Datan analysointiLaajuus (3 op)
Tunnus: TZLM7300
Laajuus
3 op
Opetuskieli
- suomi
- englanti
Vastuuhenkilö
- Ida Arhosalo
- Kalle Niemi
Osaamistavoitteet
Opintojakson tarkoitus
Opintojakson käytyäsi ymmärrät, miten tilastollisen aineiston analysointi voi tukea liiketoiminnan päätöksentekoa.
Opintojakson osaamistavoite
Osaat käsitellä, havainnollistaa ja tulkita pientä ja suurta aineistoa ja tehdä sen perusteella ennusteita ja tilastollisia johtopäätöksiä.
Sisältö
Tilastollisen aineiston kuvaileminen, selittäminen ja ennustaminen
Luottamusväliestimointi ja hypoteesin testaus
Monen muuttujan regressiomalleja
Aikasarjan analysointi, tasoittaminen ja ennustaminen
Massiivisen aineiston käsittelyä tietokoneella
Excelin ja jonkin koneoppimisen ohjelman käyttö
Esitietovaatimukset
Hallitset tilastomatematiikan perusteet ja niihin liittyvät Excelin toiminnot.
Arviointikriteerit, tyydyttävä (1)
Välttävä 1
Olet saavuttanut tavoitellut osaamiset. Tunnet joitakin käsitteitä ja menetelmiä ja osaat soveltaa niitä itsellesi tutuissa tilanteissa, mutta usein päättelysi on puutteellista ja laskelmasi virheellisiä.
Tyydyttävä 2
Olet saavuttanut tavoitellut osaamiset. Tunnet useita käsitteitä ja menetelmiä ja osaat soveltaa niitä itsellesi tutuissa tilanteissa, mutta joskus päättelysi on puutteellista tai laskelmasi virheellisiä.
Arviointikriteerit, hyvä (3)
Hyvä 3
Olet saavuttanut tavoitellut osaamiset. Tunnet lähes kaikki käsitteet ja menetelmät ja osaat soveltaa niitä itsellesi tutuissa tilanteissa usein täydellisesti päätellen ja virheettömästi laskien.
Kiitettävä 4
Olet saavuttanut tavoitellut osaamiset. Tunnet lähes kaikki käsitteet ja menetelmät ja osaat soveltaa niitä myös itsellesi uusissa tilanteissa lähes aina täydellisesti päätellen ja virheettömästi laskien.
Arviointikriteerit, kiitettävä (5)
Erinomainen 5
Olet saavuttanut tavoitellut osaamiset. Tunnet kaikki käsitteet ja menetelmät ja osaat soveltaa niitä itsellesi uusissa tilanteissa asioita yhdistellen, täydellisesti päätellen ja virheettömästi laskien.
Ilmoittautumisaika
01.08.2024 - 22.08.2024
Ajoitus
21.10.2024 - 15.12.2024
Opintopistemäärä
3 op
Toteutustapa
Lähiopetus
Yksikkö
Teknologiayksikkö
Toimipiste
Pääkampus
Opetuskielet
- Suomi
Paikat
20 - 57
Koulutus
- Logistiikka (AMK)
Opettaja
- Kalle Niemi
Ajoitusryhmät
- TLS22SA (Paikkoja: 35. Avoin AMK: 0.)
- TLS22SB (Paikkoja: 35. Avoin AMK: 0.)
Ryhmät
-
TLS22S1Logistiikka - tutkinto-ohjelma (AMK)
Pienryhmät
- TLS22SA
- TLS22SB
Tavoitteet
Opintojakson tarkoitus
Opintojakson käytyäsi ymmärrät, miten tilastollisen aineiston analysointi voi tukea liiketoiminnan päätöksentekoa.
Opintojakson osaamistavoite
Osaat käsitellä, havainnollistaa ja tulkita pientä ja suurta aineistoa ja tehdä sen perusteella ennusteita ja tilastollisia johtopäätöksiä.
Sisältö
Tilastollisen aineiston kuvaileminen, selittäminen ja ennustaminen
Luottamusväliestimointi ja hypoteesin testaus
Monen muuttujan regressiomalleja
Aikasarjan analysointi, tasoittaminen ja ennustaminen
Massiivisen aineiston käsittelyä tietokoneella
Excelin ja jonkin koneoppimisen ohjelman käyttö
Oppimateriaali ja suositeltava kirjallisuus
Nummenmaa, L., Holopainen, M. & Pulkkinen, P. (2019) Tilastollisten menetelmien perusteet. SanomaPro
Kananen, H. & Puolitaival, H. (2019) Tekoäly. Bisneksen uudet mahdollisuudet. Helsinki: Alma Talent
Kelleher, Mac Namee & D'Arcy (2020) Fundamentals of Machine Learning for Predictive Data Analytics. Cambridge, MA: MIT Press
Muu materiaali Moodlen kautta.
Opetusmenetelmät
Opetus tapahtuu mikroluokassa ja sisältää harjoittelua tietokoneella. Tietoperusta omaksutaan itsenäisesti opiskelemalla ennen harjoittelua. Osaaminen saavutetaan soveltavilla oppimistehtävillä.
Tenttien ajankohdat ja uusintamahdollisuudet
Tentin ajankohta ja suoritustapa ilmoitetaan opintojakson alussa ja Moodlessa.
Vaihtoehtoiset suoritustavat
Hyväksilukemisen menettelytavat kuvataan tutkintosäännössä ja opinto-oppaassa.
Opiskelijan ajankäyttö ja kuormitus
Kontaktitunnit noin 20 tuntia
Itsenäinen opiskelu noin 20 tuntia
Oppimistehtävät noin 20 tuntia
Lisätietoja opiskelijoille
Osaamisen arviointi perustuu oppimistehtäviin ja kokeeseen.
Korvaava englanninkielinen toteutus TZLM7300-3012 Data Analysis.
Avoin AMK: enintään 5 opiskelijaa, jos luokassa on tilaa.
Arviointiasteikko
0-5
Arviointikriteerit, tyydyttävä (1-2)
Välttävä 1
Olet saavuttanut tavoitellut osaamiset. Tunnet joitakin käsitteitä ja menetelmiä ja osaat soveltaa niitä itsellesi tutuissa tilanteissa, mutta usein päättelysi on puutteellista ja laskelmasi virheellisiä.
Tyydyttävä 2
Olet saavuttanut tavoitellut osaamiset. Tunnet useita käsitteitä ja menetelmiä ja osaat soveltaa niitä itsellesi tutuissa tilanteissa, mutta joskus päättelysi on puutteellista tai laskelmasi virheellisiä.
Arviointikriteerit, hyvä (3-4)
Hyvä 3
Olet saavuttanut tavoitellut osaamiset. Tunnet lähes kaikki käsitteet ja menetelmät ja osaat soveltaa niitä itsellesi tutuissa tilanteissa usein täydellisesti päätellen ja virheettömästi laskien.
