Siirry suoraan sisältöön

Datan analysointi (3 op)

Toteutuksen tunnus: TZLM7300-3006

Toteutuksen perustiedot


Ilmoittautumisaika

01.08.2023 - 24.08.2023

Ajoitus

23.10.2023 - 08.12.2023

Opintopistemäärä

3 op

Toteutustapa

Lähiopetus

Yksikkö

Teknologiayksikkö

Toimipiste

Pääkampus

Opetuskielet

  • Suomi

Paikat

0 - 50

Koulutus

  • Logistiikka (AMK)

Opettaja

  • Pasi Lehtola

Ajoitusryhmät

  • TLS21SA (Paikkoja: 30. Avoin AMK: 0.)
  • TLS21SB (Paikkoja: 30. Avoin AMK: 0.)

Ryhmät

  • TLS21S1
    Logistiikan tutkinto-ohjelma (AMK)

Pienryhmät

  • TLS21SA
  • TLS21SB
  • 21.11.2023 11:30 - 13:30, Datan analysointi TZLM7300-3006
  • 21.11.2023 13:45 - 15:45, Datan analysointi TZLM7300-3006
  • 28.11.2023 11:30 - 13:30, Datan analysointi TZLM7300-3006
  • 28.11.2023 13:45 - 15:45, Datan analysointi TZLM7300-3006
  • 05.12.2023 11:30 - 13:30, Datan analysointi TZLM7300-3006
  • 05.12.2023 13:45 - 15:45, Datan analysointi TZLM7300-3006

Tavoitteet

Opintojakson tarkoitus
Opintojakson käytyäsi ymmärrät, miten tilastollisen aineiston analysointi voi tukea liiketoiminnan päätöksentekoa.

Opintojakson osaamistavoite
Osaat käsitellä, havainnollistaa ja tulkita pientä ja suurta aineistoa ja tehdä sen perusteella ennusteita ja tilastollisia johtopäätöksiä.

Sisältö

Tilastollisen aineiston kuvaileminen, selittäminen ja ennustaminen
Luottamusväliestimointi ja hypoteesin testaus
Monen muuttujan regressiomalleja
Aikasarjan analysointi, tasoittaminen ja ennustaminen
Massiivisen aineiston käsittelyä tietokoneella
Excelin ja jonkin koneoppimisen ohjelman käyttö

Oppimateriaali ja suositeltava kirjallisuus

Nummenmaa, L., Holopainen, M. & Pulkkinen, P. (2019) Tilastollisten menetelmien perusteet. SanomaPro
Kananen, H. & Puolitaival, H. (2019) Tekoäly. Bisneksen uudet mahdollisuudet. Helsinki: Alma Talent
Kelleher, Mac Namee & D'Arcy (2020) Fundamentals of Machine Learning for Predictive Data Analytics. Cambridge, MA: MIT Press

Muu materiaali Moodlen kautta.

Opetusmenetelmät

Opetus tapahtuu mikroluokassa ja sisältää harjoittelua tietokoneella. Tietoperusta omaksutaan itsenäisesti opiskelemalla ennen harjoittelua. Osaaminen saavutetaan soveltavilla oppimistehtävillä.

Tenttien ajankohdat ja uusintamahdollisuudet

Tentin ajankohta ja suoritustapa ilmoitetaan opintojakson alussa ja Moodlessa.

Vaihtoehtoiset suoritustavat

Hyväksilukemisen menettelytavat kuvataan tutkintosäännössä ja opinto-oppaassa.

Opiskelijan ajankäyttö ja kuormitus

Kontaktitunnit noin 20 tuntia
Itsenäinen opiskelu noin 20 tuntia
Oppimistehtävät noin 20 tuntia

Lisätietoja opiskelijoille

Osaamisen arviointi perustuu oppimistehtäviin ja kokeeseen.

Korvaava englanninkielinen toteutus TZLM7300-3007 Data Analysis.

Avoin AMK: enintään 5 opiskelijaa, jos luokassa on tilaa.

Arviointiasteikko

0-5

Arviointikriteerit, tyydyttävä (1-2)

Välttävä 1
Olet saavuttanut tavoitellut osaamiset. Tunnet joitakin käsitteitä ja menetelmiä ja osaat soveltaa niitä itsellesi tutuissa tilanteissa, mutta usein päättelysi on puutteellista ja laskelmasi virheellisiä.
Tyydyttävä 2
Olet saavuttanut tavoitellut osaamiset. Tunnet useita käsitteitä ja menetelmiä ja osaat soveltaa niitä itsellesi tutuissa tilanteissa, mutta joskus päättelysi on puutteellista tai laskelmasi virheellisiä.

Arviointikriteerit, hyvä (3-4)

Hyvä 3
Olet saavuttanut tavoitellut osaamiset. Tunnet lähes kaikki käsitteet ja menetelmät ja osaat soveltaa niitä itsellesi tutuissa tilanteissa usein täydellisesti päätellen ja virheettömästi laskien.
Kiitettävä 4
Olet saavuttanut tavoitellut osaamiset. Tunnet lähes kaikki käsitteet ja menetelmät ja osaat soveltaa niitä myös itsellesi uusissa tilanteissa lähes aina täydellisesti päätellen ja virheettömästi laskien.

Arviointikriteerit, kiitettävä (5)

Erinomainen 5
Olet saavuttanut tavoitellut osaamiset. Tunnet kaikki käsitteet ja menetelmät ja osaat soveltaa niitä itsellesi uusissa tilanteissa asioita yhdistellen, täydellisesti päätellen ja virheettömästi laskien.

Esitietovaatimukset

Hallitset tilastomatematiikan perusteet ja niihin liittyvät Excelin toiminnot.