Datan esikäsittelyLaajuus (4 op)
Tunnus: TTC8030
Laajuus
4 op
Opetuskieli
- suomi
Vastuuhenkilö
- Antti Häkkinen
Osaamistavoitteet
Opintojakson jälkeen ymmärrät data-analytiikka prosessin ja sen tuomat haasteet. Osaat tunnistaa erilaiset dataformaatit, yleisimmät rajapintaratkaisut ja datan esikäsittelyssä käytetyt työkalut ja menetelmät. Lisäksi osaat soveltaa datan esikäsittelyssä tarvittavia menetelmiä.
EUR-ACE-osaamiset:
Tieto ja ymmärrys
Tekniikan soveltaminen käytäntöön
Sisältö
o Erilaiset datalähteet ja -formaatit, JSON, APIt, SQL:stä taulujen haku jne
o Muuttujatyypit
o Datan esikäsittely ennen analysointiohjelmaan tuomista
o Datan esikäsittely Pandasissa (Pandasin/DataFramen perusteet)
o Eri datalähteiden yhdistäminen
Esitietovaatimukset
Tietotekniikan peruskäyttätaidot, ohjelmoinnin perusosaaminen, Python-ohjelmointikielen tunteminen ja osaaminen.
Arviointikriteerit, tyydyttävä (1)
Tyydyttävä 2: Hallitset datan hakemisen valitusta lähteestä. Osaat toteuttaa datan esikäsittelyn datajoukoille. Osaat soveltaa saamaasi dataan esikäsittelyssä käytettyjä yksinkertaisia menetelmiä. Osaat arvioida omia ratkaisujasi datan esikäsittelyssä.
Välttävä 1: Tiedät ja ymmärrät datan merkityksen ja sen tuomat edut. Tiedät datan esikäsittelyn merkityksen ja yleisimmät menetelmät. Osaat soveltaa saamaasi dataan esikäsittelyssä käytettyjä yksinkertaisia menetelmiä.
Arviointikriteerit, hyvä (3)
Kiitettävä 4: Hallitset datan hakemisen erilaisista lähteistä. Osaat suunnitella ja toteuttaa datan esikäsittelyn erilaisille datajoukoille. Osaat soveltaa datan esikäsittelyssä käytettyjä menetelmiä laajasti. Osaat arvioida ja perustella omia ratkaisujasi datan esikäsittelyssä.
Hyvä 3: Hallitset datan hakemisen useammasta lähteestä. Osaat suunnitella ja toteuttaa datan esikäsittelyn datajoukoille. Osaat soveltaa datan esikäsittelyssä käytettyjä menetelmiä. Osaat arvioida ja perustella omia ratkaisujasi datan esikäsittelyssä.
Arviointikriteerit, kiitettävä (5)
Erinomainen 5: Hallitset datan hakemisen erilaisista lähteistä. Osaat suunnitella ja toteuttaa datan esikäsittelyn erilaisille datajoukoille. Osaat soveltaa datan esikäsittelyssä käytettyjä menetelmiä erittäin laajasti. Osaat kriittisesti arvioida ja perustella omia ratkaisujasi datan esikäsittelyssä.
Enrollment
18.11.2024 - 09.01.2025
Timing
20.01.2025 - 16.02.2025
Number of ECTS credits allocated
4 op
Virtual portion
4 op
Mode of delivery
Online learning
Unit
School of Technology
Teaching languages
- English
Seats
0 - 35
Degree programmes
- Bachelor's Degree Programme in Information and Communications Technology
- Bachelor's Degree Programme in Information and Communications Technology
Teachers
- Antti Häkkinen
Groups
-
TTV22S5Tieto- ja viestintätekniikka (AMK)
-
TTV22S2Tieto- ja viestintätekniikka (AMK)
-
TTV22S3Tieto- ja viestintätekniikka (AMK)
-
TIC22S1Bachelor's Degree Programme in Information and Communications Technology
-
TTV22S1Tieto- ja viestintätekniikka (AMK)
-
TTV22SMTieto- ja viestintätekniikka (AMK)
-
TTV22S4Tieto- ja viestintätekniikka (AMK)
-
TTV22SM2Tieto- ja viestintätekniikka (AMK)
-
ZJA25KTIDA1Avoin amk, Data-analytiikka 1, Verkko
Objective
After the course, you will understand the data analytics process and the challenges it brings. You can identify different data formats, the most common interface solutions and the tools and methods used in data preprocessing. In addition, you know how to apply the methods necessary for data preprocessing.
EUR-ACE Competences:
Knowledge and Understanding
Engineering Practice
Content
o Various data sources and data formats, JSON, APIt, retrieval of tables from SQL
o Types of variables
o Data preprocessing before bringing it into analysis program
o Data preprocessing in Pandas (basics of Pandas/DataFrames)
o Connecting various data sources
Location and time
The course is implemented online (no contact teaching). The student can proceed at his own pace during the course.