Kiitettävä 4
Olet saavuttanut tavoitellut osaamiset. Tunnet lähes kaikki käsitteet ja menetelmät ja osaat soveltaa niitä myös itsellesi uusissa tilanteissa lähes aina täydellisesti päätellen ja virheettömästi laskien.
Arviointikriteerit, kiitettävä (5)
Erinomainen 5
Olet saavuttanut tavoitellut osaamiset. Tunnet kaikki käsitteet ja menetelmät ja osaat soveltaa niitä itsellesi uusissa tilanteissa asioita yhdistellen, täydellisesti päätellen ja virheettömästi laskien.
Esitietovaatimukset
Hallitset tilastomatematiikan perusteet ja niihin liittyvät Excelin toiminnot.
Enrollment
01.08.2024 - 22.08.2024
Timing
21.10.2024 - 15.12.2024
Number of ECTS credits allocated
3 op
Mode of delivery
Face-to-face
Unit
School of Technology
Campus
Main Campus
Teaching languages
- English
Seats
20 - 36
Degree programmes
- Bachelor's Degree Programme in Purchasing and Logistics Engineering
Teachers
- Kalle Niemi
Groups
-
TLP22S1Bachelor's Degree Programme in Purchasing and Logistics Engineering
-
TLP24VSBachelor's Degree Programme in Purchasing and Logistics Engineering (AMK) vaihto-opiskelu/Exchange studies
Objective
Purpose
After the course you will understand how analysis of statistical data can help an engineer to make better business decisions.
Learning outcomes
You can analyze, visualize and interpret small and big data to draw conclusions and make forecasts using statistical methods.
Content
Descriptive, exploratory, and prescriptive statistics
Confidence interval estimation and hypotheses testing
Multi-variable regression models
Time series analysis, smoothing and forecasting methods
Big data analysis using a computer
Use of Excel and some machine learning software
Oppimateriaali ja suositeltava kirjallisuus
Morrison, S. J. (2009) Introduction to engineering statistics. Hoboken, NJ: Wiley
Hoerl, R & Snee, R. (2012) Statistical Thinking: Improving Business Performance. Hoboken, NJ: Wiley
Kelleher, Mac Namee & D'Arcy (2020) Fundamentals of Machine Learning for Predictive Data Analytics. Cambridge, MA: MIT Press
Other material accessible in Moodle
Teaching methods
The contact lessons are in a computer class and involve use of computers. The theory should be independently acquired before class exercises. The learning is accomplished by assignments where theory is put into practice.
Exam schedules
The date and execution of the exam will be announced in the beginning of the course and in Moodle.
Vaihtoehtoiset suoritustavat
The admission procedures are described in the degree rule and the study guide.
Student workload
Contact lessons about 20 hours
Independent study about 20 hours
Learning tasks about 20 hours
Further information
The assessment is based on learning tasks and exams.
An equivalent course in Finnish TZLM7300-3011 Datan analysointi.
Open AMK: at most 5 students if there are seats in the classroom.
Evaluation scale
0-5
Arviointikriteerit, tyydyttävä (1-2)
Adequate 1
You have achieved the desired goals. You know a few of the concepts and methods and how to apply them in familiar situations but your reasoning is often deficient and you make mistakes in calculations.
Satisfactory 2
You have achieved the desired goals. You know many of the concepts and methods and how to apply them in familiar situations but your reasoning is sometimes deficient or you make mistakes in calculations.
Arviointikriteerit, hyvä (3-4)
Good 3
You have achieved the desired goals. You know most of the concepts and methods and how to apply them in familiar situations showing often the ability to reason completely and calculate flawlessly
Very good 4
You have achieved the desired goals. You know most of the concepts and methods and how to apply them in new situations showing in most cases the ability to reason completely and calculate flawlessly.
Assessment criteria, excellent (5)
Excellent 5
You have achieved the desired goals. You know all the concepts and methods and how to apply them in new situations showing always the ability to combine things, reason completely and calculate flawlessly.
Qualifications
You master basic statistics and related Excel functions.
Ilmoittautumisaika
01.08.2024 - 22.08.2024
Ajoitus
26.08.2024 - 18.12.2024
Opintopistemäärä
3 op
Virtuaaliosuus
3 op
Toteutustapa
Verkko-opetus
Yksikkö
Teknologiayksikkö
Toimipiste
Pääkampus
Opetuskielet
- Suomi
Paikat
20 - 45
Koulutus
- Logistiikka (AMK)
Opettaja
- Kalle Niemi
Ryhmät
-
UTIVERKKOUudistuvan teollisuuden instituutin verkko-opetus (konetekniikka, logistiikka, rakennustekniikka)
Tavoitteet
Opintojakson tarkoitus
Opintojakson käytyäsi ymmärrät, miten tilastollisen aineiston analysointi voi tukea liiketoiminnan päätöksentekoa.
Opintojakson osaamistavoite
Osaat käsitellä, havainnollistaa ja tulkita pientä ja suurta aineistoa ja tehdä sen perusteella ennusteita ja tilastollisia johtopäätöksiä.
Sisältö
Tilastollisen aineiston kuvaileminen, selittäminen ja ennustaminen
Luottamusväliestimointi ja hypoteesin testaus
Monen muuttujan regressiomalleja
Aikasarjan analysointi, tasoittaminen ja ennustaminen
Massiivisen aineiston käsittelyä tietokoneella
Excelin ja jonkin koneoppimisen ohjelman käyttö
Aika ja paikka
Syyslukukausi 2024
Oppimateriaali ja suositeltava kirjallisuus
Nummenmaa, L., Holopainen, M. & Pulkkinen, P. 2019. Tilastollisten menetelmien perusteet. SanomaPro
Kananen, H. & Puolitaival, H. 2019. Tekoäly. Bisneksen uudet mahdollisuudet. Helsinki: Alma Talent
Kelleher, Mac Namee & D'Arcy 2020. Fundamentals of Machine Learning for Predictive Data Analytics. Cambridge, MA: MIT Press
Shmueli, G., Bruce, P., Deokar, A. & Patel, N. 2023. Machine learning for business analytics. Hoboken, NJ: Wiley
Muu materiaali Moodlen kautta.
Opetusmenetelmät
Verkko-opetuksessa opiskelija työskentelee itsenäisesti tutustumalla teoriaan ja soveltamalla sitä käytäntöön ratkaisemalla harjoitustehtäviä tietokoneella. Ei ohjausta.
Tenttien ajankohdat ja uusintamahdollisuudet
Tentin ajankohta ja suoritustapa ilmoitetaan opintojakson työtilassa.
Vaihtoehtoiset suoritustavat
Hyväksilukemisen menettelytavat kuvataan tutkintosäännössä ja opinto-oppaassa.
Opiskelijan ajankäyttö ja kuormitus
Itsenäinen opiskelu noin 20 tuntia
Oppimistehtävät noin 40 tuntia
Lisätietoja opiskelijoille
Osaamisen arviointi perustuu oppimistehtäviin ja kokeeseen.
