmät data-analytiikan ja teköälyn menetelmät, mahdollisuudet ja käyttökohteet ja niissä käytettävät ohjelmointiympäristöt. Lisäksi ymmärrät joitain tekoälymenetelmien periaatteita.

Arviointikriteerit, kiitettävä (5)

Erinomainen 5: Tunnistat tärkeimmät data-analytiikan ja teköälyn menetelmät, mahdollisuudet ja käyttökohteet ja niissä käytettävät ohjelmointiympäristöt. Lisäksi ymmärrät tärkeimmät tekoälymenetelmien periaatteet.

Esitietovaatimukset

Ohjelmoinnin perusteet

Tavoitteet

Tarkoitus ja osaamistavoitteet:
Opintojaksolla saat yleiskuvan data-analytiikan ja tekoälyn menetelmistä, mahdollisuuksista ja käyttökohteista sekä niissä käytettävistä yleisimmistä ohjelmointiympäristöistä ja –kirjastoista.

EUR-ACE-osaamiset:
Tieto ja ymmärrys
Tekniikan soveltaminen käytäntöön

Sisältö

Data-analytiikan ja tekoälyn määritelmät.
Tekoälyn käytännön sovelluksia.
Esimerkkejä ja periaatteita koneoppimisesta ja neuroverkoista.
Data-analytiikan ohjelmointikieliä ja -ympäristöjä: Python, R, Anaconda, Pandas.

Aika ja paikka

Verkkoluennot ja lisäksi ohjaus harjoitusten tekemisessä luokassa

Oppimateriaali ja suositeltava kirjallisuus

Opintojakson verkkosivut (luentomateriaali, harjoitukset)

Opetusmenetelmät

Viikottaiset verkkoluennot (luentomateriaali, opettajan johdolla tehtävät esimerkkiharjoitukset)
Etäopiskelu (harjoitukset)
Harjoitusten tekemiseen ohjauskerrat viikottain

Opiskelijan ajankäyttö ja kuormitus

Verkkoluennot 35h (luennot, opettajan johdolla tehtävät harjoitukset)
Etäopiskelu 26h (harjoitukset)
Ohjaustilaisuudet luokassa 20h
Yhteensä 81h

Lisätietoja opiskelijoille

Opintojakson arviointi muodostuu palautetuista harjoituksista.

Arviointiasteikko

0-5

Arviointikriteerit, tyydyttävä (1-2)

Välttävä 1: Tunnistat joitakin tärkeimpiä data-analytiikan ja tekoälyn menetelmiä, mahdollisuuksia, käyttökohteita tai niissä käytettäviä ohjelmointiympäristöjä.

Tyydyttävä 2: Tunnistat joitakin tärkeimpiä data-analytiikan ja tekoälyn menetelmiä, mahdollisuuksia ja käyttökohteita ja niissä käytettäviä ohjelmointiympäristöjä.

Arviointikriteerit, hyvä (3-4)

Hyvä 3: Tunnistat tärkeimmät data-analytiikan ja teköälyn menetelmät, mahdollisuudet ja käyttökohteet ja niissä käytettävät ohjelmointiympäristöt.

Kiitettävä 4: Tunnistat tärkeimmät data-analytiikan ja teköälyn menetelmät, mahdollisuudet ja käyttökohteet ja niissä käytettävät ohjelmointiympäristöt. Lisäksi ymmärrät joitain tekoälymenetelmien periaatteita.

Arviointikriteerit, kiitettävä (5)

Erinomainen 5: Tunnistat tärkeimmät data-analytiikan ja teköälyn menetelmät, mahdollisuudet ja käyttökohteet ja niissä käytettävät ohjelmointiympäristöt. Lisäksi ymmärrät tärkeimmät tekoälymenetelmien periaatteet.

Esitietovaatimukset

Ohjelmoinnin perusteet

Tavoitteet

Tarkoitus ja osaamistavoitteet:
Opintojaksolla saat yleiskuvan data-analytiikan ja tekoälyn menetelmistä, mahdollisuuksista ja käyttökohteista sekä niissä käytettävistä yleisimmistä ohjelmointiympäristöistä ja –kirjastoista.

EUR-ACE-osaamiset:
Tieto ja ymmärrys
Tekniikan soveltaminen käytäntöön

Sisältö

Data-analytiikan ja tekoälyn määritelmät.
Tekoälyn käytännön sovelluksia.
Esimerkkejä ja periaatteita koneoppimisesta ja neuroverkoista.
Data-analytiikan ohjelmointikieliä ja -ympäristöjä: Python, R, Anaconda, Pandas.

