Opetussuunnitelmat

Objective

You understand and master the various phases of Data Analytics and Machine learning project. You are able to select the applicable methods for the problem to be solved and apply them to the problem to be solved. You are able to interpret the obtained results and draw conclusions based on them.

EUR-ACE Competences:
Knowledge and Understanding
Communication and team-working
Engineering Practice

Content

Analysis of pre-selected data in Python programming environment, includes all stages of data analysis and machine learning project:
- Data preprocessing
- Data description and descriptors
- Selection of a suitable predictive model and its implementation (at least two alternative models)
- Assessment of the accuracy of the predictive models
- Analysis of results

Location and time

Online implementation (group work and online guidance sessions)

Oppimateriaali ja suositeltava kirjallisuus

The material of other courses in the module of data analytics and artificial intelligence can be applied in this project implementation.

Teaching methods

The students implement the project as a group work. Guidance is organized online during the study period.

Employer connections

The aim is to connect the content of the course to problems that occur in working life.

Vaihtoehtoiset suoritustavat

The admission procedures are described in the degree rule and the study guide. The teacher of the course will give you more information on possible specific course practices.

Student workload

The number of credits (5 ECTS) corresponds to 135 hours of student work (project guidance sessions, group work in the project).

Further information

The phases of the project are evaluated for the whole group.
In the course, the areas of the projects are evaluated according to the given schedule.

Evaluation scale

0-5

Arviointikriteerit, tyydyttävä (1-2)

Satisfactory 2: You know the various phases of a data analytics and machine learning project. You are able to select the most common techniques for the problem to be solved and are able to apply your technical know-how to practice. In addition, you are able to assess your implementation and validate the conclusions.

Sufficient 1: You know the various phases of a data analytics and machine learning project. You know the most common techniques and are able to apply them to practice. Additionally, you are able to assess briefly your implementation and validate the conclusions.

Arviointikriteerit, hyvä (3-4)

Very good 4: You know the various phases of a data analytics and machine learning project and are able to proceed systematically step by step. You are able to select the correct techniques regardless of the problem to be solved and are able to apply your technical know-how to practice. In addition, you are able to assess your implementation and validate the conclusions.

Good 3: You know the various phases of a data analytics and machine learning project and are able to proceed step by step. You are able to select the most common techniques for the problem to be solved and are able to apply your technical know-how to practice. Additionally, you are able to assess your implementation and validate the conclusions.

Assessment criteria, excellent (5)

Excellent 5: You know the various phases of a data analytics and machine learning project and are able to proceed systematically step by step. You are able to select the correct techniques regardless of the problem to be solved and are able to apply your technical know-how to practice. Additionally, you are able to critically assess your implementation and validate the conclusions.

Qualifications

Basics in computing and programming, knowledge and know-how of Python programming language.

Additionally, courses in Computational algorithms, Data analytics and Machine Learning Practice, Data Preprocessing, Data Analysis and Visualization, Machine Learning and Deep Learning.

Tavoitteet

Ymmärrät ja hallitset projektin eri vaiheet data-analytiikan ja koneoppimisen projektissa. Osaat valita soveltuvat menetelmät ratkaistavaan ongelmaan ja soveltaa niitä ratkaistavaan ongelmaan. Osaat tulkita saamiaan tuloksia ja tehdä niiden pohjalta johtopäätöksiä.

EUR-ACE-osaamiset:
Tieto ja ymmärrys
Viestintä ja tiimityö
Tekniikan soveltaminen käytäntöön

Sisältö

Ennalta määritettyyn dataan perustuva data-analytiikan ja koneoppimisen projekti Python-ohjelmointiympäristössä, joka sisältää seuraavat projektin vaiheet:
- Datan esikäsittely
- Datan kuvailu, tunnusluvut ja kuvaajat
- Sopivan ennustemallin valinta ja toteutus (vähintään 2 vaihtoehtoista mallia)
- Ennustemallien tarkkuuden arviointi
- Tulosten analysointi

Aika ja paikka

Verkkototeutus (ryhmätyöskentely ja ohjaus verkossa)

Oppimateriaali ja suositeltava kirjallisuus

Data-analytiikan ja tekoälyn erikoistumismoduulin muiden opintojaksojen materiaali on sovellettavissa tässä projektitoteutuksessa.