Oppimateriaali ja suositeltava kirjallisuus
Course website (lecture material, exercises, other instructions).
Teaching methods
The course includes assignments from different subject areas of the course.
Student workload
Environment preparations, exercises and familiarisation with the material 108 h. Total 108 h
Evaluation scale
0-5
Arviointikriteerit, tyydyttävä (1-2)
Satisfactory 2: The student masters data retrieval from a selected source. You are able to implement data preprocessing to datasets. You are able to apply simple methods used in data preprocessing to his/her data. You can assess your own solutions for data preprocessing.
Sufficient 1: You know and understand the significance of data and its advantages. You know the significance of data preprocessing and its most common methods. You are able to apply simple methods obtained and used in data preprocessing.
Arviointikriteerit, hyvä (3-4)
Very good 4: You master the retrieval of data from various sources. You are able to plan and implement data preprocessing for various datasets. You are able to apply the methods used in data preprocessing widely. You can assess and justify your own solutions for data preprocessing.
Good 3: You master data retrieval from several sources. You are able to plan and implement data preprocessign for datasets. You are able to apply methods used in data preprocessing. You can to assess and justify your own solutions for data preprocessing.
Assessment criteria, excellent (5)
Excellent 5: You master the retrieval of data from various sources. You are able to plan and implement data processing for various datasets. You are able to apply the methods used in data preprocessing. You can critically assess and justify your own solutions for data preprocessing.
Qualifications
Basic skills of computer use, basic skills in programming, knowledge of Python programming language.
Ilmoittautumisaika
01.08.2024 - 22.08.2024
Ajoitus
02.09.2024 - 06.10.2024
Opintopistemäärä
4 op
Virtuaaliosuus
4 op
Toteutustapa
Verkko-opetus
Yksikkö
Teknologiayksikkö
Opetuskielet
- Suomi
Paikat
0 - 35
Koulutus
- Tieto- ja viestintätekniikka (AMK)
Opettaja
- Antti Häkkinen
Ryhmät
-
TTV22S5Tieto- ja viestintätekniikka (AMK)
-
TTV22S2Tieto- ja viestintätekniikka (AMK)
-
TTV22S3Tieto- ja viestintätekniikka (AMK)
-
TTV22S1Tieto- ja viestintätekniikka (AMK)
-
TTV22SMTieto- ja viestintätekniikka (AMK)
-
TTV22S4Tieto- ja viestintätekniikka (AMK)
-
TTV22SM2Tieto- ja viestintätekniikka (AMK)
-
ZJA24STIDA1Avoin amk, Data-analytiikka 1, Verkko
Tavoitteet
Opintojakson jälkeen ymmärrät data-analytiikka prosessin ja sen tuomat haasteet. Osaat tunnistaa erilaiset dataformaatit, yleisimmät rajapintaratkaisut ja datan esikäsittelyssä käytetyt työkalut ja menetelmät. Lisäksi osaat soveltaa datan esikäsittelyssä tarvittavia menetelmiä.
EUR-ACE-osaamiset:
Tieto ja ymmärrys
Tekniikan soveltaminen käytäntöön
Sisältö
o Erilaiset datalähteet ja -formaatit, JSON, APIt, SQL:stä taulujen haku jne
o Muuttujatyypit
o Datan esikäsittely ennen analysointiohjelmaan tuomista
o Datan esikäsittely Pandasissa (Pandasin/DataFramen perusteet)
o Eri datalähteiden yhdistäminen
Aika ja paikka
Opintojakso toteutetaan verkkototeutuksena (ei kontaktiopetusta). Opiskelija voi edetä toteutuksella omaan tahtiin.
Oppimateriaali ja suositeltava kirjallisuus
Opintojakson verkkosivut (luentomateriaali, harjoitukset, muu ohjeistus).
Opetusmenetelmät
Opintojakso sisältää harjoitustehtäviä opintojakson eri aihealueilta.
Opiskelijan ajankäyttö ja kuormitus
Ympäristön valmistelut, harjoitukset ja materiaaliin tutustuminen 108 h. Yhteensä 108 h
Arviointiasteikko
0-5
Arviointikriteerit, tyydyttävä (1-2)
Tyydyttävä 2: Hallitset datan hakemisen valitusta lähteestä. Osaat toteuttaa datan esikäsittelyn datajoukoille. Osaat soveltaa saamaasi dataan esikäsittelyssä käytettyjä yksinkertaisia menetelmiä. Osaat arvioida omia ratkaisujasi datan esikäsittelyssä.
Välttävä 1: Tiedät ja ymmärrät datan merkityksen ja sen tuomat edut. Tiedät datan esikäsittelyn merkityksen ja yleisimmät menetelmät. Osaat soveltaa saamaasi dataan esikäsittelyssä käytettyjä yksinkertaisia menetelmiä.
