• Data analytiikan ja koneoppimisen käytänteet (TTC8020-3005),
         05.09.2022 – 16.10.2022,  4 op  (ZJA22STIDA1) — Lähiopetus +-
    Osaamistavoitteet
    Ymmärrät data-analytiikan ja koneoppimisen käytänteet ja projektin rakenteen ja kulun. Ymmärrät, millä tavalla datapohjainen projekti suunnitellaan, rakennetaan ja toteutetaan. Tunnistat myös datapohjaisten projektien keskeisen terminologian ja yleisimmät käytänteet. Ymmärrät datan visualisoinnin merkityksen. Tiedät opetus- ja testijoukon käsitteet ja yleisimmät tavat niihin jakamiseen. Saat perustiedot käytetyimmistä data-analytiikan ja koneoppimisen työkaluista.

    EUR-ACE-osaamiset:
    Tieto ja ymmärrys
    Tekniikan soveltaminen käytäntöön
    Sisältö
    - Dataan pohjautuvan projektin rakenne ja toteutus
    - Data-analytiikan ja koneoppimisen käytänteet
    - Opetus- ja testijoukon käsitteet ja yleisimmät tavat niiden jakamiseen
    - Datapohjaisen projektin dokumentointi ja visualisointi
    - Esittely data-analytiikka ja koneoppimisen yleisimpiin työkaluihin ja niihin tarvittava käytännön osaaminen
    Arviointikriteerit
    Arviointikriteeri - arvosana 1 ja 2
    Tyydyttävä 2: Tunnet data-analytiikka ja koneoppimisen projektin eri vaiheet. Osaat suunnitella data-analytiikan ja koneoppimisen projektin vaiheet. Lisäksi osaat pintapuolisesti toteutuksensa ja perustella johtopäätökset.

    Välttävä 1: Tunnet data-analytiikka ja koneoppimisen projektin eri vaiheet. Osaat pintapuolisesti suunnitella data-analytiikan ja koneoppimisen projektin vaiheet. Lisäksi osaat arvioida suppeasti toteutuksensa ja tekemänsä johtopäätökset.
    Arviointikriteeri - arvosana 3 ja 4
    Kiitettävä 4: Tunnet data-analytiikka ja koneoppimisen projektin eri vaiheet ja osaa systemaattisesti edetä vaihe vaiheelta. Osaat suunnitella data-analytiikan ja koneoppimisen projektin vaiheet riippumatta ratkaistavasta ongelmasta. Lisäksi osaat monipuolisesti arvioida toteutuksensa ja perustella johtopäätökset.

    Hyvä 3: Tunnet data-analytiikka ja koneoppimisen projektin eri vaiheet ja osaa edetä vaihe vaiheelta. Osaat suunnitella data-analytiikan ja koneoppimisen projektin vaiheet riippumatta ratkaistavasta ongelmasta. Lisäksi osaat monipuolisesti arvioida toteutuksensa ja perustella johtopäätökset.
    Arviointikriteeri - arvosana 5
    Erinomainen 5: Tunnet data-analytiikka ja koneoppimisen projektin eri vaiheet ja osaa systemaattisesti edetä vaihe vaiheelta. Osaat suunnitella data-analytiikan ja koneoppimisen projektin vaiheet riippumatta ratkaistavasta ongelmasta. Lisäksi osaat arvioida kriittisesti toteutuksensa ja perustella johtopäätökset.

    Opetuskieli

    Suomi

    Aika ja paikka

    Opintojakso toteutetaan syyslukukaudella 2022.

    Opetusmenetelmät ja ohjaus

    Virtuaalinen opiskelu sisältäen harjoitustehtävien tekemisen sekä niihin liittyviin luento- ja esimerkkimateriaaleihin perehtymisen.
    Harjoitustehtävät tehdään pääsääntöisesti ryhmätöinä.

    Oppimateriaali ja suositeltava kirjallisuus

    Materiaali harjoitustehtäviä ja opiskeltavia asiasisältöjä varten jaetaan kurssin aikana.

    Opettaja

    Juha Peltomäki

    Työelämäyhteydet

    Opintojakson sisältö pyritään kytkemään työelämässä esiintyviin ongelmiin.

    Tenttien ajankohdat ja uusintamahdollisuudet

    Opintojakso arvioidaan palautettujen harjoitustehtävien avulla. Palautukset tulee suorittaa annettuihin aikatauluihin mennessä.

    Ajoitus

    05.09.2022 - 16.10.2022

    Opiskelijan oppimistehtävät ja ajankäyttö

    Yhden opintopisteen työmäärä vastaa 27 tunnin opiskelutyötä. Yhteensä opiskelutyömäärä (4 op) kurssilla on 108 tuntia.

    Ryhmä
    • ZJA22STIDA1
    Toteutuksen valinnaiset oppimistavat

    Hyväksilukemisen menettelytavat kuvataan tutkintosäännössä ja opinto-oppaassa. Opintojakson opettaja antaa lisätietoa mahdollisista opintojakson erityiskäytänteistä.

    Arviointimenetelmät

    Arviointimenetelmät käydään läpi opintojakson alussa.

    Tutkinto-ohjelma

    Tieto- ja viestintätekniikka (AMK)

    Toteutustapa

    Lähiopetus

    Opintopistemäärä
    • 4 op
    Vastuuyksikkö

    Teknologiayksikkö