Korvaava kontaktiopetusta sisältävä toteutus TZLM7300-3006.
Arviointiasteikko
0-5
Arviointikriteerit, tyydyttävä (1-2)
Välttävä 1
Olet saavuttanut tavoitellut osaamiset. Tunnet joitakin käsitteitä ja menetelmiä ja osaat soveltaa niitä itsellesi tutuissa tilanteissa, mutta usein päättelysi on puutteellista ja laskelmasi virheellisiä.
Tyydyttävä 2
Olet saavuttanut tavoitellut osaamiset. Tunnet useita käsitteitä ja menetelmiä ja osaat soveltaa niitä itsellesi tutuissa tilanteissa, mutta joskus päättelysi on puutteellista tai laskelmasi virheellisiä.
Arviointikriteerit, hyvä (3-4)
Hyvä 3
Olet saavuttanut tavoitellut osaamiset. Tunnet lähes kaikki käsitteet ja menetelmät ja osaat soveltaa niitä itsellesi tutuissa tilanteissa usein täydellisesti päätellen ja virheettömästi laskien.
Kiitettävä 4
Olet saavuttanut tavoitellut osaamiset. Tunnet lähes kaikki käsitteet ja menetelmät ja osaat soveltaa niitä myös itsellesi uusissa tilanteissa lähes aina täydellisesti päätellen ja virheettömästi laskien.
Arviointikriteerit, kiitettävä (5)
Erinomainen 5
Olet saavuttanut tavoitellut osaamiset. Tunnet kaikki käsitteet ja menetelmät ja osaat soveltaa niitä itsellesi uusissa tilanteissa asioita yhdistellen, täydellisesti päätellen ja virheettömästi laskien.
Esitietovaatimukset
Hallitset tilastomatematiikan perusteet ja niihin liittyvät Excelin toiminnot.
Ilmoittautumisaika
20.11.2023 - 04.01.2024
Ajoitus
08.01.2024 - 19.05.2024
Opintopistemäärä
3 op
Virtuaaliosuus
3 op
Toteutustapa
Verkko-opetus
Yksikkö
Teknologiayksikkö
Toimipiste
Pääkampus
Opetuskielet
- Suomi
Paikat
0 - 30
Koulutus
- Logistiikka (AMK)
Opettaja
- Kalle Niemi
Ryhmät
-
UTIVERKKOUudistuvan teollisuuden instituutin verkko-opetus (konetekniikka, logistiikka, rakennustekniikka)
Tavoitteet
Opintojakson tarkoitus
Opintojakson käytyäsi ymmärrät, miten tilastollisen aineiston analysointi voi tukea liiketoiminnan päätöksentekoa.
Opintojakson osaamistavoite
Osaat käsitellä, havainnollistaa ja tulkita pientä ja suurta aineistoa ja tehdä sen perusteella ennusteita ja tilastollisia johtopäätöksiä.
Sisältö
Tilastollisen aineiston kuvaileminen, selittäminen ja ennustaminen
Luottamusväliestimointi ja hypoteesin testaus
Monen muuttujan regressiomalleja
Aikasarjan analysointi, tasoittaminen ja ennustaminen
Massiivisen aineiston käsittelyä tietokoneella
Excelin ja jonkin koneoppimisen ohjelman käyttö
Aika ja paikka
Kevätlukukausi 2024
Oppimateriaali ja suositeltava kirjallisuus
Nummenmaa, L., Holopainen, M. & Pulkkinen, P. 2019. Tilastollisten menetelmien perusteet. SanomaPro
Kananen, H. & Puolitaival, H. 2019. Tekoäly. Bisneksen uudet mahdollisuudet. Helsinki: Alma Talent
Kelleher, Mac Namee & D'Arcy 2020. Fundamentals of Machine Learning for Predictive Data Analytics. Cambridge, MA: MIT Press
Shmueli, G., Bruce, P., Deokar, A. & Patel, N. 2023. Machine learning for business analytics. Hoboken, NJ: Wiley
Muu materiaali Moodlen kautta.
Opetusmenetelmät
Verkko-opetuksessa opiskelija työskentelee itsenäisesti tutustumalla teoriaan ja soveltamalla sitä käytäntöön ratkaisemalla harjoitustehtäviä tietokoneella. Ei ohjausta.
Tenttien ajankohdat ja uusintamahdollisuudet
Tentin ajankohta ja suoritustapa ilmoitetaan opintojakson työtilassa.
Vaihtoehtoiset suoritustavat
Hyväksilukemisen menettelytavat kuvataan tutkintosäännössä ja opinto-oppaassa.
Opiskelijan ajankäyttö ja kuormitus
Itsenäinen opiskelu noin 20 tuntia
Oppimistehtävät noin 40 tuntia
Lisätietoja opiskelijoille
Osaamisen arviointi perustuu oppimistehtäviin ja kokeeseen.
Arviointiasteikko
0-5
Arviointikriteerit, tyydyttävä (1-2)
Välttävä 1
Olet saavuttanut tavoitellut osaamiset. Tunnet joitakin käsitteitä ja menetelmiä ja osaat soveltaa niitä itsellesi tutuissa tilanteissa, mutta usein päättelysi on puutteellista ja laskelmasi virheellisiä.
Tyydyttävä 2
Olet saavuttanut tavoitellut osaamiset. Tunnet useita käsitteitä ja menetelmiä ja osaat soveltaa niitä itsellesi tutuissa tilanteissa, mutta joskus päättelysi on puutteellista tai laskelmasi virheellisiä.
Arviointikriteerit, hyvä (3-4)
Hyvä 3
Olet saavuttanut tavoitellut osaamiset. Tunnet lähes kaikki käsitteet ja menetelmät ja osaat soveltaa niitä itsellesi tutuissa tilanteissa usein täydellisesti päätellen ja virheettömästi laskien.
Kiitettävä 4
Olet saavuttanut tavoitellut osaamiset. Tunnet lähes kaikki käsitteet ja menetelmät ja osaat soveltaa niitä myös itsellesi uusissa tilanteissa lähes aina täydellisesti päätellen ja virheettömästi laskien.
Arviointikriteerit, kiitettävä (5)
Erinomainen 5
Olet saavuttanut tavoitellut osaamiset. Tunnet kaikki käsitteet ja menetelmät ja osaat soveltaa niitä itsellesi uusissa tilanteissa asioita yhdistellen, täydellisesti päätellen ja virheettömästi laskien.
Esitietovaatimukset
Hallitset tilastomatematiikan perusteet ja niihin liittyvät Excelin toiminnot.
Ilmoittautumisaika
01.08.2023 - 24.08.2023
Ajoitus
23.10.2023 - 08.12.2023
Opintopistemäärä
3 op
Toteutustapa
Lähiopetus
Yksikkö
Teknologiayksikkö
Toimipiste
Pääkampus
Opetuskielet
- Suomi
Paikat
0 - 50
Koulutus
- Logistiikka (AMK)
Opettaja
- Pasi Lehtola
Ajoitusryhmät
- TLS21SA (Paikkoja: 30. Avoin AMK: 0.)