Aika ja paikka

Verkkoluennot ja lisäksi ohjaus harjoitusten tekemisessä luokassa

Oppimateriaali ja suositeltava kirjallisuus

Opintojakson verkkosivut (luentomateriaali, harjoitukset)

Opetusmenetelmät

Viikottaiset verkkoluennot (luentomateriaali, opettajan johdolla tehtävät esimerkkiharjoitukset)
Etäopiskelu (harjoitukset)
Harjoitusten tekemiseen ohjauskerrat viikottain

Opiskelijan ajankäyttö ja kuormitus

Verkkoluennot 35h (luennot, opettajan johdolla tehtävät harjoitukset)
Etäopiskelu 26h (harjoitukset)
Ohjaustilaisuudet luokassa 20h
Yhteensä 81h

Lisätietoja opiskelijoille

Opintojakson arviointi muodostuu palautetuista harjoituksista.

Arviointiasteikko

0-5

Arviointikriteerit, tyydyttävä (1-2)

Välttävä 1: Tunnistat joitakin tärkeimpiä data-analytiikan ja tekoälyn menetelmiä, mahdollisuuksia, käyttökohteita tai niissä käytettäviä ohjelmointiympäristöjä.

Tyydyttävä 2: Tunnistat joitakin tärkeimpiä data-analytiikan ja tekoälyn menetelmiä, mahdollisuuksia ja käyttökohteita ja niissä käytettäviä ohjelmointiympäristöjä.

Arviointikriteerit, hyvä (3-4)

Hyvä 3: Tunnistat tärkeimmät data-analytiikan ja teköälyn menetelmät, mahdollisuudet ja käyttökohteet ja niissä käytettävät ohjelmointiympäristöt.

Kiitettävä 4: Tunnistat tärkeimmät data-analytiikan ja teköälyn menetelmät, mahdollisuudet ja käyttökohteet ja niissä käytettävät ohjelmointiympäristöt. Lisäksi ymmärrät joitain tekoälymenetelmien periaatteita.

Arviointikriteerit, kiitettävä (5)

Erinomainen 5: Tunnistat tärkeimmät data-analytiikan ja teköälyn menetelmät, mahdollisuudet ja käyttökohteet ja niissä käytettävät ohjelmointiympäristöt. Lisäksi ymmärrät tärkeimmät tekoälymenetelmien periaatteet.

Esitietovaatimukset

Ohjelmoinnin perusteet

Tavoitteet

Tarkoitus ja osaamistavoitteet:
Opintojaksolla saat yleiskuvan data-analytiikan ja tekoälyn menetelmistä, mahdollisuuksista ja käyttökohteista sekä niissä käytettävistä yleisimmistä ohjelmointiympäristöistä ja –kirjastoista.

EUR-ACE-osaamiset:
Tieto ja ymmärrys
Tekniikan soveltaminen käytäntöön

Sisältö

Data-analytiikan ja tekoälyn määritelmät.
Tekoälyn käytännön sovelluksia.
Esimerkkejä ja periaatteita koneoppimisesta ja neuroverkoista.
Data-analytiikan ohjelmointikieliä ja -ympäristöjä: Python, R, Anaconda, Pandas.

Aika ja paikka

Verkkoluennot ja lisäksi ohjaus harjoitusten tekemisessä luokassa

Oppimateriaali ja suositeltava kirjallisuus

Opintojakson verkkosivut (luentomateriaali, harjoitukset)

Opetusmenetelmät

Viikottaiset verkkoluennot (luentomateriaali, opettajan johdolla tehtävät esimerkkiharjoitukset)
Etäopiskelu (harjoitukset)
Harjoitusten tekemiseen ohjauskerrat viikottain

Opiskelijan ajankäyttö ja kuormitus

Verkkoluennot 35h (luennot, opettajan johdolla tehtävät harjoitukset)
Etäopiskelu 26h (harjoitukset)
Ohjaustilaisuudet luokassa 20h
Yhteensä 81h

Lisätietoja opiskelijoille

Opintojakson arviointi muodostuu palautetuista harjoituksista.

Arviointiasteikko

0-5

Arviointikriteerit, tyydyttävä (1-2)

Välttävä 1: Tunnistat joitakin tärkeimpiä data-analytiikan ja tekoälyn menetelmiä, mahdollisuuksia, käyttökohteita tai niissä käytettäviä ohjelmointiympäristöjä.

Tyydyttävä 2: Tunnistat joitakin tärkeimpiä data-analytiikan ja tekoälyn menetelmiä, mahdollisuuksia ja käyttökohteita ja niissä käytettäviä ohjelmointiympäristöjä.

Arviointikriteerit, hyvä (3-4)

Hyvä 3: Tunnistat tärkeimmät data-analytiikan ja teköälyn menetelmät, mahdollisuudet ja käyttökohteet ja niissä käytettävät ohjelmointiympäristöt.