Arviointikriteerit, hyvä (3-4)
Kiitettävä 4: Hallitset datan hakemisen erilaisista lähteistä. Osaat suunnitella ja toteuttaa datan esikäsittelyn erilaisille datajoukoille. Osaat soveltaa datan esikäsittelyssä käytettyjä menetelmiä laajasti. Osaat arvioida ja perustella omia ratkaisujasi datan esikäsittelyssä.
Hyvä 3: Hallitset datan hakemisen useammasta lähteestä. Osaat suunnitella ja toteuttaa datan esikäsittelyn datajoukoille. Osaat soveltaa datan esikäsittelyssä käytettyjä menetelmiä. Osaat arvioida ja perustella omia ratkaisujasi datan esikäsittelyssä.
Arviointikriteerit, kiitettävä (5)
Erinomainen 5: Hallitset datan hakemisen erilaisista lähteistä. Osaat suunnitella ja toteuttaa datan esikäsittelyn erilaisille datajoukoille. Osaat soveltaa datan esikäsittelyssä käytettyjä menetelmiä erittäin laajasti. Osaat kriittisesti arvioida ja perustella omia ratkaisujasi datan esikäsittelyssä.
Esitietovaatimukset
Tietotekniikan peruskäyttätaidot, ohjelmoinnin perusosaaminen, Python-ohjelmointikielen tunteminen ja osaaminen.
Enrollment
20.11.2023 - 04.01.2024
Timing
15.01.2024 - 18.02.2024
Number of ECTS credits allocated
4 op
Virtual portion
4 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
- 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)
-
ZJA24KTIDA1Avoin amk, Data-analytiikka 1, Verkko
-
TTV21S1Tieto- ja viestintätekniikka (AMK)
Objective
After the course, you will understand the data analytics process and the challenges it brings. You can identify different data formats, the most common interface solutions and the tools and methods used in data preprocessing. In addition, you know how to apply the methods necessary for data preprocessing.
EUR-ACE Competences:
Knowledge and Understanding
Engineering Practice
Content
o Various data sources and data formats, JSON, APIt, retrieval of tables from SQL
o Types of variables
o Data preprocessing before bringing it into analysis program
o Data preprocessing in Pandas (basics of Pandas/DataFrames)
o Connecting various data sources
Location and time
The course is implemented online (no contact teaching). The student can proceed at his own pace during the course.
Oppimateriaali ja suositeltava kirjallisuus
Course website (lecture material, exercises, other instructions).
Teaching methods
The course includes assignments from different subject areas of the course.
Student workload
Environment preparations, exercises and familiarisation with the material 108 h. Total 108 h
Evaluation scale
0-5
Arviointikriteerit, tyydyttävä (1-2)
Satisfactory 2: The student masters data retrieval from a selected source. You are able to implement data preprocessing to datasets. You are able to apply simple methods used in data preprocessing to his/her data. You can assess your own solutions for data preprocessing.
Sufficient 1: You know and understand the significance of data and its advantages. You know the significance of data preprocessing and its most common methods. You are able to apply simple methods obtained and used in data preprocessing.
Arviointikriteerit, hyvä (3-4)
Very good 4: You master the retrieval of data from various sources. You are able to plan and implement data preprocessing for various datasets. You are able to apply the methods used in data preprocessing widely. You can assess and justify your own solutions for data preprocessing.
Good 3: You master data retrieval from several sources. You are able to plan and implement data preprocessign for datasets. You are able to apply methods used in data preprocessing. You can to assess and justify your own solutions for data preprocessing.
Assessment criteria, excellent (5)
Excellent 5: You master the retrieval of data from various sources. You are able to plan and implement data processing for various datasets. You are able to apply the methods used in data preprocessing. You can critically assess and justify your own solutions for data preprocessing.
Qualifications
Basic skills of computer use, basic skills in programming, knowledge of Python programming language.
Ilmoittautumisaika
01.08.2023 - 24.08.2023
Ajoitus
11.09.2023 - 15.10.2023
Opintopistemäärä
4 op
Virtuaaliosuus
4 op
Toteutustapa
Verkko-opetus
Yksikkö
Teknologiayksikkö
Opetuskielet
- Suomi
Paikat
0 - 30
Koulutus
- Tieto- ja viestintätekniikka (AMK)
Opettaja
- Antti Häkkinen
Ryhmät
-
TTV21S3Tieto- ja viestintätekniikka (AMK)
-
TTV21S5Tieto- ja viestintätekniikka (AMK)
-
TTV21SMTieto- ja viestintätekniikka (AMK)
-
TTV21S2Tieto- ja viestintätekniikka (AMK)
-
ZJA23STIDA1Avoin amk, Data-analytiikka 1, Verkko
-
TTV21S1Tieto- ja viestintätekniikka (AMK)
Tavoitteet
Opintojakson jälkeen ymmärrät data-analytiikka prosessin ja sen tuomat haasteet. Osaat tunnistaa erilaiset dataformaatit, yleisimmät rajapintaratkaisut ja datan esikäsittelyssä käytetyt työkalut ja menetelmät. Lisäksi osaat soveltaa datan esikäsittelyssä tarvittavia menetelmiä.
