Data analytiikan ja koneoppimisen käytänteet (TTC8020-3005)

Opiskelija ymmärtää data-analytiikan ja koneoppimisen käytänteet ja projektin rakenteen ja kulun. Opiskelija ymmärtää, millä tavalla datapohjainen projekti suunnitellaan, rakennetaan ja toteutetaan. Opiskelija tunnistaa myös datapohjaisten projektien keskeisen terminologian ja yleisimmät käytänteet. Opiskelija ymmärtää datan visualisoinnin merkityksen. Opiskelija tietää opetus- ja testijoukon käsitteet ja yleisimmät tavat niihin jakamiseen. Opiskelija saa perustiedot käytetyimmistä data-analytiikan ja koneoppimisen työkaluista.

EU-KN EUR-ACE Tieto ja ymmärrys
EA-EE: EUR-ACE Tekninen suunnittelu

- 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 työkaluihinlut ja niiden käytännön osaaminen

Tyydyttävä 2: Opiskelija tuntee data-analytiikka ja koneoppimisen projektin eri vaiheet. Opiskelija osaa suunnitella data-analyytikan ja koneoppimisen projektin vaiheet. Lisäksi opiskelija osaa pintapuolisesti toteutuksensa ja perustella johtopäätökset.

Välttävä 1: Opiskelija tuntee data-analytiikka ja koneoppimisen projektin eri vaiheet. Opiskelija osaa pintapuolisesti suunnitella data-analyytikan ja koneoppimisen projektin vaiheet. Lisäksi opiskelija osaa arvioida suppeasti toteutuksensa ja tekemänsä johtopäätökset.

Kiitettävä 4: Opiskelija tuntee data-analytiikka ja koneoppimisen projektin eri vaiheet ja osaa systemaattisesti edetä vaihe vaiheelta. Opiskelija osaa suunnitella data-analyytikan ja koneoppimisen projektin vaiheet riippumatta ratkaistavasta ongelmasta. Lisäksi opiskelija osaa monipuolisesti arvioida toteutuksensa ja perustella johtopäätökset.

Hyvä 3: Opiskelija tuntee data-analytiikka ja koneoppimisen projektin eri vaiheet ja osaa edetä vaihe vaiheelta. Opiskelija osaa suunnitella data-analyytikan ja koneoppimisen projektin vaiheet riippumatta ratkaistavasta ongelmasta. Lisäksi opiskelija osaa monipuolisesti arvioida toteutuksensa ja perustella johtopäätökset.

Erinomainen 5: Opiskelija tuntee data-analytiikka ja koneoppimisen projektin eri vaiheet ja osaa systemaattisesti edetä vaihe vaiheelta. Opiskelija osaa suunnitella data-analyytikan ja koneoppimisen projektin vaiheet riippumatta ratkaistavasta ongelmasta. Lisäksi opiskelija osaa arvioida kriittisesti toteutuksensa ja perustella johtopäätökset.

Suomi

Opintojakso toteutetaan syyslukukaudella 2022.

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

Materiaali harjoitustehtäviä ja opiskeltavia asiasisältöjä varten jaetaan kurssin aikana.

Juha Peltomäki

Opintojakson sisältö pyritään kytkemään työelämässä esiintyviin ongelmiin.

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

05.09.2022 - 16.10.2022

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

ZJA22STIDA1

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

Arviointimenetelmät käydään läpi opintojakson alussa.

Tieto- ja viestintätekniikka (AMK)

Lähiopetus

4 op

Teknologiayksikkö