Kiitettävä 4: Tunnistat tärkeimmät data-analytiikan ja teköälyn menetelmät, mahdollisuudet ja käyttökohteet ja niissä käytettävät ohjelmointiympäristöt. Lisäksi ymmärrät joitain tekoälymenetelmien periaatteita.

Arviointikriteerit, kiitettävä (5)

Erinomainen 5: Tunnistat tärkeimmät data-analytiikan ja teköälyn menetelmät, mahdollisuudet ja käyttökohteet ja niissä käytettävät ohjelmointiympäristöt. Lisäksi ymmärrät tärkeimmät tekoälymenetelmien periaatteet.

Esitietovaatimukset

Ohjelmoinnin perusteet

Tavoitteet

Tarkoitus ja osaamistavoitteet:
Opintojaksolla saat yleiskuvan data-analytiikan ja tekoälyn menetelmistä, mahdollisuuksista ja käyttökohteista sekä niissä käytettävistä yleisimmistä ohjelmointiympäristöistä ja –kirjastoista.

EUR-ACE-osaamiset:
Tieto ja ymmärrys
Tekniikan soveltaminen käytäntöön

Sisältö

Data-analytiikan ja tekoälyn määritelmät.
Tekoälyn käytännön sovelluksia.
Esimerkkejä ja periaatteita koneoppimisesta ja neuroverkoista.
Data-analytiikan ohjelmointikieliä ja -ympäristöjä: Python, R, Anaconda, Pandas.

Aika ja paikka

Verkkoluennot ja lisäksi ohjaus harjoitusten tekemisessä luokassa

Oppimateriaali ja suositeltava kirjallisuus

Opintojakson verkkosivut (luentomateriaali, harjoitukset)

Opetusmenetelmät

Viikottaiset verkkoluennot (luentomateriaali, opettajan johdolla tehtävät esimerkkiharjoitukset)
Etäopiskelu (harjoitukset)
Harjoitusten tekemiseen ohjauskerrat viikottain

Opiskelijan ajankäyttö ja kuormitus

Verkkoluennot 35h (luennot, opettajan johdolla tehtävät harjoitukset)
Etäopiskelu 26h (harjoitukset)
Ohjaustilaisuudet luokassa 20h
Yhteensä 81h

Lisätietoja opiskelijoille

Opintojakson arviointi muodostuu palautetuista harjoituksista.

Arviointiasteikko

0-5

Arviointikriteerit, tyydyttävä (1-2)

Välttävä 1: Tunnistat joitakin tärkeimpiä data-analytiikan ja tekoälyn menetelmiä, mahdollisuuksia, käyttökohteita tai niissä käytettäviä ohjelmointiympäristöjä.

Tyydyttävä 2: Tunnistat joitakin tärkeimpiä data-analytiikan ja tekoälyn menetelmiä, mahdollisuuksia ja käyttökohteita ja niissä käytettäviä ohjelmointiympäristöjä.

Arviointikriteerit, hyvä (3-4)

Hyvä 3: Tunnistat tärkeimmät data-analytiikan ja teköälyn menetelmät, mahdollisuudet ja käyttökohteet ja niissä käytettävät ohjelmointiympäristöt.

Kiitettävä 4: Tunnistat tärkeimmät data-analytiikan ja teköälyn menetelmät, mahdollisuudet ja käyttökohteet ja niissä käytettävät ohjelmointiympäristöt. Lisäksi ymmärrät joitain tekoälymenetelmien periaatteita.

Arviointikriteerit, kiitettävä (5)

Erinomainen 5: Tunnistat tärkeimmät data-analytiikan ja teköälyn menetelmät, mahdollisuudet ja käyttökohteet ja niissä käytettävät ohjelmointiympäristöt. Lisäksi ymmärrät tärkeimmät tekoälymenetelmien periaatteet.

Esitietovaatimukset

Ohjelmoinnin perusteet

Tavoitteet

Tarkoitus ja osaamistavoitteet:
Opintojaksolla saat yleiskuvan data-analytiikan ja tekoälyn menetelmistä, mahdollisuuksista ja käyttökohteista sekä niissä käytettävistä yleisimmistä ohjelmointiympäristöistä ja –kirjastoista.

EUR-ACE-osaamiset:
Tieto ja ymmärrys
Tekniikan soveltaminen käytäntöön

Sisältö

Data-analytiikan ja tekoälyn määritelmät.
Tekoälyn käytännön sovelluksia.
Esimerkkejä ja periaatteita koneoppimisesta ja neuroverkoista.
Data-analytiikan ohjelmointikieliä ja -ympäristöjä: Python, R, Anaconda, Pandas.