EUR-ACE-osaamiset:
Tieto ja ymmärrys
Tekniikan soveltaminen käytäntöön
Sisältö
o Erilaiset datalähteet ja -formaatit, JSON, APIt, SQL:stä taulujen haku jne
o Muuttujatyypit
o Datan esikäsittely ennen analysointiohjelmaan tuomista
o Datan esikäsittely Pandasissa (Pandasin/DataFramen perusteet)
o Eri datalähteiden yhdistäminen
Aika ja paikka
Opintojakso toteutetaan verkkototeutuksena (ei kontaktiopetusta). Opiskelija voi edetä toteutuksella omaan tahtiin.
Oppimateriaali ja suositeltava kirjallisuus
Opintojakson verkkosivut (luentomateriaali, harjoitukset, muu ohjeistus).
Opetusmenetelmät
Opintojakso sisältää harjoitustehtäviä opintojakson eri aihealueilta.
Opiskelijan ajankäyttö ja kuormitus
Ympäristön valmistelut, harjoitukset ja materiaaliin tutustuminen 108 h. Yhteensä 108 h
Arviointiasteikko
0-5
Arviointikriteerit, tyydyttävä (1-2)
Tyydyttävä 2: Hallitset datan hakemisen valitusta lähteestä. Osaat toteuttaa datan esikäsittelyn datajoukoille. Osaat soveltaa saamaasi dataan esikäsittelyssä käytettyjä yksinkertaisia menetelmiä. Osaat arvioida omia ratkaisujasi datan esikäsittelyssä.
Välttävä 1: Tiedät ja ymmärrät datan merkityksen ja sen tuomat edut. Tiedät datan esikäsittelyn merkityksen ja yleisimmät menetelmät. Osaat soveltaa saamaasi dataan esikäsittelyssä käytettyjä yksinkertaisia menetelmiä.
Arviointikriteerit, hyvä (3-4)
Kiitettävä 4: Hallitset datan hakemisen erilaisista lähteistä. Osaat suunnitella ja toteuttaa datan esikäsittelyn erilaisille datajoukoille. Osaat soveltaa datan esikäsittelyssä käytettyjä menetelmiä laajasti. Osaat arvioida ja perustella omia ratkaisujasi datan esikäsittelyssä.
Hyvä 3: Hallitset datan hakemisen useammasta lähteestä. Osaat suunnitella ja toteuttaa datan esikäsittelyn datajoukoille. Osaat soveltaa datan esikäsittelyssä käytettyjä menetelmiä. Osaat arvioida ja perustella omia ratkaisujasi datan esikäsittelyssä.
Arviointikriteerit, kiitettävä (5)
Erinomainen 5: Hallitset datan hakemisen erilaisista lähteistä. Osaat suunnitella ja toteuttaa datan esikäsittelyn erilaisille datajoukoille. Osaat soveltaa datan esikäsittelyssä käytettyjä menetelmiä erittäin laajasti. Osaat kriittisesti arvioida ja perustella omia ratkaisujasi datan esikäsittelyssä.
Esitietovaatimukset
Tietotekniikan peruskäyttätaidot, ohjelmoinnin perusosaaminen, Python-ohjelmointikielen tunteminen ja osaaminen.
Ajoitus
13.02.2023 - 26.03.2023
Opintopistemäärä
4 op
Toteutustapa
Lähiopetus
Yksikkö
Teknologiayksikkö
Opetuskielet
- Suomi
Koulutus
- Tieto- ja viestintätekniikka (AMK)
Opettaja
- Antti Häkkinen
Ryhmät
-
ZJA23KTIDA1Avoin amk, Data-analytiikka 1, Verkko
Tavoitteet
Opintojakson jälkeen ymmärrät data-analytiikka prosessin ja sen tuomat haasteet. Osaat tunnistaa erilaiset dataformaatit, yleisimmät rajapintaratkaisut ja datan esikäsittelyssä käytetyt työkalut ja menetelmät. Lisäksi osaat soveltaa datan esikäsittelyssä tarvittavia menetelmiä.
EUR-ACE-osaamiset:
Tieto ja ymmärrys
Tekniikan soveltaminen käytäntöön
Sisältö
o Erilaiset datalähteet ja -formaatit, JSON, APIt, SQL:stä taulujen haku jne
o Muuttujatyypit
o Datan esikäsittely ennen analysointiohjelmaan tuomista
o Datan esikäsittely Pandasissa (Pandasin/DataFramen perusteet)
o Eri datalähteiden yhdistäminen
Aika ja paikka
Opintojakso toteutetaan verkkototeutuksena (ei kontaktiopetusta). Opiskelija voi edetä toteutuksella omaan tahtiin.
