AI / DA -ProjektiLaajuus (5 op)
Tunnus: TTC8070
Laajuus
5 op
Opetuskieli
- suomi
Vastuuhenkilö
- Antti Häkkinen
- Juha Peltomäki
Osaamistavoitteet
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
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.
Arviointikriteerit, tyydyttävä (1)
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)
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.
Enrollment
20.11.2023 - 04.01.2024
Timing
04.03.2024 - 30.04.2024
Number of ECTS credits allocated
5 op
Virtual portion
5 op
Mode of delivery
Online learning
Unit
School of Technology
Teaching languages
- English
Seats
0 - 30
Degree programmes
- Bachelor's Degree Programme in Information and Communications Technology
- Bachelor's Degree Programme in Information and Communications Technology
Teachers
- Juha Peltomäki
- Antti Häkkinen
Groups
-
TTV21S3Tieto- ja viestintätekniikka (AMK)
-
TTV21S5Tieto- ja viestintätekniikka (AMK)
-
TTV21SMTieto- ja viestintätekniikka (AMK)
-
TIC21S1Bachelor's Degree Programme in Information and Communications Technology
-
TTV21S2Tieto- ja viestintätekniikka (AMK)
-
ZJA24KTIDA2Avoin amk, Data-analytiikka 2, Verkko
-
TTV21S1Tieto- ja viestintätekniikka (AMK)
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.