Opetusmenetelmät

Opiskelijat toteuttavat projektin ryhmätyönä. Ohjausta järjestetään opintojakson aikana verkossa.

Harjoittelu- ja työelämäyhteistyö

Opintojakson sisältö pyritään kytkemään työelämässä esiintyviin ongelmiin.

Vaihtoehtoiset suoritustavat

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

Opiskelijan ajankäyttö ja kuormitus

Opintopistemäärä vastaa 135 tuntia (5 op.) opiskelijatyötä (projektin ohjaustilaisuudet, ryhmätyöskentely projektissa).

Lisätietoja opiskelijoille

Projektin osavaiheet arvioidaan koko ryhmän osalta.
Opintojaksossa arvioidaan projektien osa-alueet annetun aikataulun mukaisesti.

Arviointiasteikko

0-5

Arviointikriteerit, tyydyttävä (1-2)

Tyydyttävä 2: Tunnet data-analytiikka ja koneoppimisen projektin eri vaiheet. Osaat valita yleisimmät tekniikat ratkaistavaan ongelmaan ja osaat soveltaa teknistä osaamistaan käytännössä. Lisäksi osaat pintapuolisesti arvioida toteutuksesi ja perustella johtopäätöksesi.

Välttävä 1: Tunnet data-analytiikka ja koneoppimisen projektin eri vaiheet. Osaat yleisimmät tekniikat ja osaat soveltaa yleisimpiä tekniikoita. Lisäksi osaat arvioida suppeasti toteutuksesi ja perustella johtopäätöksesi.

Arviointikriteerit, hyvä (3-4)

Kiitettävä 4: Tunnet data-analytiikka ja koneoppimisen projektin eri vaiheet ja osaat systemaattisesti edetä vaihe vaiheelta. Osaat valita oikeat tekniikat riippumatta ratkaistavasta ongelmasta ja osaat soveltaa teknistä osaamistaan käytännössä. Lisäksi osaat monipuolisesti arvioida toteutuksesi ja perustella johtopäätökset.

Hyvä 3: Tunnet data-analytiikka ja koneoppimisen projektin eri vaiheet ja osaat edetä vaihe vaiheelta. Osaat valita yleisimmät tekniikat ratkaistavaan ongelmaan ja osaat soveltaa teknistä osaamistaan käytännössä. Lisäksi osaat monipuolisesti arvioida toteutuksesi ja perustella johtopäätökset.

Arviointikriteerit, kiitettävä (5)

Erinomainen 5: Tunnet data-analytiikka ja koneoppimisen projektin eri vaiheet ja osaat systemaattisesti edetä vaihe vaiheelta. Osaat valita oikeat tekniikat riippumatta ratkaistavasta ongelmasta ja osaat soveltaa teknistä osaamistaan käytännössä. Lisäksi osaat arvioida kriittisesti toteutuksesi ja perustella johtopäätökset.

Esitietovaatimukset

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

Lisäksi Laskennalliset algoritmit, Data analytiikan ja koneoppimisen käytänteet, Datan esikäsittely, Datan analysointi ja visualisointi, Koneoppiminen, Syväoppiminen opintojaksot.

Tavoitteet

Ymmärrät ja hallitset projektin eri vaiheet data-analytiikan ja koneoppimisen projektissa. Osaat valita soveltuvat menetelmät ratkaistavaan ongelmaan ja soveltaa niitä ratkaistavaan ongelmaan. Osaat tulkita saamiaan tuloksia ja tehdä niiden pohjalta johtopäätöksiä.