Oppimateriaali ja suositeltava kirjallisuus
Opintojakson verkkosivut (luentomateriaali, harjoitukset, harjoitustyöohjeistus).
Opetusmenetelmät
Opintojakso sisältää harjoituksia eri aihealueilta sekä opintojakson aihepiirejä yhdistävän harjoitustyön.
Opiskelijan ajankäyttö ja kuormitus
Harjoitukset 80 h ja harjoitustyö 28 h. Yhteensä 108 h
Arviointiasteikko
0-5
Arviointikriteerit, tyydyttävä (1-2)
Tyydyttävä 2: Hallitset datan hakemisen valitusta lähteestä. Osaat toteuttaa datan esikäsittelyn datajoukoille. Osaat soveltaa saamaasi dataan esikäsittelyssä käytettyjä yksinkertaisia menetelmiä. Osaat arvioida omia ratkaisujasi datan esikäsittelyssä.
Välttävä 1: Tiedät ja ymmärrät datan merkityksen ja sen tuomat edut. Tiedät datan esikäsittelyn merkityksen ja yleisimmät menetelmät. Osaat soveltaa saamaasi dataan esikäsittelyssä käytettyjä yksinkertaisia menetelmiä.
Arviointikriteerit, hyvä (3-4)
Kiitettävä 4: Hallitset datan hakemisen erilaisista lähteistä. Osaat suunnitella ja toteuttaa datan esikäsittelyn erilaisille datajoukoille. Osaat soveltaa datan esikäsittelyssä käytettyjä menetelmiä laajasti. Osaat arvioida ja perustella omia ratkaisujasi datan esikäsittelyssä.
Hyvä 3: Hallitset datan hakemisen useammasta lähteestä. Osaat suunnitella ja toteuttaa datan esikäsittelyn datajoukoille. Osaat soveltaa datan esikäsittelyssä käytettyjä menetelmiä. Osaat arvioida ja perustella omia ratkaisujasi datan esikäsittelyssä.
Arviointikriteerit, kiitettävä (5)
Erinomainen 5: Hallitset datan hakemisen erilaisista lähteistä. Osaat suunnitella ja toteuttaa datan esikäsittelyn erilaisille datajoukoille. Osaat soveltaa datan esikäsittelyssä käytettyjä menetelmiä erittäin laajasti. Osaat kriittisesti arvioida ja perustella omia ratkaisujasi datan esikäsittelyssä.
Esitietovaatimukset
Tietotekniikan peruskäyttätaidot, ohjelmoinnin perusosaaminen, Python-ohjelmointikielen tunteminen ja osaaminen.
Ilmoittautumisaika
01.11.2022 - 05.01.2023
Ajoitus
13.02.2023 - 26.03.2023
Opintopistemäärä
4 op
Virtuaaliosuus
4 op
Toteutustapa
Verkko-opetus
Yksikkö
Teknologiayksikkö
Toimipiste
Lutakon kampus
Opetuskielet
- Suomi
Paikat
0 - 30
Koulutus
- Tieto- ja viestintätekniikka (AMK)
Opettaja
- Antti Häkkinen
Tavoitteet
Opintojakson jälkeen ymmärrät data-analytiikka prosessin ja sen tuomat haasteet. Osaat tunnistaa erilaiset dataformaatit, yleisimmät rajapintaratkaisut ja datan esikäsittelyssä käytetyt työkalut ja menetelmät. Lisäksi osaat soveltaa datan esikäsittelyssä tarvittavia menetelmiä.
EUR-ACE-osaamiset:
Tieto ja ymmärrys
Tekniikan soveltaminen käytäntöön
Sisältö
o Erilaiset datalähteet ja -formaatit, JSON, APIt, SQL:stä taulujen haku jne
o Muuttujatyypit
o Datan esikäsittely ennen analysointiohjelmaan tuomista
o Datan esikäsittely Pandasissa (Pandasin/DataFramen perusteet)
o Eri datalähteiden yhdistäminen
Aika ja paikka
Opintojakso toteutetaan verkkototeutuksena (ei kontaktiopetusta). Opiskelija voi edetä toteutuksella omaan tahtiin.
Oppimateriaali ja suositeltava kirjallisuus
Opintojakson verkkosivut (luentomateriaali, harjoitukset, harjoitustyöohjeistus).
Opetusmenetelmät
Opintojakso sisältää harjoituksia eri aihealueilta sekä opintojakson aihepiirejä yhdistävän harjoitustyön.
Opiskelijan ajankäyttö ja kuormitus
Harjoitukset 80 h ja harjoitustyö 28 h. Yhteensä 108 h
Arviointiasteikko
0-5
Arviointikriteerit, tyydyttävä (1-2)
Tyydyttävä 2: Hallitset datan hakemisen valitusta lähteestä. Osaat toteuttaa datan esikäsittelyn datajoukoille. Osaat soveltaa saamaasi dataan esikäsittelyssä käytettyjä yksinkertaisia menetelmiä. Osaat arvioida omia ratkaisujasi datan esikäsittelyssä.