Aika ja paikka

Verkkoluennot ja lisäksi ohjaus harjoitusten tekemisessä luokassa

Oppimateriaali ja suositeltava kirjallisuus

Opintojakson verkkosivut (luentomateriaali, harjoitukset)

Opetusmenetelmät

Viikottaiset verkkoluennot (luentomateriaali, opettajan johdolla tehtävät esimerkkiharjoitukset)
Etäopiskelu (harjoitukset)
Harjoitusten tekemiseen ohjauskerrat viikottain

Opiskelijan ajankäyttö ja kuormitus

Verkkoluennot 35h (luennot, opettajan johdolla tehtävät harjoitukset)
Etäopiskelu 26h (harjoitukset)
Ohjaustilaisuudet luokassa 20h
Yhteensä 81h

Lisätietoja opiskelijoille

Opintojakson arviointi muodostuu palautetuista harjoituksista.

Arviointiasteikko

0-5

Arviointikriteerit, tyydyttävä (1-2)

Välttävä 1: Tunnistat joitakin tärkeimpiä data-analytiikan ja tekoälyn menetelmiä, mahdollisuuksia, käyttökohteita tai niissä käytettäviä ohjelmointiympäristöjä.

Tyydyttävä 2: Tunnistat joitakin tärkeimpiä data-analytiikan ja tekoälyn menetelmiä, mahdollisuuksia ja käyttökohteita ja niissä käytettäviä ohjelmointiympäristöjä.

Arviointikriteerit, hyvä (3-4)

Hyvä 3: Tunnistat tärkeimmät data-analytiikan ja teköälyn menetelmät, mahdollisuudet ja käyttökohteet ja niissä käytettävät ohjelmointiympäristöt.

Kiitettävä 4: Tunnistat tärkeimmät data-analytiikan ja teköälyn menetelmät, mahdollisuudet ja käyttökohteet ja niissä käytettävät ohjelmointiympäristöt. Lisäksi ymmärrät joitain tekoälymenetelmien periaatteita.

Arviointikriteerit, kiitettävä (5)

Erinomainen 5: Tunnistat tärkeimmät data-analytiikan ja teköälyn menetelmät, mahdollisuudet ja käyttökohteet ja niissä käytettävät ohjelmointiympäristöt. Lisäksi ymmärrät tärkeimmät tekoälymenetelmien periaatteet.

Esitietovaatimukset

Ohjelmoinnin perusteet

Tavoitteet

Tarkoitus ja osaamistavoitteet:
Opintojaksolla saat yleiskuvan data-analytiikan ja tekoälyn menetelmistä, mahdollisuuksista ja käyttökohteista sekä niissä käytettävistä yleisimmistä ohjelmointiympäristöistä ja –kirjastoista.

EUR-ACE-osaamiset:
Tieto ja ymmärrys
Tekniikan soveltaminen käytäntöön

Sisältö

Data-analytiikan ja tekoälyn määritelmät.
Tekoälyn käytännön sovelluksia.
Esimerkkejä ja periaatteita koneoppimisesta ja neuroverkoista.
Data-analytiikan ohjelmointikieliä ja -ympäristöjä: Python, R, Anaconda, Pandas.

Aika ja paikka

Verkkoluennot ja lisäksi ohjaus harjoitusten tekemisessä luokassa

Oppimateriaali ja suositeltava kirjallisuus

Opintojakson verkkosivut (luentomateriaali, harjoitukset)

Opetusmenetelmät

Viikottaiset verkkoluennot (luentomateriaali, opettajan johdolla tehtävät esimerkkiharjoitukset)
Etäopiskelu (harjoitukset)
Harjoitusten tekemiseen ohjauskerrat viikottain

Opiskelijan ajankäyttö ja kuormitus

Verkkoluennot 35h (luennot, opettajan johdolla tehtävät harjoitukset)
Etäopiskelu 26h (harjoitukset)
Ohjaustilaisuudet luokassa 20h
Yhteensä 81h

Lisätietoja opiskelijoille

Opintojakson arviointi muodostuu palautetuista harjoituksista.

Arviointiasteikko

0-5

Arviointikriteerit, tyydyttävä (1-2)

Välttävä 1: Tunnistat joitakin tärkeimpiä data-analytiikan ja tekoälyn menetelmiä, mahdollisuuksia, käyttökohteita tai niissä käytettäviä ohjelmointiympäristöjä.

Tyydyttävä 2: Tunnistat joitakin tärkeimpiä data-analytiikan ja tekoälyn menetelmiä, mahdollisuuksia ja käyttökohteita ja niissä käytettäviä ohjelmointiympäristöjä.

Arviointikriteerit, hyvä (3-4)

Hyvä 3: Tunnistat tärkeimmät data-analytiikan ja teköälyn menetelmät, mahdollisuudet ja käyttökohteet ja niissä käytettävät ohjelmointiympäristöt.

Kiitettävä 4: Tunnistat tärkeimmät data-analytiikan ja teköälyn menetelmät, mahdollisuudet ja käyttökohteet ja niissä käytettävät ohjelmointiympäristöt. Lisäksi ymmärrät joitain tekoälymenetelmien periaatteita.