EUR-ACE-osaamiset:
Tieto ja ymmärrys
Viestintä ja tiimityö
Tekniikan soveltaminen käytäntöön

Sisältö

Ennalta määritettyyn dataan perustuva data-analytiikan ja koneoppimisen projekti Python-ohjelmointiympäristössä, joka sisältää seuraavat projektin vaiheet:
- Datan esikäsittely
- Datan kuvailu, tunnusluvut ja kuvaajat
- Sopivan ennustemallin valinta ja toteutus (vähintään 2 vaihtoehtoista mallia)
- Ennustemallien tarkkuuden arviointi
- Tulosten analysointi

Aika ja paikka

Verkkototeutus (ryhmätyöskentely ja ohjaus verkossa)

Oppimateriaali ja suositeltava kirjallisuus

Data-analytiikan ja tekoälyn erikoistumismoduulin muiden opintojaksojen materiaali on sovellettavissa tässä projektitoteutuksessa.

Opetusmenetelmät

Opiskelijat toteuttavat projektin ryhmätyönä. Ohjausta järjestetään opintojakson aikana verkossa.

Harjoittelu- ja työelämäyhteistyö

Opintojakson sisältö pyritään kytkemään työelämässä esiintyviin ongelmiin.

Opiskelijan ajankäyttö ja kuormitus

Opintopistemäärää vastaava tuntimäärä 135 tuntia (projektin ohjaustilaisuudet, ryhmätyöskentely projektissa)

Lisätietoja opiskelijoille

Projektin osa-alueet arvioidaan koko ryhmän osalta.
Opintojaksossa arvioidaan projektien osa-alueet annetun aikataulun mukaisesti.

Arviointiasteikko

0-5

Arviointikriteerit, tyydyttävä (1-2)

Tyydyttävä 2: Tunnet data-analytiikka ja koneoppimisen projektin eri vaiheet. Osaat valita yleisimmät tekniikat ratkaistavaan ongelmaan ja osaat soveltaa teknistä osaamistaan käytännössä. Lisäksi osaat pintapuolisesti arvioida toteutuksesi ja perustella johtopäätöksesi.

Välttävä 1: Tunnet data-analytiikka ja koneoppimisen projektin eri vaiheet. Osaat yleisimmät tekniikat ja osaat soveltaa yleisimpiä tekniikoita. Lisäksi osaat arvioida suppeasti toteutuksesi ja perustella johtopäätöksesi.

Arviointikriteerit, hyvä (3-4)

Kiitettävä 4: Tunnet data-analytiikka ja koneoppimisen projektin eri vaiheet ja osaat systemaattisesti edetä vaihe vaiheelta. Osaat valita oikeat tekniikat riippumatta ratkaistavasta ongelmasta ja osaat soveltaa teknistä osaamistaan käytännössä. Lisäksi osaat monipuolisesti arvioida toteutuksesi ja perustella johtopäätökset.

Hyvä 3: Tunnet data-analytiikka ja koneoppimisen projektin eri vaiheet ja osaat edetä vaihe vaiheelta. Osaat valita yleisimmät tekniikat ratkaistavaan ongelmaan ja osaat soveltaa teknistä osaamistaan käytännössä. Lisäksi osaat monipuolisesti arvioida toteutuksesi ja perustella johtopäätökset.

Arviointikriteerit, kiitettävä (5)

Erinomainen 5: Tunnet data-analytiikka ja koneoppimisen projektin eri vaiheet ja osaat systemaattisesti edetä vaihe vaiheelta. Osaat valita oikeat tekniikat riippumatta ratkaistavasta ongelmasta ja osaat soveltaa teknistä osaamistaan käytännössä. Lisäksi osaat arvioida kriittisesti toteutuksesi ja perustella johtopäätökset.

Esitietovaatimukset

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

Lisäksi Laskennalliset algoritmit, Data analytiikan ja koneoppimisen käytänteet, Datan esikäsittely, Datan analysointi ja visualisointi, Koneoppiminen, Syväoppiminen opintojaksot.

Tavoitteet

Ymmärrät ja hallitset projektin eri vaiheet data-analytiikan ja koneoppimisen projektissa. Osaat valita soveltuvat menetelmät ratkaistavaan ongelmaan ja soveltaa niitä ratkaistavaan ongelmaan. Osaat tulkita saamiaan tuloksia ja tehdä niiden pohjalta johtopäätöksiä.