Välttävä 1: Tiedät ja ymmärrät datan merkityksen ja sen tuomat edut. Tiedät datan esikäsittelyn merkityksen ja yleisimmät menetelmät. Osaat soveltaa saamaasi dataan esikäsittelyssä käytettyjä yksinkertaisia menetelmiä.
Arviointikriteerit, hyvä (3-4)
Kiitettävä 4: Hallitset datan hakemisen erilaisista lähteistä. Osaat suunnitella ja toteuttaa datan esikäsittelyn erilaisille datajoukoille. Osaat soveltaa datan esikäsittelyssä käytettyjä menetelmiä laajasti. Osaat arvioida ja perustella omia ratkaisujasi datan esikäsittelyssä.
Hyvä 3: Hallitset datan hakemisen useammasta lähteestä. Osaat suunnitella ja toteuttaa datan esikäsittelyn datajoukoille. Osaat soveltaa datan esikäsittelyssä käytettyjä menetelmiä. Osaat arvioida ja perustella omia ratkaisujasi datan esikäsittelyssä.
Arviointikriteerit, kiitettävä (5)
Erinomainen 5: Hallitset datan hakemisen erilaisista lähteistä. Osaat suunnitella ja toteuttaa datan esikäsittelyn erilaisille datajoukoille. Osaat soveltaa datan esikäsittelyssä käytettyjä menetelmiä erittäin laajasti. Osaat kriittisesti arvioida ja perustella omia ratkaisujasi datan esikäsittelyssä.
Esitietovaatimukset
Tietotekniikan peruskäyttätaidot, ohjelmoinnin perusosaaminen, Python-ohjelmointikielen tunteminen ja osaaminen.
Ilmoittautumisaika
01.08.2022 - 25.08.2022
Ajoitus
03.10.2022 - 13.11.2022
Opintopistemäärä
4 op
Toteutustapa
Lähiopetus
Yksikkö
Teknologiayksikkö
Opetuskielet
- Suomi
Koulutus
- Tieto- ja viestintätekniikka (AMK)
Opettaja
- Antti Häkkinen
Ryhmät
-
ZJA22STIDA1Avoin amk, Data-analytiikka 1, Verkko
Tavoitteet
Opintojakson jälkeen ymmärrät data-analytiikka prosessin ja sen tuomat haasteet. Osaat tunnistaa erilaiset dataformaatit, yleisimmät rajapintaratkaisut ja datan esikäsittelyssä käytetyt työkalut ja menetelmät. Lisäksi osaat soveltaa datan esikäsittelyssä tarvittavia menetelmiä.
EUR-ACE-osaamiset:
Tieto ja ymmärrys
Tekniikan soveltaminen käytäntöön
Sisältö
o Erilaiset datalähteet ja -formaatit, JSON, APIt, SQL:stä taulujen haku jne
o Muuttujatyypit
o Datan esikäsittely ennen analysointiohjelmaan tuomista
o Datan esikäsittely Pandasissa (Pandasin/DataFramen perusteet)
o Eri datalähteiden yhdistäminen
Aika ja paikka
Opintojakso toteutetaan verkkototeutuksena (ei kontaktiopetusta). Opiskelija voi edetä toteutuksella omaan tahtiin.
Oppimateriaali ja suositeltava kirjallisuus
Opintojakson verkkosivut (luentomateriaali, harjoitukset, harjoitustyöohjeistus).
Opetusmenetelmät
Opintojakso sisältää harjoituksia eri aihealueilta sekä opintojakson aihepiirejä yhdistävän harjoitustyön.
Opiskelijan ajankäyttö ja kuormitus
Harjoitukset 80 h ja harjoitustyö 28 h. Yhteensä 108 h
Arviointiasteikko
0-5
Arviointikriteerit, tyydyttävä (1-2)
Tyydyttävä 2: Hallitset datan hakemisen valitusta lähteestä. Osaat toteuttaa datan esikäsittelyn datajoukoille. Osaat soveltaa saamaasi dataan esikäsittelyssä käytettyjä yksinkertaisia menetelmiä. Osaat arvioida omia ratkaisujasi datan esikäsittelyssä.
Välttävä 1: Tiedät ja ymmärrät datan merkityksen ja sen tuomat edut. Tiedät datan esikäsittelyn merkityksen ja yleisimmät menetelmät. Osaat soveltaa saamaasi dataan esikäsittelyssä käytettyjä yksinkertaisia menetelmiä.
Arviointikriteerit, hyvä (3-4)
Kiitettävä 4: Hallitset datan hakemisen erilaisista lähteistä. Osaat suunnitella ja toteuttaa datan esikäsittelyn erilaisille datajoukoille. Osaat soveltaa datan esikäsittelyssä käytettyjä menetelmiä laajasti. Osaat arvioida ja perustella omia ratkaisujasi datan esikäsittelyssä.