Arviointikriteerit, kiitettävä (5)

Erinomainen 5: Tunnistat tärkeimmät data-analytiikan ja teköälyn menetelmät, mahdollisuudet ja käyttökohteet ja niissä käytettävät ohjelmointiympäristöt. Lisäksi ymmärrät tärkeimmät tekoälymenetelmien periaatteet.

Esitietovaatimukset

Ohjelmoinnin perusteet

Objective

Purpose and objectives:
The course gives you an overview of the methods of data analytics and artificial intelligence, their possibilities and applications as well as the most commonly used programming environments and libraries.

EUR-ACE Competences:
Knowledge and Understanding
Engineering Practice

Content

Definitions of data analytics and artificial intelligence
Practical applications of artificial intelligence
Examples and principles of machine learning and neural networks
Data analytics programming languages and environments: Python, R, Anaconda, Pandas

Location and time

Lectures and, in addition, guidance in doing exercises in class

Oppimateriaali ja suositeltava kirjallisuus

Course material page (lecture materials, exercises)

Teaching methods

Weekly lectures (lecture material, example exercises led by a teacher)
Distance learning (exercises)
Weekly guidance sessions for doing the exercises

Student workload

Lectures 35h (lectures, exercises led by a teacher)
Distance learning 46h (exercises)
Guidance sessions in class 20h
Total 81h

Further information

The assessment of the course consists of returned exercises.

Evaluation scale

0-5

Arviointikriteerit, tyydyttävä (1-2)

Sufficient 1: You recognize some of the most important methods, possibilities and applications of data analytics or programming environments used in them.

Satisfactory 2: You recognize some of the most important methods, possibilities and applications of data analytics and programming environments used in them.

Arviointikriteerit, hyvä (3-4)

Good 3: You recognize the most important methods, possibilities and applications of data analytics and artificial intelligence and the programming environments used in them.

Very good 4: You recognize the most important methods, possibilities and applications of data analytics and artificial intelligence and the programming environments used in them. Additionally, you understand some principles of artificial intelligence methods.

Assessment criteria, excellent (5)

Excellent 5: You recognize the most important methods, possibilities and applications of data analytics and artificial intelligence and the programming environments used in them. Additionally, you understand the most important principles of artificial intelligence methods.

Qualifications

Ohjelmoinnin perusteet

Tavoitteet

Tarkoitus ja osaamistavoitteet:
Opintojaksolla saat yleiskuvan data-analytiikan ja tekoälyn menetelmistä, mahdollisuuksista ja käyttökohteista sekä niissä käytettävistä yleisimmistä ohjelmointiympäristöistä ja –kirjastoista.

EUR-ACE-osaamiset:
Tieto ja ymmärrys
Tekniikan soveltaminen käytäntöön

Sisältö

Data-analytiikan ja tekoälyn määritelmät.
Tekoälyn käytännön sovelluksia.
Esimerkkejä ja periaatteita koneoppimisesta ja neuroverkoista.
Data-analytiikan ohjelmointikieliä ja -ympäristöjä: Python, R, Anaconda, Pandas.

Aika ja paikka

Verkossa

Oppimateriaali ja suositeltava kirjallisuus

Opintojakson verkkosivut (luentomateriaali, harjoitukset, nauhoitetut videot)

Opetusmenetelmät

Etäopiskelu (harjoitukset, luentomateriaaliin tutustuminen, nauhoitetut videot käytännön esimerkeistä)

Opiskelijan ajankäyttö ja kuormitus

Verkkoluentomateriaaliin tutustuminen 35h (nauhoitetut luennot, joissa opettajan johdolla tehtäviä harjoitteita)
Etäopiskelu 46h (harjoitukset)
Yhteensä 81h

Lisätietoja opiskelijoille

Opintojakson arviointi muodostuu palautetuista harjoituksista.

Arviointiasteikko

0-5

Arviointikriteerit, tyydyttävä (1-2)

Välttävä 1: Tunnistat joitakin tärkeimpiä data-analytiikan ja tekoälyn menetelmiä, mahdollisuuksia, käyttökohteita tai niissä käytettäviä ohjelmointiympäristöjä.

Tyydyttävä 2: Tunnistat joitakin tärkeimpiä data-analytiikan ja tekoälyn menetelmiä, mahdollisuuksia ja käyttökohteita ja niissä käytettäviä ohjelmointiympäristöjä.

Arviointikriteerit, hyvä (3-4)

Hyvä 3: Tunnistat tärkeimmät data-analytiikan ja teköälyn menetelmät, mahdollisuudet ja käyttökohteet ja niissä käytettävät ohjelmointiympäristöt.