- TLS21SB (Paikkoja: 30. Avoin AMK: 0.)
Ryhmät
-
TLS21S1Logistiikan tutkinto-ohjelma (AMK)
Pienryhmät
- TLS21SA
- TLS21SB
Tavoitteet
Opintojakson tarkoitus
Opintojakson käytyäsi ymmärrät, miten tilastollisen aineiston analysointi voi tukea liiketoiminnan päätöksentekoa.
Opintojakson osaamistavoite
Osaat käsitellä, havainnollistaa ja tulkita pientä ja suurta aineistoa ja tehdä sen perusteella ennusteita ja tilastollisia johtopäätöksiä.
Sisältö
Tilastollisen aineiston kuvaileminen, selittäminen ja ennustaminen
Luottamusväliestimointi ja hypoteesin testaus
Monen muuttujan regressiomalleja
Aikasarjan analysointi, tasoittaminen ja ennustaminen
Massiivisen aineiston käsittelyä tietokoneella
Excelin ja jonkin koneoppimisen ohjelman käyttö
Oppimateriaali ja suositeltava kirjallisuus
Nummenmaa, L., Holopainen, M. & Pulkkinen, P. (2019) Tilastollisten menetelmien perusteet. SanomaPro
Kananen, H. & Puolitaival, H. (2019) Tekoäly. Bisneksen uudet mahdollisuudet. Helsinki: Alma Talent
Kelleher, Mac Namee & D'Arcy (2020) Fundamentals of Machine Learning for Predictive Data Analytics. Cambridge, MA: MIT Press
Muu materiaali Moodlen kautta.
Opetusmenetelmät
Opetus tapahtuu mikroluokassa ja sisältää harjoittelua tietokoneella. Tietoperusta omaksutaan itsenäisesti opiskelemalla ennen harjoittelua. Osaaminen saavutetaan soveltavilla oppimistehtävillä.
Tenttien ajankohdat ja uusintamahdollisuudet
Tentin ajankohta ja suoritustapa ilmoitetaan opintojakson alussa ja Moodlessa.
Vaihtoehtoiset suoritustavat
Hyväksilukemisen menettelytavat kuvataan tutkintosäännössä ja opinto-oppaassa.
Opiskelijan ajankäyttö ja kuormitus
Kontaktitunnit noin 20 tuntia
Itsenäinen opiskelu noin 20 tuntia
Oppimistehtävät noin 20 tuntia
Lisätietoja opiskelijoille
Osaamisen arviointi perustuu oppimistehtäviin ja kokeeseen.
Korvaava englanninkielinen toteutus TZLM7300-3007 Data Analysis.
Avoin AMK: enintään 5 opiskelijaa, jos luokassa on tilaa.
Arviointiasteikko
0-5
Arviointikriteerit, tyydyttävä (1-2)
Välttävä 1
Olet saavuttanut tavoitellut osaamiset. Tunnet joitakin käsitteitä ja menetelmiä ja osaat soveltaa niitä itsellesi tutuissa tilanteissa, mutta usein päättelysi on puutteellista ja laskelmasi virheellisiä.
Tyydyttävä 2
Olet saavuttanut tavoitellut osaamiset. Tunnet useita käsitteitä ja menetelmiä ja osaat soveltaa niitä itsellesi tutuissa tilanteissa, mutta joskus päättelysi on puutteellista tai laskelmasi virheellisiä.
Arviointikriteerit, hyvä (3-4)
Hyvä 3
Olet saavuttanut tavoitellut osaamiset. Tunnet lähes kaikki käsitteet ja menetelmät ja osaat soveltaa niitä itsellesi tutuissa tilanteissa usein täydellisesti päätellen ja virheettömästi laskien.
Kiitettävä 4
Olet saavuttanut tavoitellut osaamiset. Tunnet lähes kaikki käsitteet ja menetelmät ja osaat soveltaa niitä myös itsellesi uusissa tilanteissa lähes aina täydellisesti päätellen ja virheettömästi laskien.
Arviointikriteerit, kiitettävä (5)
Erinomainen 5
Olet saavuttanut tavoitellut osaamiset. Tunnet kaikki käsitteet ja menetelmät ja osaat soveltaa niitä itsellesi uusissa tilanteissa asioita yhdistellen, täydellisesti päätellen ja virheettömästi laskien.
Esitietovaatimukset
Hallitset tilastomatematiikan perusteet ja niihin liittyvät Excelin toiminnot.
Enrollment
01.08.2023 - 24.08.2023
Timing
23.10.2023 - 08.12.2023
Number of ECTS credits allocated
3 op
Mode of delivery
Face-to-face
Unit
School of Technology
Campus
Main Campus
Teaching languages
- English
Seats
0 - 20
Degree programmes
- Bachelor's Degree Programme in Purchasing and Logistics Engineering
Teachers
- Pasi Lehtola
Groups
-
TLE23SHYITBachelor's Degree Programme in International Logistics, HYIT
-
TLP21S1Bachelor's Degree Programme in Purchasing and Logistics Engineering
-
TLP23VSBachelor's Degree Programme in Purchasing and Logistics Engineering (AMK) vaihto-opiskelu/Exchange studies
Objective
Purpose
After the course you will understand how analysis of statistical data can help an engineer to make better business decisions.
Learning outcomes
You can analyze, visualize and interpret small and big data to draw conclusions and make forecasts using statistical methods.
Content
Descriptive, exploratory, and prescriptive statistics
Confidence interval estimation and hypotheses testing
Multi-variable regression models
Time series analysis, smoothing and forecasting methods
Big data analysis using a computer
Use of Excel and some machine learning software
Oppimateriaali ja suositeltava kirjallisuus
Morrison, S. J. (2009) Introduction to engineering statistics. Hoboken, NJ: Wiley
Hoerl, R & Snee, R. (2012) Statistical Thinking: Improving Business Performance. Hoboken, NJ: Wiley
Kelleher, Mac Namee & D'Arcy (2020) Fundamentals of Machine Learning for Predictive Data Analytics. Cambridge, MA: MIT Press
Other material accessible in Moodle
Teaching methods
The contact lessons are in a computer class and involve use of computers. The theory should be independently acquired before class exercises. The learning is accomplished by assignments where theory is put into practice.
Exam schedules
The date and execution of the exam will be announced in the beginning of the course and in Moodle.
Vaihtoehtoiset suoritustavat
The admission procedures are described in the degree rule and the study guide.
Student workload
Contact lessons about 20 hours
Independent study about 20 hours
Learning tasks about 20 hours
Further information
The assessment is based on learning tasks and exams.
An equivalent course in Finnish TZLM7300-3006 Datan analysointi.
Open AMK: at most 5 students if there are seats in the classroom.
Evaluation scale
0-5
Arviointikriteerit, tyydyttävä (1-2)
Adequate 1
You have achieved the desired goals. You know a few of the concepts and methods and how to apply them in familiar situations but your reasoning is often deficient and you make mistakes in calculations.