Hyvä 3: Hallitset datan hakemisen useammasta lähteestä. Osaat suunnitella ja toteuttaa datan esikäsittelyn datajoukoille. Osaat soveltaa datan esikäsittelyssä käytettyjä menetelmiä. Osaat arvioida ja perustella omia ratkaisujasi datan esikäsittelyssä.
Arviointikriteerit, kiitettävä (5)
Erinomainen 5: Hallitset datan hakemisen erilaisista lähteistä. Osaat suunnitella ja toteuttaa datan esikäsittelyn erilaisille datajoukoille. Osaat soveltaa datan esikäsittelyssä käytettyjä menetelmiä erittäin laajasti. Osaat kriittisesti arvioida ja perustella omia ratkaisujasi datan esikäsittelyssä.
Esitietovaatimukset
Tietotekniikan peruskäyttätaidot, ohjelmoinnin perusosaaminen, Python-ohjelmointikielen tunteminen ja osaaminen.
Ilmoittautumisaika
01.08.2022 - 25.08.2022
Ajoitus
03.10.2022 - 13.11.2022
Opintopistemäärä
4 op
Virtuaaliosuus
4 op
Toteutustapa
Verkko-opetus
Yksikkö
Teknologiayksikkö
Toimipiste
Lutakon kampus
Opetuskielet
- Suomi
Paikat
0 - 30
Koulutus
- Tieto- ja viestintätekniikka (AMK)
Opettaja
- Antti Häkkinen
Tavoitteet
Opintojakson jälkeen ymmärrät data-analytiikka prosessin ja sen tuomat haasteet. Osaat tunnistaa erilaiset dataformaatit, yleisimmät rajapintaratkaisut ja datan esikäsittelyssä käytetyt työkalut ja menetelmät. Lisäksi osaat soveltaa datan esikäsittelyssä tarvittavia menetelmiä.
EUR-ACE-osaamiset:
Tieto ja ymmärrys
Tekniikan soveltaminen käytäntöön
Sisältö
o Erilaiset datalähteet ja -formaatit, JSON, APIt, SQL:stä taulujen haku jne
o Muuttujatyypit
o Datan esikäsittely ennen analysointiohjelmaan tuomista
o Datan esikäsittely Pandasissa (Pandasin/DataFramen perusteet)
o Eri datalähteiden yhdistäminen
Aika ja paikka
Opintojakso toteutetaan verkkototeutuksena (ei kontaktiopetusta). Opiskelija voi edetä toteutuksella omaan tahtiin.
Oppimateriaali ja suositeltava kirjallisuus
Opintojakson verkkosivut (luentomateriaali, harjoitukset, harjoitustyöohjeistus).
Opetusmenetelmät
Opintojakso sisältää harjoituksia eri aihealueilta sekä opintojakson aihepiirejä yhdistävän harjoitustyön.
Opiskelijan ajankäyttö ja kuormitus
Harjoitukset 80 h ja harjoitustyö 28 h. Yhteensä 108 h
Arviointiasteikko
0-5
Arviointikriteerit, tyydyttävä (1-2)
Tyydyttävä 2: Hallitset datan hakemisen valitusta lähteestä. Osaat toteuttaa datan esikäsittelyn datajoukoille. Osaat soveltaa saamaasi dataan esikäsittelyssä käytettyjä yksinkertaisia menetelmiä. Osaat arvioida omia ratkaisujasi datan esikäsittelyssä.
Välttävä 1: Tiedät ja ymmärrät datan merkityksen ja sen tuomat edut. Tiedät datan esikäsittelyn merkityksen ja yleisimmät menetelmät. Osaat soveltaa saamaasi dataan esikäsittelyssä käytettyjä yksinkertaisia menetelmiä.
Arviointikriteerit, hyvä (3-4)
Kiitettävä 4: Hallitset datan hakemisen erilaisista lähteistä. Osaat suunnitella ja toteuttaa datan esikäsittelyn erilaisille datajoukoille. Osaat soveltaa datan esikäsittelyssä käytettyjä menetelmiä laajasti. Osaat arvioida ja perustella omia ratkaisujasi datan esikäsittelyssä.
Hyvä 3: Hallitset datan hakemisen useammasta lähteestä. Osaat suunnitella ja toteuttaa datan esikäsittelyn datajoukoille. Osaat soveltaa datan esikäsittelyssä käytettyjä menetelmiä. Osaat arvioida ja perustella omia ratkaisujasi datan esikäsittelyssä.
Arviointikriteerit, kiitettävä (5)
Erinomainen 5: Hallitset datan hakemisen erilaisista lähteistä. Osaat suunnitella ja toteuttaa datan esikäsittelyn erilaisille datajoukoille. Osaat soveltaa datan esikäsittelyssä käytettyjä menetelmiä erittäin laajasti. Osaat kriittisesti arvioida ja perustella omia ratkaisujasi datan esikäsittelyssä.
