Skip to main content

Data Analysis (3 op)

Toteutuksen tunnus: TZLM7300-3001

Toteutuksen perustiedot


Ilmoittautumisaika

01.08.2022 - 25.08.2022

Ajoitus

29.08.2022 - 14.10.2022

Opintopistemäärä

3 op

Toteutustapa

Lähiopetus

Yksikkö

School of Technology

Toimipiste

Main Campus

Opetuskielet

  • Suomi

Paikat

0 - 50

Koulutus

  • Bachelor's Degree Programme in Logistics

Opettaja

  • Ida Arhosalo

Vastuuopettaja

Ida Arhosalo

Ajoitusryhmät

  • TLS20SA (Capacity: 30. Avoin AMK: 0.)
  • TLS20SB (Capacity: 30. Avoin AMK: 0.)

Ryhmät

  • TLS20S1
    Bachelor's Degree Programme in Logistics

Pienryhmät

  • TLS20SA
  • TLS20SB

Objectives

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.

Content

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

Learning materials and recommended literature

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.

Teaching methods

Opetus tapahtuu mikroluokassa ja sisältää harjoittelua tietokoneella. Tietoperusta omaksutaan itsenäisesti opiskelemalla ennen harjoittelua. Osaaminen saavutetaan soveltavilla oppimistehtävillä.

Exam dates and retake possibilities

Tentin ajankohta ja suoritustapa ilmoitetaan opintojakson alussa.

Alternative completion methods

Hyväksilukemisen menettelytavat kuvataan tutkintosäännössä ja opinto-oppaassa.

Student workload

Kontaktitunnit noin 20 tuntia
Itsenäinen opiskelu noin 20 tuntia
Oppimistehtävät noin 20 tuntia

Further information for students

Osaamisen arviointi perustuu oppimistehtäviin ja kokeeseen.

Korvaava englanninkielinen toteutus TZLM7300-3002 Data Analysis.

Avoin AMK: enintään 5 opiskelijaa, jos luokassa on tilaa.

Evaluation scale

0-5

Evaluation criteria, satisfactory (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.

Evaluation criteria, good (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.

Evaluation criteria, excellent (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.

Prerequisites

Hallitset tilastomatematiikan perusteet ja niihin liittyvät Excelin toiminnot.