AI / DA -Projekti (5 op)
Toteutuksen tunnus: TTC8070-3001
Toteutuksen perustiedot
Ilmoittautumisaika
01.08.2022 - 25.08.2022
Ajoitus
29.08.2022 - 16.12.2022
Opintopistemäärä
5 op
Virtuaaliosuus
5 op
Toteutustapa
Verkko-opetus
Yksikkö
Teknologiayksikkö
Toimipiste
Lutakon kampus
Opetuskielet
- Suomi
Paikat
0 - 30
Koulutus
- Tieto- ja viestintätekniikka (AMK)
Opettaja
- Juha Peltomäki
- Antti Häkkinen
Objectives
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
Content
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
Time and location
Verkkototeutus (ryhmätyöskentely ja ohjaus verkossa)
Learning materials and recommended literature
Data-analytiikan ja tekoälyn erikoistumismoduulin muiden opintojaksojen materiaali on sovellettavissa tässä projektitoteutuksessa.
Teaching methods
Opiskelijat toteuttavat projektin ryhmätyönä. Ohjausta järjestetään opintojakson aikana verkossa.
Practical training and working life connections
Opintojakson sisältö pyritään kytkemään työelämässä esiintyviin ongelmiin.
Student workload
Opintopistemäärää vastaava tuntimäärä 135 tuntia (projektin ohjaustilaisuudet, ryhmätyöskentely projektissa)
Further information for students
Projektin osa-alueet arvioidaan koko ryhmän osalta.
Opintojaksossa arvioidaan projektien osa-alueet annetun aikataulun mukaisesti.
Evaluation scale
0-5
Evaluation criteria, satisfactory (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.
Evaluation criteria, good (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.
Evaluation criteria, excellent (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.
Prerequisites
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.