Kiitettävä 4: Tunnistat tärkeimmät data-analytiikan ja teköälyn menetelmät, mahdollisuudet ja käyttökohteet ja niissä käytettävät ohjelmointiympäristöt. Lisäksi ymmärrät joitain tekoälymenetelmien periaatteita.

Arviointikriteerit, kiitettävä (5)

Erinomainen 5: Tunnistat tärkeimmät data-analytiikan ja teköälyn menetelmät, mahdollisuudet ja käyttökohteet ja niissä käytettävät ohjelmointiympäristöt. Lisäksi ymmärrät tärkeimmät tekoälymenetelmien periaatteet.

Esitietovaatimukset

Ohjelmoinnin perusteet

Tavoitteet

Tarkoitus ja osaamistavoitteet:
Opintojaksolla saat yleiskuvan data-analytiikan ja tekoälyn menetelmistä, mahdollisuuksista ja käyttökohteista sekä niissä käytettävistä yleisimmistä ohjelmointiympäristöistä ja –kirjastoista.

EUR-ACE-osaamiset:
Tieto ja ymmärrys
Tekniikan soveltaminen käytäntöön

Sisältö

Data-analytiikan ja tekoälyn määritelmät.
Tekoälyn käytännön sovelluksia.
Esimerkkejä ja periaatteita koneoppimisesta ja neuroverkoista.
Data-analytiikan ohjelmointikieliä ja -ympäristöjä: Python, R, Anaconda, Pandas.

Aika ja paikka

Verkossa

Oppimateriaali ja suositeltava kirjallisuus

Opintojakson verkkosivut (luentomateriaali, harjoitukset, nauhoitetut videot)

Opetusmenetelmät

Etäopiskelu (harjoitukset, luentomateriaaliin tutustuminen, nauhoitetut videot käytännön esimerkeistä)

Opiskelijan ajankäyttö ja kuormitus

Verkkoluentomateriaaliin tutustuminen 35h (nauhoitetut luennot, joissa opettajan johdolla tehtäviä harjoitteita)
Etäopiskelu 46h (harjoitukset)
Yhteensä 81h

Lisätietoja opiskelijoille

Opintojakson arviointi muodostuu palautetuista harjoituksista.

Arviointiasteikko

0-5

Arviointikriteerit, tyydyttävä (1-2)

Välttävä 1: Tunnistat joitakin tärkeimpiä data-analytiikan ja tekoälyn menetelmiä, mahdollisuuksia, käyttökohteita tai niissä käytettäviä ohjelmointiympäristöjä.

Tyydyttävä 2: Tunnistat joitakin tärkeimpiä data-analytiikan ja tekoälyn menetelmiä, mahdollisuuksia ja käyttökohteita ja niissä käytettäviä ohjelmointiympäristöjä.

Arviointikriteerit, hyvä (3-4)

Hyvä 3: Tunnistat tärkeimmät data-analytiikan ja teköälyn menetelmät, mahdollisuudet ja käyttökohteet ja niissä käytettävät ohjelmointiympäristöt.

Kiitettävä 4: Tunnistat tärkeimmät data-analytiikan ja teköälyn menetelmät, mahdollisuudet ja käyttökohteet ja niissä käytettävät ohjelmointiympäristöt. Lisäksi ymmärrät joitain tekoälymenetelmien periaatteita.

Arviointikriteerit, kiitettävä (5)

Erinomainen 5: Tunnistat tärkeimmät data-analytiikan ja teköälyn menetelmät, mahdollisuudet ja käyttökohteet ja niissä käytettävät ohjelmointiympäristöt. Lisäksi ymmärrät tärkeimmät tekoälymenetelmien periaatteet.

Esitietovaatimukset

Ohjelmoinnin perusteet

Objective

Purpose and objectives:
The course gives you an overview of the methods of data analytics and artificial intelligence, their possibilities and applications as well as the most commonly used programming environments and libraries.

EUR-ACE Competences:
Knowledge and Understanding
Engineering Practice

Content

Definitions of data analytics and artificial intelligence
Practical applications of artificial intelligence
Examples and principles of machine learning and neural networks
Data analytics programming languages and environments: Python, R, Anaconda, Pandas

Oppimateriaali ja suositeltava kirjallisuus

Course material page (lecture materials, exercises)

Teaching methods

Weekly lectures (lecture material, example exercises led by a teacher)
Distance learning (exercises)

Student workload

Lectures 35h (lectures, exercises led by a teacher)
Distance learning 46h (exercises)
Total 81h

Further information

The assessment of the course consists of returned exercises.

Evaluation scale

0-5

Arviointikriteerit, tyydyttävä (1-2)

Sufficient 1: You recognize some of the most important methods, possibilities and applications of data analytics or programming environments used in them.

Satisfactory 2: You recognize some of the most important methods, possibilities and applications of data analytics and programming environments used in them.

