Introduction to Data Analytics and Artificial Intelligence (3 op)
Toteutuksen tunnus: TTC2050-3016
Toteutuksen perustiedot
Ilmoittautumisaika
20.11.2023 - 04.01.2024
Ajoitus
08.01.2024 - 30.04.2024
Opintopistemäärä
3 op
Toteutustapa
Lähiopetus
Yksikkö
School of Technology
Toimipiste
Lutakko Campus
Opetuskielet
- Suomi
Paikat
20 - 35
Koulutus
- Bachelor's Degree Programme in Information and Communications Technology
Opettaja
- Antti Häkkinen
Ryhmät
-
TTV22S2Tieto- ja viestintätekniikka (AMK)
- 09.01.2024 15:00 - 16:30, Johdatus data-analytiikkaan ja tekoälyyn TTC2050-3016
- 16.01.2024 15:00 - 16:30, Johdatus data-analytiikkaan ja tekoälyyn TTC2050-3016
- 23.01.2024 15:00 - 16:30, Johdatus data-analytiikkaan ja tekoälyyn TTC2050-3016, Tietoverkkotekniikka TSAT0530-3008
- 30.01.2024 15:00 - 16:30, Johdatus data-analytiikkaan ja tekoälyyn TTC2050-3016, Tietoverkkotekniikka TSAT0530-3008
- 06.02.2024 15:00 - 16:30, Johdatus data-analytiikkaan ja tekoälyyn TTC2050-3016, Tietoverkkotekniikka TSAT0530-3008
- 13.02.2024 15:00 - 16:30, Johdatus data-analytiikkaan ja tekoälyyn TTC2050-3016, Tietoverkkotekniikka TSAT0530-3008
- 20.02.2024 15:00 - 16:30, Johdatus data-analytiikkaan ja tekoälyyn TTC2050-3016, Tietoverkkotekniikka TSAT0530-3008
- 05.03.2024 15:00 - 16:30, Johdatus data-analytiikkaan ja tekoälyyn TTC2050-3016, Tietoverkkotekniikka TSAT0530-3008
- 12.03.2024 15:00 - 16:30, Johdatus data-analytiikkaan ja tekoälyyn TTC2050-3016, Tietoverkkotekniikka TSAT0530-3008
- 19.03.2024 15:00 - 16:30, Johdatus data-analytiikkaan ja tekoälyyn TTC2050-3016, Tietoverkkotekniikka TSAT0530-3008
- 26.03.2024 15:00 - 16:30, Johdatus data-analytiikkaan ja tekoälyyn TTC2050-3016, Tietoverkkotekniikka TSAT0530-3008
Objectives
Tarkoitus ja osaamistavoitteet:
Opintojaksolla saat yleiskuvan data-analytiikan ja tekoälyn menetelmistä, mahdollisuuksista ja käyttökohteista sekä niissä käytettävistä yleisimmistä ohjelmointiympäristöistä ja –kirjastoista.
EUR-ACE-osaamiset:
Tieto ja ymmärrys
Tekniikan soveltaminen käytäntöön
Content
Data-analytiikan ja tekoälyn määritelmät.
Tekoälyn käytännön sovelluksia.
Esimerkkejä ja periaatteita koneoppimisesta ja neuroverkoista.
Data-analytiikan ohjelmointikieliä ja -ympäristöjä: Python, R, Anaconda, Pandas.
Time and location
Verkkoluennot ja lisäksi ohjaus harjoitusten tekemisessä luokassa
Learning materials and recommended literature
Opintojakson verkkosivut (luentomateriaali, harjoitukset)
Teaching methods
Viikottaiset verkkoluennot (luentomateriaali, opettajan johdolla tehtävät esimerkkiharjoitukset)
Etäopiskelu (harjoitukset)
Harjoitusten tekemiseen ohjauskerrat viikottain
Student workload
Verkkoluennot 35h (luennot, opettajan johdolla tehtävät harjoitukset)
Etäopiskelu 26h (harjoitukset)
Ohjaustilaisuudet luokassa 20h
Yhteensä 81h
Further information for students
Opintojakson arviointi muodostuu palautetuista harjoituksista.
Evaluation scale
0-5
Evaluation criteria, satisfactory (1-2)
Välttävä 1: Tunnistat joitakin tärkeimpiä data-analytiikan ja tekoälyn menetelmiä, mahdollisuuksia, käyttökohteita tai niissä käytettäviä ohjelmointiympäristöjä.
Tyydyttävä 2: Tunnistat joitakin tärkeimpiä data-analytiikan ja tekoälyn menetelmiä, mahdollisuuksia ja käyttökohteita ja niissä käytettäviä ohjelmointiympäristöjä.
Evaluation criteria, good (3-4)
Hyvä 3: Tunnistat tärkeimmät data-analytiikan ja teköälyn menetelmät, mahdollisuudet ja käyttökohteet ja niissä käytettävät ohjelmointiympäristöt.
Kiitettävä 4: Tunnistat tärkeimmät data-analytiikan ja teköälyn menetelmät, mahdollisuudet ja käyttökohteet ja niissä käytettävät ohjelmointiympäristöt. Lisäksi ymmärrät joitain tekoälymenetelmien periaatteita.
Evaluation criteria, excellent (5)
Erinomainen 5: Tunnistat tärkeimmät data-analytiikan ja teköälyn menetelmät, mahdollisuudet ja käyttökohteet ja niissä käytettävät ohjelmointiympäristöt. Lisäksi ymmärrät tärkeimmät tekoälymenetelmien periaatteet.
Prerequisites
Ohjelmoinnin perusteet