Satisfactory 2
You have achieved the desired goals. You know many of the concepts and methods and how to apply them in familiar situations but your reasoning is sometimes deficient or you make mistakes in calculations.
Arviointikriteerit, hyvä (3-4)
Good 3
You have achieved the desired goals. You know most of the concepts and methods and how to apply them in familiar situations showing often the ability to reason completely and calculate flawlessly
Very good 4
You have achieved the desired goals. You know most of the concepts and methods and how to apply them in new situations showing in most cases the ability to reason completely and calculate flawlessly.
Assessment criteria, excellent (5)
Excellent 5
You have achieved the desired goals. You know all the concepts and methods and how to apply them in new situations showing always the ability to combine things, reason completely and calculate flawlessly.
Qualifications
You master basic statistics and related Excel functions.
Ilmoittautumisaika
01.08.2023 - 24.08.2023
Ajoitus
28.08.2023 - 19.12.2023
Opintopistemäärä
3 op
Virtuaaliosuus
3 op
Toteutustapa
Verkko-opetus
Yksikkö
Teknologiayksikkö
Toimipiste
Pääkampus
Opetuskielet
- Suomi
Paikat
0 - 15
Koulutus
- Logistiikka (AMK)
Opettaja
- Pasi Lehtola
Ryhmät
-
UTIVERKKOUudistuvan teollisuuden instituutin verkko-opetus (konetekniikka, logistiikka, rakennustekniikka)
Tavoitteet
Opintojakson tarkoitus
Opintojakson käytyäsi ymmärrät, miten tilastollisen aineiston analysointi voi tukea liiketoiminnan päätöksentekoa.
Opintojakson osaamistavoite
Osaat käsitellä, havainnollistaa ja tulkita pientä ja suurta aineistoa ja tehdä sen perusteella ennusteita ja tilastollisia johtopäätöksiä.
Sisältö
Tilastollisen aineiston kuvaileminen, selittäminen ja ennustaminen
Luottamusväliestimointi ja hypoteesin testaus
Monen muuttujan regressiomalleja
Aikasarjan analysointi, tasoittaminen ja ennustaminen
Massiivisen aineiston käsittelyä tietokoneella
Excelin ja jonkin koneoppimisen ohjelman käyttö
Aika ja paikka
Syyslukukausi 2023
Oppimateriaali ja suositeltava kirjallisuus
Nummenmaa, L., Holopainen, M. & Pulkkinen, P. 2019. Tilastollisten menetelmien perusteet. SanomaPro
Kananen, H. & Puolitaival, H. 2019. Tekoäly. Bisneksen uudet mahdollisuudet. Helsinki: Alma Talent
Kelleher, Mac Namee & D'Arcy 2020. Fundamentals of Machine Learning for Predictive Data Analytics. Cambridge, MA: MIT Press
Shmueli, G., Bruce, P., Deokar, A. & Patel, N. 2023. Machine learning for business analytics. Hoboken, NJ: Wiley
Muu materiaali Moodlen kautta.
Opetusmenetelmät
Verkko-opetuksessa opiskelija työskentelee itsenäisesti tutustumalla teoriaan ja soveltamalla sitä käytäntöön ratkaisemalla harjoitustehtäviä tietokoneella. Ei ohjausta.
Tenttien ajankohdat ja uusintamahdollisuudet
Tentin ajankohta ja suoritustapa ilmoitetaan opintojakson työtilassa. Tentti ja uusintatentit ovat joulukuussa 2023 ja tammikuussa 2024
Vaihtoehtoiset suoritustavat
Hyväksilukemisen menettelytavat kuvataan tutkintosäännössä ja opinto-oppaassa.
Opiskelijan ajankäyttö ja kuormitus
Itsenäinen opiskelu noin 20 tuntia
Oppimistehtävät noin 40 tuntia
Lisätietoja opiskelijoille
Osaamisen arviointi perustuu oppimistehtäviin ja kokeeseen.
Korvaava kontaktiopetusta sisältävä toteutus TZLM7300-3006.
Arviointiasteikko
0-5
Arviointikriteerit, tyydyttävä (1-2)
Välttävä 1
Olet saavuttanut tavoitellut osaamiset. Tunnet joitakin käsitteitä ja menetelmiä ja osaat soveltaa niitä itsellesi tutuissa tilanteissa, mutta usein päättelysi on puutteellista ja laskelmasi virheellisiä.
Tyydyttävä 2
Olet saavuttanut tavoitellut osaamiset. Tunnet useita käsitteitä ja menetelmiä ja osaat soveltaa niitä itsellesi tutuissa tilanteissa, mutta joskus päättelysi on puutteellista tai laskelmasi virheellisiä.
Arviointikriteerit, hyvä (3-4)
Hyvä 3
Olet saavuttanut tavoitellut osaamiset. Tunnet lähes kaikki käsitteet ja menetelmät ja osaat soveltaa niitä itsellesi tutuissa tilanteissa usein täydellisesti päätellen ja virheettömästi laskien.
Kiitettävä 4
Olet saavuttanut tavoitellut osaamiset. Tunnet lähes kaikki käsitteet ja menetelmät ja osaat soveltaa niitä myös itsellesi uusissa tilanteissa lähes aina täydellisesti päätellen ja virheettömästi laskien.
Arviointikriteerit, kiitettävä (5)
Erinomainen 5
Olet saavuttanut tavoitellut osaamiset. Tunnet kaikki käsitteet ja menetelmät ja osaat soveltaa niitä itsellesi uusissa tilanteissa asioita yhdistellen, täydellisesti päätellen ja virheettömästi laskien.
Esitietovaatimukset
Hallitset tilastomatematiikan perusteet ja niihin liittyvät Excelin toiminnot.
Ilmoittautumisaika
01.04.2023 - 30.04.2023
Ajoitus
01.05.2023 - 31.08.2023
Opintopistemäärä
3 op
Virtuaaliosuus
3 op
Toteutustapa
Verkko-opetus
Yksikkö
Teknologiayksikkö
Toimipiste
Pääkampus
Opetuskielet
- Suomi
Paikat
0 - 20
Koulutus
- Logistiikka (AMK)
Opettaja
- Ida Arhosalo
Vastuuopettaja
Ida Arhosalo
Ryhmät
-
LOGRAKVERKKOLogistiikan ja rakentamisen verkko-opetus
Tavoitteet
Opintojakson tarkoitus
Opintojakson käytyäsi ymmärrät, miten tilastollisen aineiston analysointi voi tukea liiketoiminnan päätöksentekoa.
Opintojakson osaamistavoite
Osaat käsitellä, havainnollistaa ja tulkita pientä ja suurta aineistoa ja tehdä sen perusteella ennusteita ja tilastollisia johtopäätöksiä.