EUR-ACE-osaamiset:
Tieto ja ymmärrys
Viestintä ja tiimityö
Tekniikan soveltaminen käytäntöön

Sisältö

Ennalta määritettyyn dataan perustuva data-analytiikan ja koneoppimisen projekti Python-ohjelmointiympäristössä, joka sisältää seuraavat projektin vaiheet:
- Datan esikäsittely
- Datan kuvailu, tunnusluvut ja kuvaajat
- Sopivan ennustemallin valinta ja toteutus (vähintään 2 vaihtoehtoista mallia)
- Ennustemallien tarkkuuden arviointi
- Tulosten analysointi

Aika ja paikka

Verkkototeutus (ryhmätyöskentely ja ohjaus verkossa)

Oppimateriaali ja suositeltava kirjallisuus

Data-analytiikan ja tekoälyn erikoistumismoduulin muiden opintojaksojen materiaali on sovellettavissa tässä projektitoteutuksessa.

Opetusmenetelmät

Opiskelijat toteuttavat projektin ryhmätyönä. Ohjausta järjestetään opintojakson aikana verkossa.

Harjoittelu- ja työelämäyhteistyö

Opintojakson sisältö pyritään kytkemään työelämässä esiintyviin ongelmiin.

Opiskelijan ajankäyttö ja kuormitus

Opintopistemäärää vastaava tuntimäärä 135 tuntia (projektin ohjaustilaisuudet, ryhmätyöskentely projektissa)

Lisätietoja opiskelijoille

Projektin osa-alueet arvioidaan koko ryhmän osalta.
Opintojaksossa arvioidaan projektien osa-alueet annetun aikataulun mukaisesti.

Arviointiasteikko

0-5

Arviointikriteerit, tyydyttävä (1-2)

Tyydyttävä 2: Tunnet data-analytiikka ja koneoppimisen projektin eri vaiheet. Osaat valita yleisimmät tekniikat ratkaistavaan ongelmaan ja osaat soveltaa teknistä osaamistaan käytännössä. Lisäksi osaat pintapuolisesti arvioida toteutuksesi ja perustella johtopäätöksesi.

Välttävä 1: Tunnet data-analytiikka ja koneoppimisen projektin eri vaiheet. Osaat yleisimmät tekniikat ja osaat soveltaa yleisimpiä tekniikoita. Lisäksi osaat arvioida suppeasti toteutuksesi ja perustella johtopäätöksesi.

Arviointikriteerit, hyvä (3-4)

Kiitettävä 4: Tunnet data-analytiikka ja koneoppimisen projektin eri vaiheet ja osaat systemaattisesti edetä vaihe vaiheelta. Osaat valita oikeat tekniikat riippumatta ratkaistavasta ongelmasta ja osaat soveltaa teknistä osaamistaan käytännössä. Lisäksi osaat monipuolisesti arvioida toteutuksesi ja perustella johtopäätökset.

Hyvä 3: Tunnet data-analytiikka ja koneoppimisen projektin eri vaiheet ja osaat edetä vaihe vaiheelta. Osaat valita yleisimmät tekniikat ratkaistavaan ongelmaan ja osaat soveltaa teknistä osaamistaan käytännössä. Lisäksi osaat monipuolisesti arvioida toteutuksesi ja perustella johtopäätökset.

Arviointikriteerit, kiitettävä (5)

Erinomainen 5: Tunnet data-analytiikka ja koneoppimisen projektin eri vaiheet ja osaat systemaattisesti edetä vaihe vaiheelta. Osaat valita oikeat tekniikat riippumatta ratkaistavasta ongelmasta ja osaat soveltaa teknistä osaamistaan käytännössä. Lisäksi osaat arvioida kriittisesti toteutuksesi ja perustella johtopäätökset.

Esitietovaatimukset

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

Lisäksi Laskennalliset algoritmit, Data analytiikan ja koneoppimisen käytänteet, Datan esikäsittely, Datan analysointi ja visualisointi, Koneoppiminen, Syväoppiminen opintojaksot.

Tavoitteet

Ymmärrät ja hallitset projektin eri vaiheet data-analytiikan ja koneoppimisen projektissa. Osaat valita soveltuvat menetelmät ratkaistavaan ongelmaan ja soveltaa niitä ratkaistavaan ongelmaan. Osaat tulkita saamiaan tuloksia ja tehdä niiden pohjalta johtopäätöksiä.

