Siirry suoraan sisältöön

Data analytiikan ja koneoppimisen käytänteet (4 op)

Toteutuksen tunnus: TTC8020-3009

Toteutuksen perustiedot


Ilmoittautumisaika
01.08.2024 - 22.08.2024
Ilmoittautuminen toteutukselle on päättynyt.
Ajoitus
11.11.2024 - 18.12.2024
Toteutus on päättynyt.
Opintopistemäärä
4 op
Lähiosuus
0 op
Virtuaaliosuus
4 op
Toteutustapa
Verkko-opetus
Yksikkö
Teknologiayksikkö
Opetuskielet
suomi
Paikat
0 - 35
Koulutus
Tieto- ja viestintätekniikka (AMK)
Opettajat
Juha Peltomäki
Ryhmät
TTV22S5
Tieto- ja viestintätekniikka (AMK)
TTV22S2
Tieto- ja viestintätekniikka (AMK)
TTV22S3
Tieto- ja viestintätekniikka (AMK)
TTV22S1
Tieto- ja viestintätekniikka (AMK)
TTV22SM
Tieto- ja viestintätekniikka (AMK)
TTV22S4
Tieto- ja viestintätekniikka (AMK)
TTV22SM2
Tieto- ja viestintätekniikka (AMK)
ZJA24STIDA1
Avoin amk, Data-analytiikka 1, Verkko
Opintojakso
TTC8020

Toteutuksella on 4 opetustapahtumaa joiden yhteenlaskettu kesto on 6 t 0 min.

Aika Aihe Tila
Ma 11.11.2024 klo 16:00 - 17:45
(1 t 45 min)
Data analytiikan ja koneoppimisen käytänteet TTC8020-3009
Online
To 21.11.2024 klo 16:00 - 17:15
(1 t 15 min)
Data analytiikan ja koneoppimisen käytänteet TTC8020-3009
Online
Ti 03.12.2024 klo 16:00 - 17:15
(1 t 15 min)
Data analytiikan ja koneoppimisen käytänteet TTC8020-3009
Online
Ti 17.12.2024 klo 16:00 - 17:45
(1 t 45 min)
Data analytiikan ja koneoppimisen käytänteet TTC8020-3009
Online
Muutokset varauksiin voivat olla mahdollisia.

Arviointiasteikko

0-5

Tavoitteet

Ymmärrät data-analytiikan ja koneoppimisen käytänteet ja projektin rakenteen ja kulun. Ymmärrät, millä tavalla datapohjainen projekti suunnitellaan, rakennetaan ja toteutetaan. Tunnistat myös datapohjaisten projektien keskeisen terminologian ja yleisimmät käytänteet. Ymmärrät datan visualisoinnin merkityksen. Tiedät opetus- ja testijoukon käsitteet ja yleisimmät tavat niihin jakamiseen. Saat perustiedot käytetyimmistä data-analytiikan ja koneoppimisen työkaluista.

EUR-ACE-osaamiset:
Tieto ja ymmärrys
Tekniikan soveltaminen käytäntöön

Sisältö

- Dataan pohjautuvan projektin rakenne ja toteutus
- Data-analytiikan ja koneoppimisen käytänteet
- Opetus- ja testijoukon käsitteet ja yleisimmät tavat niiden jakamiseen
- Datapohjaisen projektin dokumentointi ja visualisointi
- Esittely data-analytiikka ja koneoppimisen yleisimpiin työkaluihin ja niihin tarvittava käytännön osaaminen

Aika ja paikka

Opintojakso toteutetaan syyslukukaudella 2024.

Oppimateriaalit

Materiaali harjoitustehtäviä ja opiskeltavia asiasisältöjä varten jaetaan kurssin aikana.

Opetusmenetelmät

Virtuaalinen opiskelu sisältäen harjoitustehtävien tekemisen sekä niihin liittyviin luento- ja esimerkkimateriaaleihin perehtymisen.
Harjoitustehtävät tehdään yksilö- tai paritöinä.

Harjoittelu- ja työelämäyhteistyö

Opintojakson sisältö pyritään kytkemään työelämässä esiintyviin ongelmiin.

Toteutuksen valinnaiset suoritustavat

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

Opiskelijan ajankäyttö ja kuormitus

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

Arviointikriteerit, tyydyttävä (1)

Tyydyttävä 2: Tunnet data-analytiikka ja koneoppimisen projektin eri vaiheet. Osaat suunnitella data-analytiikan ja koneoppimisen projektin vaiheet. Lisäksi osaat pintapuolisesti toteutuksensa ja perustella johtopäätökset.

Välttävä 1: Tunnet data-analytiikka ja koneoppimisen projektin eri vaiheet. Osaat pintapuolisesti suunnitella data-analytiikan ja koneoppimisen projektin vaiheet. Lisäksi osaat arvioida suppeasti toteutuksensa ja tekemänsä johtopäätökset.

Arviointikriteerit, hyvä (3)

Kiitettävä 4: Tunnet data-analytiikka ja koneoppimisen projektin eri vaiheet ja osaa systemaattisesti edetä vaihe vaiheelta. Osaat suunnitella data-analytiikan ja koneoppimisen projektin vaiheet riippumatta ratkaistavasta ongelmasta. Lisäksi osaat monipuolisesti arvioida toteutuksensa ja perustella johtopäätökset.

Hyvä 3: Tunnet data-analytiikka ja koneoppimisen projektin eri vaiheet ja osaa edetä vaihe vaiheelta. Osaat suunnitella data-analytiikan ja koneoppimisen projektin vaiheet riippumatta ratkaistavasta ongelmasta. Lisäksi osaat monipuolisesti arvioida toteutuksensa ja perustella johtopäätökset.

Arviointikriteerit, kiitettävä (5)

Erinomainen 5: Tunnet data-analytiikka ja koneoppimisen projektin eri vaiheet ja osaa systemaattisesti edetä vaihe vaiheelta. Osaat suunnitella data-analytiikan ja koneoppimisen projektin vaiheet riippumatta ratkaistavasta ongelmasta. Lisäksi osaat arvioida kriittisesti toteutuksensa ja perustella johtopäätökset.

Lisätiedot

Opintojakso arvioidaan palautettujen harjoitustehtävien perusteella, jotka tulee palauttaa annettuihin aikatauluihin mennessä.
Arviointimenetelmät käydään läpi opintojakson alussa.

Siirry alkuun