Sisältö
Tilastollisen aineiston kuvaileminen, selittäminen ja ennustaminen
Luottamusväliestimointi ja hypoteesin testaus
Monen muuttujan regressiomalleja
Aikasarjan analysointi, tasoittaminen ja ennustaminen
Massiivisen aineiston käsittelyä tietokoneella
Excelin ja jonkin koneoppimisen ohjelman käyttö
Oppimateriaali ja suositeltava kirjallisuus
Nummenmaa, L., Holopainen, M. & Pulkkinen, P. (2019) Tilastollisten menetelmien perusteet. SanomaPro
Kananen, H. & Puolitaival, H. (2019) Tekoäly. Bisneksen uudet mahdollisuudet. Helsinki: Alma Talent
Kelleher, Mac Namee & D'Arcy (2020) Fundamentals of Machine Learning for Predictive Data Analytics. Cambridge, MA: MIT Press
Muu materiaali Moodlen kautta.
Opetusmenetelmät
Verkko-opetuksessa opiskelija työskentelee itsenäisesti tutustumalla teoriaan ja soveltamalla sitä käytäntöön ratkaisemalla harjoitustehtäviä tietokoneella. Ei ohjausta ajalla 12.6.-6.8.2023
Tenttien ajankohdat ja uusintamahdollisuudet
Tentin ajankohta ja suoritustapa ilmoitetaan opintojakson työtilassa. Tentti ja uusintatentit (2kpl) ovat elo-syyskuussa
Vaihtoehtoiset suoritustavat
Hyväksilukemisen menettelytavat kuvataan tutkintosäännössä ja opinto-oppaassa.
Opiskelijan ajankäyttö ja kuormitus
Itsenäinen opiskelu noin 20 tuntia
Oppimistehtävät noin 40 tuntia
Lisätietoja opiskelijoille
Osaamisen arviointi perustuu oppimistehtäviin ja kokeeseen.
Korvaava kontaktiopetusta sisältävä toteutus TZLM7300-3006.
Arviointiasteikko
0-5
Arviointikriteerit, tyydyttävä (1-2)
Välttävä 1
Olet saavuttanut tavoitellut osaamiset. Tunnet joitakin käsitteitä ja menetelmiä ja osaat soveltaa niitä itsellesi tutuissa tilanteissa, mutta usein päättelysi on puutteellista ja laskelmasi virheellisiä.
Tyydyttävä 2
Olet saavuttanut tavoitellut osaamiset. Tunnet useita käsitteitä ja menetelmiä ja osaat soveltaa niitä itsellesi tutuissa tilanteissa, mutta joskus päättelysi on puutteellista tai laskelmasi virheellisiä.
Arviointikriteerit, hyvä (3-4)
Hyvä 3
Olet saavuttanut tavoitellut osaamiset. Tunnet lähes kaikki käsitteet ja menetelmät ja osaat soveltaa niitä itsellesi tutuissa tilanteissa usein täydellisesti päätellen ja virheettömästi laskien.
Kiitettävä 4
Olet saavuttanut tavoitellut osaamiset. Tunnet lähes kaikki käsitteet ja menetelmät ja osaat soveltaa niitä myös itsellesi uusissa tilanteissa lähes aina täydellisesti päätellen ja virheettömästi laskien.
Arviointikriteerit, kiitettävä (5)
Erinomainen 5
Olet saavuttanut tavoitellut osaamiset. Tunnet kaikki käsitteet ja menetelmät ja osaat soveltaa niitä itsellesi uusissa tilanteissa asioita yhdistellen, täydellisesti päätellen ja virheettömästi laskien.
Esitietovaatimukset
Hallitset tilastomatematiikan perusteet ja niihin liittyvät Excelin toiminnot.
Ilmoittautumisaika
01.11.2022 - 05.01.2023
Ajoitus
09.01.2023 - 19.05.2023
Opintopistemäärä
3 op
Virtuaaliosuus
3 op
Toteutustapa
Verkko-opetus
Yksikkö
Teknologiayksikkö
Toimipiste
Pääkampus
Opetuskielet
- Suomi
Paikat
0 - 20
Koulutus
- Logistiikka (AMK)
Opettaja
- Ida Arhosalo
Vastuuopettaja
Ida Arhosalo
Ryhmät
-
LOGRAKVERKKOLogistiikan ja rakentamisen verkko-opetus
Tavoitteet
Opintojakson tarkoitus
Opintojakson käytyäsi ymmärrät, miten tilastollisen aineiston analysointi voi tukea liiketoiminnan päätöksentekoa.
Opintojakson osaamistavoite
Osaat käsitellä, havainnollistaa ja tulkita pientä ja suurta aineistoa ja tehdä sen perusteella ennusteita ja tilastollisia johtopäätöksiä.
Sisältö
Tilastollisen aineiston kuvaileminen, selittäminen ja ennustaminen
Luottamusväliestimointi ja hypoteesin testaus
Monen muuttujan regressiomalleja
Aikasarjan analysointi, tasoittaminen ja ennustaminen
Massiivisen aineiston käsittelyä tietokoneella
Excelin ja jonkin koneoppimisen ohjelman käyttö
Oppimateriaali ja suositeltava kirjallisuus
Nummenmaa, L., Holopainen, M. & Pulkkinen, P. (2019) Tilastollisten menetelmien perusteet. SanomaPro
Kananen, H. & Puolitaival, H. (2019) Tekoäly. Bisneksen uudet mahdollisuudet. Helsinki: Alma Talent
Kelleher, Mac Namee & D'Arcy (2020) Fundamentals of Machine Learning for Predictive Data Analytics. Cambridge, MA: MIT Press
Muu materiaali Moodlen kautta.
Opetusmenetelmät
Verkko-opetuksessa opiskelija työskentelee itsenäisesti tutustumalla teoriaan ja soveltamalla sitä käytäntöön ratkaisemalla harjoitustehtäviä tietokoneella.
Tenttien ajankohdat ja uusintamahdollisuudet
Tentin ajankohta ja suoritustapa ilmoitetaan opintojakson työtilassa.
Vaihtoehtoiset suoritustavat
Hyväksilukemisen menettelytavat kuvataan tutkintosäännössä ja opinto-oppaassa.
Opiskelijan ajankäyttö ja kuormitus
Itsenäinen opiskelu noin 20 tuntia
Oppimistehtävät noin 40 tuntia
Lisätietoja opiskelijoille
Osaamisen arviointi perustuu oppimistehtäviin ja kokeeseen.
Korvaava kontaktiopetusta sisältävä toteutus TZLM7300-3001.
Arviointiasteikko
0-5
Arviointikriteerit, tyydyttävä (1-2)
Välttävä 1
Olet saavuttanut tavoitellut osaamiset. Tunnet joitakin käsitteitä ja menetelmiä ja osaat soveltaa niitä itsellesi tutuissa tilanteissa, mutta usein päättelysi on puutteellista ja laskelmasi virheellisiä.
Tyydyttävä 2
Olet saavuttanut tavoitellut osaamiset. Tunnet useita käsitteitä ja menetelmiä ja osaat soveltaa niitä itsellesi tutuissa tilanteissa, mutta joskus päättelysi on puutteellista tai laskelmasi virheellisiä.
