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
-
TLS21S1Logistiikan 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.