Arviointikriteerit, hyvä (3-4)

Good 3: You recognize the most important methods, possibilities and applications of data analytics and artificial intelligence and the programming environments used in them.

Very good 4: You recognize the most important methods, possibilities and applications of data analytics and artificial intelligence and the programming environments used in them. Additionally, you understand some principles of artificial intelligence methods.

Assessment criteria, excellent (5)

Excellent 5: You recognize the most important methods, possibilities and applications of data analytics and artificial intelligence and the programming environments used in them. Additionally, you understand the most important principles of artificial intelligence methods.

Qualifications

Ohjelmoinnin perusteet

Tavoitteet

Tarkoitus ja osaamistavoitteet:
Opintojaksolla saat yleiskuvan data-analytiikan ja tekoälyn menetelmistä, mahdollisuuksista ja käyttökohteista sekä niissä käytettävistä yleisimmistä ohjelmointiympäristöistä ja –kirjastoista.

EUR-ACE-osaamiset:
Tieto ja ymmärrys
Tekniikan soveltaminen käytäntöön

Sisältö

Data-analytiikan ja tekoälyn määritelmät.
Tekoälyn käytännön sovelluksia.
Esimerkkejä ja periaatteita koneoppimisesta ja neuroverkoista.
Data-analytiikan ohjelmointikieliä ja -ympäristöjä: Python, R, Anaconda, Pandas.

Aika ja paikka

Verkossa

Oppimateriaali ja suositeltava kirjallisuus

Opintojakson verkkosivut (luentomateriaali, harjoitukset)

Opetusmenetelmät

Viikottaiset verkkoluennot (luentomateriaali, opettajan johdolla tehtävät esimerkkiharjoitukset)
Etäopiskelu (harjoitukset)

Opiskelijan ajankäyttö ja kuormitus

Verkkoluennot 35h (luennot, opettajan johdolla tehtävät harjoitukset)
Etäopiskelu 46h (harjoitukset)
Yhteensä 81h

Lisätietoja opiskelijoille

Opintojakson arviointi muodostuu palautetuista harjoituksista.

Arviointiasteikko

0-5

Arviointikriteerit, tyydyttävä (1-2)

Välttävä 1: Tunnistat joitakin tärkeimpiä data-analytiikan ja tekoälyn menetelmiä, mahdollisuuksia, käyttökohteita tai niissä käytettäviä ohjelmointiympäristöjä.

Tyydyttävä 2: Tunnistat joitakin tärkeimpiä data-analytiikan ja tekoälyn menetelmiä, mahdollisuuksia ja käyttökohteita ja niissä käytettäviä ohjelmointiympäristöjä.

Arviointikriteerit, hyvä (3-4)

Hyvä 3: Tunnistat tärkeimmät data-analytiikan ja teköälyn menetelmät, mahdollisuudet ja käyttökohteet ja niissä käytettävät ohjelmointiympäristöt.

Kiitettävä 4: Tunnistat tärkeimmät data-analytiikan ja teköälyn menetelmät, mahdollisuudet ja käyttökohteet ja niissä käytettävät ohjelmointiympäristöt. Lisäksi ymmärrät joitain tekoälymenetelmien periaatteita.

Arviointikriteerit, kiitettävä (5)

Erinomainen 5: Tunnistat tärkeimmät data-analytiikan ja teköälyn menetelmät, mahdollisuudet ja käyttökohteet ja niissä käytettävät ohjelmointiympäristöt. Lisäksi ymmärrät tärkeimmät tekoälymenetelmien periaatteet.

Esitietovaatimukset

Ohjelmoinnin perusteet

Tavoitteet

Tarkoitus ja osaamistavoitteet:
Opintojaksolla saat yleiskuvan data-analytiikan ja tekoälyn menetelmistä, mahdollisuuksista ja käyttökohteista sekä niissä käytettävistä yleisimmistä ohjelmointiympäristöistä ja –kirjastoista.

EUR-ACE-osaamiset:
Tieto ja ymmärrys
Tekniikan soveltaminen käytäntöön

Sisältö

Data-analytiikan ja tekoälyn määritelmät.
Tekoälyn käytännön sovelluksia.
Esimerkkejä ja periaatteita koneoppimisesta ja neuroverkoista.
Data-analytiikan ohjelmointikieliä ja -ympäristöjä: Python, R, Anaconda, Pandas.

Aika ja paikka

Verkossa

Oppimateriaali ja suositeltava kirjallisuus

Opintojakson verkkosivut (luentomateriaali, harjoitukset, nauhoitetut videot)

Opetusmenetelmät

Etäopiskelu (harjoitukset, luentomateriaaliin tutustuminen, nauhoitetut videot käytännön esimerkeistä)

Opiskelijan ajankäyttö ja kuormitus

Verkkoluentomateriaaliin tutustuminen 35h (nauhoitetut luennot, joissa opettajan johdolla tehtäviä harjoitteita)
Etäopiskelu 46h (harjoitukset)
Yhteensä 81h

Lisätietoja opiskelijoille

Opintojakson arviointi muodostuu palautetuista harjoituksista.

