Opinto-opas

Tavoitteet (OJ)

Opiskelija tuntee data-analyysin perusteet ja keskeisimmät menetelmät Python-ohjelmointikielellä. Opiskelija osaa datan käsittelyn, analysoinnin ja visualisoinnin. Opiskelija tietää tekoälyn perusteet, tärkeimmät käsitteet ja tuntee erilaisia sovelluksia.

Sisältö (OJ)

Data-analyysin perusteet ja keskeisimmät menetelmät Python-ohjelmointikielellä. Datan käsittely, analysointi ja visualisointi. Tekoälyn perusteet, tärkeimmät käsitteet ja erilaisia sovelluksia.

Arviointikriteerit, tyydyttävä (1-2) (OJ)

Opiskelija osaa käsitellä dataa, analysoida ja tehdä visualisointeja. Opiskelija tuntee tekoälyn perusteet ja tärkeimmät käsitteet.

Arviointikriteerit, hyvä (3-4) (OJ)

Opiskelija osaa käsitellä dataa, analysoida ja tehdä visualisointeja. Opiskelija tuntee tekoälyn perusteet, tärkeimmät käsitteet ja osaa luoda esimerkkien pohjalta tekoälysovelluksia.

Arviointikriteerit, kiitettävä (5) (OJ)

Opiskelija osaa käsitellä monipuolisesti dataa, analysoida ja tehdä visualisointeja. Opiskelija tuntee hyvin tekoälyn perusteet, tärkeimmät käsitteet ja osaa luoda tekoälysovelluksia.

Tenttien ja uusintatenttien ajankohdat

ei tenttiä

Arviointimenetelmät ja arvioinnin perusteet

Arvosana koostuu viikkoharjoituksista ja kahdesta oppimistehtävästä. Toinen oppimistehtävä on data-analyysiin liittyvä ja toinen koneoppimiseen / tekoälyyn.

Viikkotehtävistä voi saada 0-1 pisteen ja oppimistehtävistä kustakin 0-2. Pisteet lasketaan yhteen ja summasta muodostuu arvosana. Viikkotehtäviä tulee tehdä min. 80 %, jotta yhden arvosanapisteen voi saada.

Pisteiden tarkempi kuvaus moodlessa.

Arviointiasteikko

0-5

Oppimateriaalit

moodlessa

Tavoitteet (OJ)

Opiskelija tuntee data-analyysin perusteet ja keskeisimmät menetelmät Python-ohjelmointikielellä. Opiskelija osaa datan käsittelyn, analysoinnin ja visualisoinnin. Opiskelija tietää tekoälyn perusteet, tärkeimmät käsitteet ja tuntee erilaisia sovelluksia.

Sisältö (OJ)

Data-analyysin perusteet ja keskeisimmät menetelmät Python-ohjelmointikielellä. Datan käsittely, analysointi ja visualisointi. Tekoälyn perusteet, tärkeimmät käsitteet ja erilaisia sovelluksia.

Arviointikriteerit, tyydyttävä (1-2) (OJ)

Opiskelija osaa käsitellä dataa, analysoida ja tehdä visualisointeja. Opiskelija tuntee tekoälyn perusteet ja tärkeimmät käsitteet.

Arviointikriteerit, hyvä (3-4) (OJ)

Opiskelija osaa käsitellä dataa, analysoida ja tehdä visualisointeja. Opiskelija tuntee tekoälyn perusteet, tärkeimmät käsitteet ja osaa luoda esimerkkien pohjalta tekoälysovelluksia.

Arviointikriteerit, kiitettävä (5) (OJ)

Opiskelija osaa käsitellä monipuolisesti dataa, analysoida ja tehdä visualisointeja. Opiskelija tuntee hyvin tekoälyn perusteet, tärkeimmät käsitteet ja osaa luoda tekoälysovelluksia.

Arviointiasteikko

0-5

Tavoitteet (OJ)

Opiskelija tuntee data-analyysin perusteet ja keskeisimmät menetelmät Python-ohjelmointikielellä. Opiskelija osaa datan käsittelyn, analysoinnin ja visualisoinnin. Opiskelija tietää tekoälyn perusteet, tärkeimmät käsitteet ja tuntee erilaisia sovelluksia.

