Datan analysointiLaajuus (4 op)

Osaamistavoitteet

Opiskelija ymmärtää data-analytiikan merkityksen digitalisoituvassa toimintaympäristössä. Opiskelija tietää yleisimmät data-analytiikan menetelmät, osaa soveltaa niitä käytännössä olemassa olevaan dataan sekä tulkita menetelmien tulokset.

Sisältö

• Python data-analytikka kirjastot: NumPy, Pandas ja Matplotlib
• Datan visualisointi: kuvaajien luominen ja analysointi
• Puuttuvien arvojen (missing values) käsittely
• Outliers
• Tunnusluvut: Keskiarvo, keskihajonta, korrelaatiokerroin ja niiden tulkinta
• Todennäköisyysjakauman käsite (erityisesti normaalijakauma), luottamusväli ja hypoteesin testaus.
• Lineaarinen/logistinen Regressio

Esitietovaatimukset

Tietotekniikan peruskäyttätaidot, ohjelmoinnin perusosaaminen, Python-ohjelmointikielen tunteminen ja osaaminen.

Arviointikriteerit, tyydyttävä (1)

Erinomainen 5: Opiskelija tunnistaa data-analytiikan tuomat hyödyt digitalisaation aikakautena. Opiskelija osaa data-analytiikan yleisimmin käytetyt tekniikat ja osaa kriittisesti perustella käytettyjen tekniikoiden käytön erilaisissa datan analysointi tehtävissä. Hän osaa kriittisesti perustella ja valita oikeat tekniikat datan analysoinnissa riippumatta analysoitavasta datasta ja osaa soveltaa teknistä osaamistaan käytännössä. Lisäksi opiskelija osaa arvioida kriittisesti toteutuksensa ja perustella sen kehittämistä.

Kiitettevä 4: Opiskelija tunnistaa data-analytiikan tuomat hyödyt digitalisaation aikakautena. Opiskelija osaa data-analytiikan yleisimmin käytetyt tekniikat ja osaa laajasti perustella käytettyjen tekniikoiden käytön erilaisissa datan analysointi tehtävissä. Hän osaa monipuolisesti perustella ja valita oikeat tekniikat datan analysoinnissa ja hän osaa soveltaa teknistä osaamistaan käytännössä. Lisäksi opiskelija osaa arvioida perusteellisesti toteutuksensa ja perustella sen kehittämistä.

Hyvä 3: Opiskelija tiedostaa data-analytiikan hyödyt digitalisaation aikakautena. Opiskelija tietää data-analytiikan yleisimmin käytetyt tekniikat erilaisissa datan analysointi tehtävissä. Hän osaa perustella ja valita tekniikat datan analysoinnissa ja hän osaa soveltaa teknistä osaamistaan käytännössä. Lisäksi opiskelija osaa arvioida toteutuksensa ja perustella sen kehittämistä.

Tyydyttävä 2: Opiskelija tietää data-analytiikan yleisimmin käytetyt tekniikat datan analysointi tehtävissä. Hän osaa valita tekniikat datan analysoinnissa ja hän osaa soveltaa teknistä osaamistaan käytännössä. Lisäksi opiskelija osaa arvioida pintapuolisesti toteutuksensa.

Välttävä 1: Opiskelija tietää data-analytiikan yleisimmin käytetyt tekniikat datan analysointi tehtävissä. Hän osaa soveltaa yleisimpiä tekniikoita datan analysoinnissa. isäksi opiskelija osaa arvioida suppeasti toteutuksensa.

Hylätty 0: Ei hallitse aihealuetta