Arviointiasteikko

0-5

Arviointikriteerit, tyydyttävä (1-2)

Välttävä 1: Tunnistat joitakin tärkeimpiä data-analytiikan ja tekoälyn menetelmiä, mahdollisuuksia, käyttökohteita tai niissä käytettäviä ohjelmointiympäristöjä.

Tyydyttävä 2: Tunnistat joitakin tärkeimpiä data-analytiikan ja tekoälyn menetelmiä, mahdollisuuksia ja käyttökohteita ja niissä käytettäviä ohjelmointiympäristöjä.

Arviointikriteerit, hyvä (3-4)

Hyvä 3: Tunnistat tärkeimmät data-analytiikan ja teköälyn menetelmät, mahdollisuudet ja käyttökohteet ja niissä käytettävät ohjelmointiympäristöt.

Kiitettävä 4: Tunnistat tärkeimmät data-analytiikan ja teköälyn menetelmät, mahdollisuudet ja käyttökohteet ja niissä käytettävät ohjelmointiympäristöt. Lisäksi ymmärrät joitain tekoälymenetelmien periaatteita.

Arviointikriteerit, kiitettävä (5)

Erinomainen 5: Tunnistat tärkeimmät data-analytiikan ja teköälyn menetelmät, mahdollisuudet ja käyttökohteet ja niissä käytettävät ohjelmointiympäristöt. Lisäksi ymmärrät tärkeimmät tekoälymenetelmien periaatteet.

Esitietovaatimukset

Ohjelmoinnin perusteet

Tavoitteet

Tarkoitus ja osaamistavoitteet:
Opintojaksolla saat yleiskuvan data-analytiikan ja tekoälyn menetelmistä, mahdollisuuksista ja käyttökohteista sekä niissä käytettävistä yleisimmistä ohjelmointiympäristöistä ja –kirjastoista.

EUR-ACE-osaamiset:
Tieto ja ymmärrys
Tekniikan soveltaminen käytäntöön

Sisältö

Data-analytiikan ja tekoälyn määritelmät.
Tekoälyn käytännön sovelluksia.
Esimerkkejä ja periaatteita koneoppimisesta ja neuroverkoista.
Data-analytiikan ohjelmointikieliä ja -ympäristöjä: Python, R, Anaconda, Pandas.

Aika ja paikka

Verkossa

Oppimateriaali ja suositeltava kirjallisuus

Opintojakson verkkosivut (luentomateriaali, harjoitukset, nauhoitetut videot)

Opetusmenetelmät

Etäopiskelu (harjoitukset, luentomateriaaliin tutustuminen, nauhoitetut videot käytännön esimerkeistä)

Opiskelijan ajankäyttö ja kuormitus

Verkkoluentomateriaaliin tutustuminen 35h (nauhoitetut luennot, joissa opettajan johdolla tehtäviä harjoitteita)
Etäopiskelu 46h (harjoitukset)
Yhteensä 81h

Lisätietoja opiskelijoille

Opintojakson arviointi muodostuu palautetuista harjoituksista.

Arviointiasteikko

0-5

Arviointikriteerit, tyydyttävä (1-2)

Välttävä 1: Tunnistat joitakin tärkeimpiä data-analytiikan ja tekoälyn menetelmiä, mahdollisuuksia, käyttökohteita tai niissä käytettäviä ohjelmointiympäristöjä.

Tyydyttävä 2: Tunnistat joitakin tärkeimpiä data-analytiikan ja tekoälyn menetelmiä, mahdollisuuksia ja käyttökohteita ja niissä käytettäviä ohjelmointiympäristöjä.

Arviointikriteerit, hyvä (3-4)

Hyvä 3: Tunnistat tärkeimmät data-analytiikan ja teköälyn menetelmät, mahdollisuudet ja käyttökohteet ja niissä käytettävät ohjelmointiympäristöt.

Kiitettävä 4: Tunnistat tärkeimmät data-analytiikan ja teköälyn menetelmät, mahdollisuudet ja käyttökohteet ja niissä käytettävät ohjelmointiympäristöt. Lisäksi ymmärrät joitain tekoälymenetelmien periaatteita.

Arviointikriteerit, kiitettävä (5)

Erinomainen 5: Tunnistat tärkeimmät data-analytiikan ja teköälyn menetelmät, mahdollisuudet ja käyttökohteet ja niissä käytettävät ohjelmointiympäristöt. Lisäksi ymmärrät tärkeimmät tekoälymenetelmien periaatteet.

Esitietovaatimukset

Ohjelmoinnin perusteet