Sisältö (OJ)

Data-analyysin perusteet ja keskeisimmät menetelmät Python-ohjelmointikielellä. Datan käsittely, analysointi ja visualisointi. Tekoälyn perusteet, tärkeimmät käsitteet ja erilaisia sovelluksia.

Arviointikriteerit, tyydyttävä (1-2) (OJ)

Opiskelija osaa käsitellä dataa, analysoida ja tehdä visualisointeja. Opiskelija tuntee tekoälyn perusteet ja tärkeimmät käsitteet.

Arviointikriteerit, hyvä (3-4) (OJ)

Opiskelija osaa käsitellä dataa, analysoida ja tehdä visualisointeja. Opiskelija tuntee tekoälyn perusteet, tärkeimmät käsitteet ja osaa luoda esimerkkien pohjalta tekoälysovelluksia.

Arviointikriteerit, kiitettävä (5) (OJ)

Opiskelija osaa käsitellä monipuolisesti dataa, analysoida ja tehdä visualisointeja. Opiskelija tuntee hyvin tekoälyn perusteet, tärkeimmät käsitteet ja osaa luoda tekoälysovelluksia.

Tenttien ja uusintatenttien ajankohdat

ei tenttiä

Arviointimenetelmät ja arvioinnin perusteet

Arvosana koostuu viikkoharjoituksista ja kahdesta oppimistehtävästä. Toinen oppimistehtävä on data-analyysiin liittyvä ja toinen koneoppimiseen / tekoälyyn.

Viikkotehtävistä voi saada 0-1 pisteen ja oppimistehtävistä kustakin 0-2. Pisteet lasketaan yhteen ja summasta muodostuu arvosana.

Pisteiden tarkempi kuvaus moodlessa.

Arviointiasteikko

0-5

Oppimateriaalit

moodlessa

Tavoitteet (OJ)

Opiskelija tuntee data-analyysin perusteet ja keskeisimmät menetelmät Python-ohjelmointikielellä. Opiskelija osaa datan käsittelyn, analysoinnin ja visualisoinnin. Opiskelija tietää tekoälyn perusteet, tärkeimmät käsitteet ja tuntee erilaisia sovelluksia.

Sisältö (OJ)

Data-analyysin perusteet ja keskeisimmät menetelmät Python-ohjelmointikielellä. Datan käsittely, analysointi ja visualisointi. Tekoälyn perusteet, tärkeimmät käsitteet ja erilaisia sovelluksia.

Arviointikriteerit, tyydyttävä (1-2) (OJ)

Opiskelija osaa käsitellä dataa, analysoida ja tehdä visualisointeja. Opiskelija tuntee tekoälyn perusteet ja tärkeimmät käsitteet.

Arviointikriteerit, hyvä (3-4) (OJ)

Opiskelija osaa käsitellä dataa, analysoida ja tehdä visualisointeja. Opiskelija tuntee tekoälyn perusteet, tärkeimmät käsitteet ja osaa luoda esimerkkien pohjalta tekoälysovelluksia.

Arviointikriteerit, kiitettävä (5) (OJ)

Opiskelija osaa käsitellä monipuolisesti dataa, analysoida ja tehdä visualisointeja. Opiskelija tuntee hyvin tekoälyn perusteet, tärkeimmät käsitteet ja osaa luoda tekoälysovelluksia.

Tenttien ja uusintatenttien ajankohdat

ei tenttiä

Arviointimenetelmät ja arvioinnin perusteet

Arvosana koostuu viikkoharjoituksista ja kahdesta oppimistehtävästä. Toinen oppimistehtävä on data-analyysiin liittyvä ja toinen koneoppimiseen / tekoälyyn.

Viikkotehtävistä voi saada 0-1 pisteen ja oppimistehtävistä kustakin 0-2. Pisteet lasketaan yhteen ja summasta muodostuu arvosana.

Pisteiden tarkempi kuvaus moodlessa.

Arviointiasteikko

0-5

Oppimateriaalit

moodlessa