EUR-ACE-osaamiset:
Tieto ja ymmärrys
Viestintä ja tiimityö
Tekniikan soveltaminen käytäntöön

Sisältö

Ennalta määritettyyn dataan perustuva data-analytiikan ja koneoppimisen projekti Python-ohjelmointiympäristössä, joka sisältää seuraavat projektin vaiheet:
- Datan esikäsittely
- Datan kuvailu, tunnusluvut ja kuvaajat
- Sopivan ennustemallin valinta ja toteutus (vähintään 2 vaihtoehtoista mallia)
- Ennustemallien tarkkuuden arviointi
- Tulosten analysointi

Aika ja paikka

Verkkototeutus (ryhmätyöskentely ja ohjaus verkossa)

Oppimateriaali ja suositeltava kirjallisuus

Data-analytiikan ja tekoälyn erikoistumismoduulin muiden opintojaksojen materiaali on sovellettavissa tässä projektitoteutuksessa.

Opetusmenetelmät

Opiskelijat toteuttavat projektin ryhmätyönä. Ohjausta järjestetään opintojakson aikana verkossa.

Harjoittelu- ja työelämäyhteistyö

Opintojakson sisältö pyritään kytkemään työelämässä esiintyviin ongelmiin.

Opiskelijan ajankäyttö ja kuormitus

Opintopistemäärää vastaava tuntimäärä 135 tuntia (projektin ohjaustilaisuudet, ryhmätyöskentely projektissa)

Lisätietoja opiskelijoille

Projektin osa-alueet arvioidaan koko ryhmän osalta.
Opintojaksossa arvioidaan projektien osa-alueet annetun aikataulun mukaisesti.

Arviointiasteikko

0-5

Arviointikriteerit, tyydyttävä (1-2)

Tyydyttävä 2: Tunnet data-analytiikka ja koneoppimisen projektin eri vaiheet. Osaat valita yleisimmät tekniikat ratkaistavaan ongelmaan ja osaat soveltaa teknistä osaamistaan käytännössä. Lisäksi osaat pintapuolisesti arvioida toteutuksesi ja perustella johtopäätöksesi.

Välttävä 1: Tunnet data-analytiikka ja koneoppimisen projektin eri vaiheet. Osaat yleisimmät tekniikat ja osaat soveltaa yleisimpiä tekniikoita. Lisäksi osaat arvioida suppeasti toteutuksesi ja perustella johtopäätöksesi.

Arviointikriteerit, hyvä (3-4)

Kiitettävä 4: Tunnet data-analytiikka ja koneoppimisen projektin eri vaiheet ja osaat systemaattisesti edetä vaihe vaiheelta. Osaat valita oikeat tekniikat riippumatta ratkaistavasta ongelmasta ja osaat soveltaa teknistä osaamistaan käytännössä. Lisäksi osaat monipuolisesti arvioida toteutuksesi ja perustella johtopäätökset.

Hyvä 3: Tunnet data-analytiikka ja koneoppimisen projektin eri vaiheet ja osaat edetä vaihe vaiheelta. Osaat valita yleisimmät tekniikat ratkaistavaan ongelmaan ja osaat soveltaa teknistä osaamistaan käytännössä. Lisäksi osaat monipuolisesti arvioida toteutuksesi ja perustella johtopäätökset.

Arviointikriteerit, kiitettävä (5)

Erinomainen 5: Tunnet data-analytiikka ja koneoppimisen projektin eri vaiheet ja osaat systemaattisesti edetä vaihe vaiheelta. Osaat valita oikeat tekniikat riippumatta ratkaistavasta ongelmasta ja osaat soveltaa teknistä osaamistaan käytännössä. Lisäksi osaat arvioida kriittisesti toteutuksesi ja perustella johtopäätökset.

Esitietovaatimukset

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

Lisäksi Laskennalliset algoritmit, Data analytiikan ja koneoppimisen käytänteet, Datan esikäsittely, Datan analysointi ja visualisointi, Koneoppiminen, Syväoppiminen opintojaksot.