Data Analysis (4 cr)

Evaluation scale

0-5

Objective

The student understands the significance of data analytics in digitalized operating environment and refining Big data into exploitable form. The student knows the most common methods of data analytics and is able to apply them in practice to existing data.

Content

Data Analytics
- basics
- open data and Mydata
- the common methods
- application of the methods to practice

Location and time

Opintojakso toteutetaan vuonna 2020 viikkojen 44 - 51 välisenä aikana.

Materials

Materiaali harjoitustehtäviä ja opiskeltavia asiasisältöjä varten jaetaan kurssin aikana. Kurssilla hyödynnetään Anaconda ohjelmistoa (Python 3.7-versio): https://www.anaconda.com/download/

Teaching methods

Virtuaalinen opiskelu sisältäen harjoitustehtävien tekemisen sekä niihin liittyvään sisältöön perehtymisen.

Employer connections

Kurssin sisältö pyritään kytkemään työelämässä esiintyviin ongelmiin.

Exam schedules

Kurssi arvioidaan palautettujen harjoitustehtävien avulla.

Completion alternatives

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

Student workload

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

Assessment criteria, satisfactory (1)

Sufficient: The student knows the most common techniques used in data analysis tasks. They are able to apply the most common techniques to data analysis and assess their implementation briefly.

Satisfactory 2: The student knows the most common techniques used in data analysis tasks. They are able to choose the techniques for data analysis and apply their technical competence in practice. Additionally, the student is able to assess their implementation superficially.

Assessment criteria, good (3)

Good 3: The student recognizes the benefits of data analytics in utilizing Big data and in the era of digitalization. The student knows the most commonly used techniques in various data analysis tasks. They are able to justify and choose the techniques for data analysis and apply their technical competence to practice. Additionally, the student is able to assess their implementation and justify its development.

Very good 4: The student recognizes the benefits of data analytics in utilizing Big data and in the era of digitalization. The student knows the most commonly used techniques in various data analysis tasks and is able to versatilely justify and choose the correct techniques for data analysis and apply their technical competence to practice. Additionally, the student is able to assess their implementation thoroughly and justify its development.

Assessment criteria, excellent (5)

Excellent 5: The student recognizes the benefits of data analytics in utilizing Big data and in the era of digitalization.The student knows the most commonly used techniques and is able to critically justify the use of the techniques in various data analysis tasks. The student is able to critically justify and select the correct techniques for data analysis regardless of the analyzed data. Additionally, the student is able to assess their technical competence in practice as well as assess their implementation critically and justify its development.

Qualifications

Applies to degree students: the students should have basic skills in Python programming

Further information

Arvosana määräytyy alla olevien osaamistasojen mukaisesti:

Erinomainen 5: Opiskelija tunnistaa data-analytiikan tuomat hyödyt digitalisaation aikakautena. Opiskelija osaa data-analytiikan yleisimmin käytetyt tekniikat ja osaa kriittisesti perustella käytettyjen tekniikoiden käytön erilaisissa datan analysointi tehtävissä. Hän osaa kriittisesti perustella ja valita oikeat tekniikat datan analysoinnissa riippumatta analysoitavasta datasta ja osaa soveltaa teknistä osaamistaan käytännössä. Lisäksi opiskelija osaa arvioida kriittisesti toteutuksensa ja perustella sen kehittämistä.

Kiitettevä 4: Opiskelija tunnistaa data-analytiikan tuomat hyödyt digitalisaation aikakautena. Opiskelija osaa data-analytiikan yleisimmi käytetyt tekniikat ja osaa laajasti perustella käytettyjen tekniikoiden käytön erilaisissa datan analysointi tehtävissä. Hän osaa monipuolisesti perustella ja valita oikeat tekniikat datan analysoinnissa ja hän osaa soveltaa teknistä osaamistaan käytännössä. Lisäksi opiskelija osaa arvioida perusteellisesti toteutuksensa ja perustella sen kehittämistä.

Hyvä 3: Opiskelija tiedostaa data-analytiikan hyödyt digitalisaation aikakautena. Opiskelija tietää data-analytiikan yleisimmin käytetyt tekniikat erilaisissa datan analysointi tehtävissä. Hän osaa perustella ja valita tekniikat datan analysoinnissa ja hän osaa soveltaa teknistä osaamistaan käytännössä. Lisäksi opiskelija osaa arvioida toteutuksensa ja perustella sen kehittämistä.

Tyydyttävä 2: Opiskelija tietää data-analytiikan yleisimmin käytetyt tekniikat datan analysointi tehtävissä. Hän osaa valita tekniikat datan analysoinnissa ja hän osaa soveltaa teknistä osaamistaan käytännössä. Lisäksi opiskelija osaa arvioida pintapuolisesti toteutuksensa.

Välttävä 1: Opiskelija tietää data-analytiikan yleisimmin käytetyt tekniikat datan analysointi tehtävissä. Hän osaa soveltaa yleisimpiä tekniikoita datan analysoinnissa. Lisäksi opiskelija osaa arvioida suppeasti toteutuksensa.

Hylätty 0: Opiskelija ei hallitse aihealuetta.