Esitietovaatimukset
Tietotekniikan peruskäyttätaidot, ohjelmoinnin perusosaaminen, Python-ohjelmointikielen tunteminen ja osaaminen.
Ilmoittautumisaika
16.12.2021 - 09.01.2022
Ajoitus
14.03.2022 - 01.05.2022
Opintopistemäärä
4 op
Virtuaaliosuus
4 op
Toteutustapa
Verkko-opetus
Yksikkö
Teknologiayksikkö
Toimipiste
Lutakon kampus
Opetuskielet
- Suomi
Paikat
0 - 30
Koulutus
- Tieto- ja viestintätekniikka (AMK)
Opettaja
- Antti Häkkinen
Ryhmät
-
TTV19SMTieto- ja viestintätekniikka
-
TTV19S1Tieto- ja viestintätekniikka
-
TTV20SMTieto- ja viestintätekniikka
-
TTV19S3Tieto- ja viestintätekniikka
-
TTV19S2Tieto- ja viestintätekniikka
-
TTV19S5Tieto- ja viestintätekniikka
-
ZJA22KTIDA1Avoin AMK, tekniikka, ICT, Data-analytiikka1
Tavoitteet
Opintojakson jälkeen ymmärrät data-analytiikka prosessin ja sen tuomat haasteet. Osaat tunnistaa erilaiset dataformaatit, yleisimmät rajapintaratkaisut ja datan esikäsittelyssä käytetyt työkalut ja menetelmät. Lisäksi osaat soveltaa datan esikäsittelyssä tarvittavia menetelmiä.
EUR-ACE-osaamiset:
Tieto ja ymmärrys
Tekniikan soveltaminen käytäntöön
Sisältö
o Erilaiset datalähteet ja -formaatit, JSON, APIt, SQL:stä taulujen haku jne
o Muuttujatyypit
o Datan esikäsittely ennen analysointiohjelmaan tuomista
o Datan esikäsittely Pandasissa (Pandasin/DataFramen perusteet)
o Eri datalähteiden yhdistäminen
Aika ja paikka
Opintojakso toteutetaan verkkototeutuksena (ei kontaktiopetusta). Opiskelija voi edetä toteutuksella omaan tahtiin.
Oppimateriaali ja suositeltava kirjallisuus
Opintojakson verkkosivut (luentomateriaali, harjoitukset, harjoitustyöohjeistus).
Opetusmenetelmät
Opintojakso sisältää harjoituksia eri aihealueilta sekä opintojakson aihepiirejä yhdistävän harjoitustyön.
Opiskelijan ajankäyttö ja kuormitus
Harjoitukset 80 h ja harjoitustyö 28 h. Yhteensä 108 h
Arviointiasteikko
0-5
Arviointikriteerit, tyydyttävä (1-2)
Tyydyttävä 2: Hallitset datan hakemisen valitusta lähteestä. Osaat toteuttaa datan esikäsittelyn datajoukoille. Osaat soveltaa saamaasi dataan esikäsittelyssä käytettyjä yksinkertaisia menetelmiä. Osaat arvioida omia ratkaisujasi datan esikäsittelyssä.
Välttävä 1: Tiedät ja ymmärrät datan merkityksen ja sen tuomat edut. Tiedät datan esikäsittelyn merkityksen ja yleisimmät menetelmät. Osaat soveltaa saamaasi dataan esikäsittelyssä käytettyjä yksinkertaisia menetelmiä.
Arviointikriteerit, hyvä (3-4)
Kiitettävä 4: Hallitset datan hakemisen erilaisista lähteistä. Osaat suunnitella ja toteuttaa datan esikäsittelyn erilaisille datajoukoille. Osaat soveltaa datan esikäsittelyssä käytettyjä menetelmiä laajasti. Osaat arvioida ja perustella omia ratkaisujasi datan esikäsittelyssä.
Hyvä 3: Hallitset datan hakemisen useammasta lähteestä. Osaat suunnitella ja toteuttaa datan esikäsittelyn datajoukoille. Osaat soveltaa datan esikäsittelyssä käytettyjä menetelmiä. Osaat arvioida ja perustella omia ratkaisujasi datan esikäsittelyssä.
Arviointikriteerit, kiitettävä (5)
Erinomainen 5: Hallitset datan hakemisen erilaisista lähteistä. Osaat suunnitella ja toteuttaa datan esikäsittelyn erilaisille datajoukoille. Osaat soveltaa datan esikäsittelyssä käytettyjä menetelmiä erittäin laajasti. Osaat kriittisesti arvioida ja perustella omia ratkaisujasi datan esikäsittelyssä.
Esitietovaatimukset
Tietotekniikan peruskäyttätaidot, ohjelmoinnin perusosaaminen, Python-ohjelmointikielen tunteminen ja osaaminen.