Opinto-opas

Osaamistavoitteet

Opiskelija
- osaa käsitellä dataa
- osaa perusteita data-analyysistä ja siihen liittyvistä menetelmistä
- osaa käyttää ja soveltaa data-analyysiä teknisten ongelmien ratkaisussa
- tuntee perusteita ja menetelmiä regressiosta, luokittelusta ja klusteroinnista

Sisältö

- Klassinen data-analyysi / tilastotieteen menetelmiä
- Luokittelu, päättelypuut, satunnaismetsä
- Klusterointi, K-means
- Regressio, lineaarinen regressio, logistinen regressio
- Neuroverkkojen perusteita

Arviointikriteerit, tyydyttävä (1-2)

Opiskelija osaa käsitellä dataa ja tuntee perusteet data-analyysistä ja siihen liittyvistä keskeisistä menetelmistä. Opiskelija osaa laskea opintojakson aihepiireihin liittyviä yksinkertaisia tehtäviä, jotka ovat käsiteltyjen/esitettyjen esimerkkien kaltaisia.

Arviointikriteerit, hyvä (3-4)

Edellisten lisäksi opiskelija osaa soveltaa opintojakson asioita uudenlaisissa tilanteissa ja perustella ratkaisujaan. Opiskelija osaa käyttää opintojakson aihepiireihin liittyviä käsitteitä ja menetelmiä oikein. Opiskelija suoriutuu annetuista tehtävistä itsenäisesti.

Arviointikriteerit, kiitettävä (5)

Edellisen lisäksi opiskelijalla on kokonaisvaltainen käsitys opintojakson asioista ja niiden käytöstä ongelmien ratkaisussa sekä taito esittää ja perustella loogisesti valitsemansa ratkaisut.