Arviointikriteerit, hyvä (3-4)
Hyvä 3
Olet saavuttanut tavoitellut osaamiset. Tunnet lähes kaikki käsitteet ja menetelmät ja osaat soveltaa niitä itsellesi tutuissa tilanteissa usein täydellisesti päätellen ja virheettömästi laskien.
Kiitettävä 4
Olet saavuttanut tavoitellut osaamiset. Tunnet lähes kaikki käsitteet ja menetelmät ja osaat soveltaa niitä myös itsellesi uusissa tilanteissa lähes aina täydellisesti päätellen ja virheettömästi laskien.
Arviointikriteerit, kiitettävä (5)
Erinomainen 5
Olet saavuttanut tavoitellut osaamiset. Tunnet kaikki käsitteet ja menetelmät ja osaat soveltaa niitä itsellesi uusissa tilanteissa asioita yhdistellen, täydellisesti päätellen ja virheettömästi laskien.
Esitietovaatimukset
Hallitset tilastomatematiikan perusteet ja niihin liittyvät Excelin toiminnot.
Ilmoittautumisaika
01.08.2022 - 25.08.2022
Ajoitus
30.08.2022 - 21.12.2022
Opintopistemäärä
3 op
Virtuaaliosuus
3 op
Toteutustapa
Verkko-opetus
Yksikkö
Teknologiayksikkö
Toimipiste
Pääkampus
Opetuskielet
- Suomi
Paikat
0 - 20
Koulutus
- Logistiikka (AMK)
Opettaja
- Ida Arhosalo
Vastuuopettaja
Ida Arhosalo
Ryhmät
-
LOGRAKVERKKOLogistiikan ja rakentamisen verkko-opetus
Tavoitteet
Opintojakson tarkoitus
Opintojakson käytyäsi ymmärrät, miten tilastollisen aineiston analysointi voi tukea liiketoiminnan päätöksentekoa.
Opintojakson osaamistavoite
Osaat käsitellä, havainnollistaa ja tulkita pientä ja suurta aineistoa ja tehdä sen perusteella ennusteita ja tilastollisia johtopäätöksiä.
Sisältö
Tilastollisen aineiston kuvaileminen, selittäminen ja ennustaminen
Luottamusväliestimointi ja hypoteesin testaus
Monen muuttujan regressiomalleja
Aikasarjan analysointi, tasoittaminen ja ennustaminen
Massiivisen aineiston käsittelyä tietokoneella
Excelin ja jonkin koneoppimisen ohjelman käyttö
Oppimateriaali ja suositeltava kirjallisuus
Nummenmaa, L., Holopainen, M. & Pulkkinen, P. (2019) Tilastollisten menetelmien perusteet. SanomaPro
Kananen, H. & Puolitaival, H. (2019) Tekoäly. Bisneksen uudet mahdollisuudet. Helsinki: Alma Talent
Kelleher, Mac Namee & D'Arcy (2020) Fundamentals of Machine Learning for Predictive Data Analytics. Cambridge, MA: MIT Press
Muu materiaali Moodlen kautta.
Opetusmenetelmät
Verkko-opetuksessa opiskelija työskentelee itsenäisesti tutustumalla teoriaan ja soveltamalla sitä käytäntöön ratkaisemalla harjoitustehtäviä tietokoneella.
Tenttien ajankohdat ja uusintamahdollisuudet
Tentin ajankohta ja suoritustapa ilmoitetaan opintojakson työtilassa.
Vaihtoehtoiset suoritustavat
Hyväksilukemisen menettelytavat kuvataan tutkintosäännössä ja opinto-oppaassa.
Opiskelijan ajankäyttö ja kuormitus
Itsenäinen opiskelu noin 20 tuntia
Oppimistehtävät noin 40 tuntia
Lisätietoja opiskelijoille
Osaamisen arviointi perustuu oppimistehtäviin ja kokeeseen.
Korvaava kontaktiopetusta sisältävä toteutus TZLM7300-3006.
Arviointiasteikko
0-5
Arviointikriteerit, tyydyttävä (1-2)
Välttävä 1
Olet saavuttanut tavoitellut osaamiset. Tunnet joitakin käsitteitä ja menetelmiä ja osaat soveltaa niitä itsellesi tutuissa tilanteissa, mutta usein päättelysi on puutteellista ja laskelmasi virheellisiä.
Tyydyttävä 2
Olet saavuttanut tavoitellut osaamiset. Tunnet useita käsitteitä ja menetelmiä ja osaat soveltaa niitä itsellesi tutuissa tilanteissa, mutta joskus päättelysi on puutteellista tai laskelmasi virheellisiä.
Arviointikriteerit, hyvä (3-4)
Hyvä 3
Olet saavuttanut tavoitellut osaamiset. Tunnet lähes kaikki käsitteet ja menetelmät ja osaat soveltaa niitä itsellesi tutuissa tilanteissa usein täydellisesti päätellen ja virheettömästi laskien.
Kiitettävä 4
Olet saavuttanut tavoitellut osaamiset. Tunnet lähes kaikki käsitteet ja menetelmät ja osaat soveltaa niitä myös itsellesi uusissa tilanteissa lähes aina täydellisesti päätellen ja virheettömästi laskien.
Arviointikriteerit, kiitettävä (5)
Erinomainen 5
Olet saavuttanut tavoitellut osaamiset. Tunnet kaikki käsitteet ja menetelmät ja osaat soveltaa niitä itsellesi uusissa tilanteissa asioita yhdistellen, täydellisesti päätellen ja virheettömästi laskien.
Esitietovaatimukset
Hallitset tilastomatematiikan perusteet ja niihin liittyvät Excelin toiminnot.
Ilmoittautumisaika
01.08.2022 - 25.08.2022
Ajoitus
29.08.2022 - 14.10.2022
Opintopistemäärä
3 op
Toteutustapa
Lähiopetus
Yksikkö
Teknologiayksikkö
Toimipiste
Pääkampus
Opetuskielet
- Suomi
Paikat
0 - 50
Koulutus
- Logistiikka (AMK)
Opettaja
- Ida Arhosalo
Vastuuopettaja
Ida Arhosalo
Ajoitusryhmät
- TLS20SA (Paikkoja: 30. Avoin AMK: 0.)
- TLS20SB (Paikkoja: 30. Avoin AMK: 0.)
Ryhmät
-
TLS20S1Logistiikka
Pienryhmät
- TLS20SA
- TLS20SB
Tavoitteet
Opintojakson tarkoitus
Opintojakson käytyäsi ymmärrät, miten tilastollisen aineiston analysointi voi tukea liiketoiminnan päätöksentekoa.
Opintojakson osaamistavoite
Osaat käsitellä, havainnollistaa ja tulkita pientä ja suurta aineistoa ja tehdä sen perusteella ennusteita ja tilastollisia johtopäätöksiä.
Sisältö
Tilastollisen aineiston kuvaileminen, selittäminen ja ennustaminen
Luottamusväliestimointi ja hypoteesin testaus
Monen muuttujan regressiomalleja
Aikasarjan analysointi, tasoittaminen ja ennustaminen
Massiivisen aineiston käsittelyä tietokoneella
Excelin ja jonkin koneoppimisen ohjelman käyttö
Oppimateriaali ja suositeltava kirjallisuus
Nummenmaa, L., Holopainen, M. & Pulkkinen, P. (2019) Tilastollisten menetelmien perusteet. SanomaPro
Kananen, H. & Puolitaival, H. (2019) Tekoäly. Bisneksen uudet mahdollisuudet. Helsinki: Alma Talent
Kelleher, Mac Namee & D'Arcy (2020) Fundamentals of Machine Learning for Predictive Data Analytics. Cambridge, MA: MIT Press
Muu materiaali Moodlen kautta.
Opetusmenetelmät
Opetus tapahtuu mikroluokassa ja sisältää harjoittelua tietokoneella. Tietoperusta omaksutaan itsenäisesti opiskelemalla ennen harjoittelua. Osaaminen saavutetaan soveltavilla oppimistehtävillä.
Tenttien ajankohdat ja uusintamahdollisuudet
Tentin ajankohta ja suoritustapa ilmoitetaan opintojakson alussa.
Vaihtoehtoiset suoritustavat
Hyväksilukemisen menettelytavat kuvataan tutkintosäännössä ja opinto-oppaassa.
Opiskelijan ajankäyttö ja kuormitus
Kontaktitunnit noin 20 tuntia
Itsenäinen opiskelu noin 20 tuntia
Oppimistehtävät noin 20 tuntia
Lisätietoja opiskelijoille
Osaamisen arviointi perustuu oppimistehtäviin ja kokeeseen.
Korvaava englanninkielinen toteutus TZLM7300-3002 Data Analysis.
Avoin AMK: enintään 5 opiskelijaa, jos luokassa on tilaa.
Arviointiasteikko
0-5
Arviointikriteerit, tyydyttävä (1-2)
Välttävä 1
Olet saavuttanut tavoitellut osaamiset. Tunnet joitakin käsitteitä ja menetelmiä ja osaat soveltaa niitä itsellesi tutuissa tilanteissa, mutta usein päättelysi on puutteellista ja laskelmasi virheellisiä.
Tyydyttävä 2
Olet saavuttanut tavoitellut osaamiset. Tunnet useita käsitteitä ja menetelmiä ja osaat soveltaa niitä itsellesi tutuissa tilanteissa, mutta joskus päättelysi on puutteellista tai laskelmasi virheellisiä.
Arviointikriteerit, hyvä (3-4)
Hyvä 3
Olet saavuttanut tavoitellut osaamiset. Tunnet lähes kaikki käsitteet ja menetelmät ja osaat soveltaa niitä itsellesi tutuissa tilanteissa usein täydellisesti päätellen ja virheettömästi laskien.
Kiitettävä 4
Olet saavuttanut tavoitellut osaamiset. Tunnet lähes kaikki käsitteet ja menetelmät ja osaat soveltaa niitä myös itsellesi uusissa tilanteissa lähes aina täydellisesti päätellen ja virheettömästi laskien.
Arviointikriteerit, kiitettävä (5)
Erinomainen 5
Olet saavuttanut tavoitellut osaamiset. Tunnet kaikki käsitteet ja menetelmät ja osaat soveltaa niitä itsellesi uusissa tilanteissa asioita yhdistellen, täydellisesti päätellen ja virheettömästi laskien.
Esitietovaatimukset
Hallitset tilastomatematiikan perusteet ja niihin liittyvät Excelin toiminnot.
Enrollment
01.08.2022 - 25.08.2022
Timing
29.08.2022 - 14.10.2022
Number of ECTS credits allocated
3 op
Mode of delivery
Face-to-face
Unit
School of Technology
Campus
Main Campus
Teaching languages
- English
Seats
0 - 25
Degree programmes
- Bachelor's Degree Programme in Purchasing and Logistics Engineering
Teachers
- Pasi Lehtola
Teacher in charge
Pasi Lehtola
Groups
-
TLP20S1Bachelor's Degree Programme in Purchasing and Logistics Engineering
-
TLP22VSBachelor's Degree Programme in Purchasing and Logistics Engineering (AMK) vaihto-opiskelu/Exchange studies
Objective
Purpose
After the course you will understand how analysis of statistical data can help an engineer to make better business decisions.
Learning outcomes
You can analyze, visualize and interpret small and big data to draw conclusions and make forecasts using statistical methods.
Content
Descriptive, exploratory, and prescriptive statistics
Confidence interval estimation and hypotheses testing
Multi-variable regression models
Time series analysis, smoothing and forecasting methods
Big data analysis using a computer
Use of Excel and some machine learning software
Oppimateriaali ja suositeltava kirjallisuus
Morrison, S. J. (2009) Introduction to engineering statistics. Hoboken, NJ: Wiley
Hoerl, R & Snee, R. (2012) Statistical Thinking: Improving Business Performance. Hoboken, NJ: Wiley
Kelleher, Mac Namee & D'Arcy (2020) Fundamentals of Machine Learning for Predictive Data Analytics. Cambridge, MA: MIT Press
Other material accessible in Moodle
Teaching methods
The contact lessons are in a computer class and involve use of computers. The theory should be independently acquired before class exercises. The learning is accomplished by assignments where theory is put into practice.
Exam schedules
The date and execution of the exam will be announced in the beginning of the course.
Vaihtoehtoiset suoritustavat
The admission procedures are described in the degree rule and the study guide.
Student workload
Contact lessons about 20 hours
Independent study about 20 hours
Learning tasks about 20 hours
Further information
The assessment is based on learning tasks and exams.
An equivalent course in English TZLM7300-3002 Data Analysis.
Open AMK: at most 5 students if there are seats in the classroom.
Evaluation scale
0-5
Arviointikriteerit, tyydyttävä (1-2)
Adequate 1
You have achieved the desired goals. You know a few of the concepts and methods and how to apply them in familiar situations but your reasoning is often deficient and you make mistakes in calculations.
Satisfactory 2
You have achieved the desired goals. You know many of the concepts and methods and how to apply them in familiar situations but your reasoning is sometimes deficient or you make mistakes in calculations.
Arviointikriteerit, hyvä (3-4)
Good 3
You have achieved the desired goals. You know most of the concepts and methods and how to apply them in familiar situations showing often the ability to reason completely and calculate flawlessly
Very good 4
You have achieved the desired goals. You know most of the concepts and methods and how to apply them in new situations showing in most cases the ability to reason completely and calculate flawlessly.
Assessment criteria, excellent (5)
Excellent 5
You have achieved the desired goals. You know all the concepts and methods and how to apply them in new situations showing always the ability to combine things, reason completely and calculate flawlessly.
Qualifications
You master basic statistics and related Excel functions.