Dataosaamisen ja tekoälyn ylempi tutkinto-ohjelma
Tutkintonimike ja tutkinnon taso
Insinööri (ylempi-AMK), NQF 7
Bioanalyytikko (ylempi AMK), Ensihoitaja (ylempi AMK), Fysioterapeutti (ylempi AMK), Röntgenhoitaja (ylempi AMK), Kätilö (ylempi AMK), Terveydenhoitaja (ylempi AMK), Sosionomi (ylempi AMK), Sairaanhoitaja (ylempi AMK), NQF 7
Tradenomi (ylempi AMK), NQF 7
Yhteystiedot
Tutkintovastaava:
Pekka Pöyry, etunimi.sukunimi@tuni.fi
Opintoasiainkoordinaattori:
Teija Helin
Opinto-ohjaaja:
Minna Majuri
Hakukelpoisuus ja hakeminen
Ylempi AMK -tutkinto on tarkoitettu henkilöille, jotka ovat suorittaneet soveltuvan korkeakoulututkinnon ja joille on kertynyt vähintään kaksi vuotta työkokemusta asianomaiselta alalta em. tutkinnon jälkeen. Opistoasteen tai ammatillisen korkea-asteen tutkinnon suorittaneelta, joka on sittemmin suorittanut soveltuvan keakoulututkinnon, voidaan vaadittavaksi työkokemukseksi hyväksyä myös ennen koulututkinnon suorittamista saatu työkokemus asianomaiselta alalta.
Aiemmin hankitun osaamisen tunnustaminen
Opiskelijan on mahdollista saada tunnustusta aiemmin hankitusta osaamisestaan.
Katso TAMKin yleiset AHOT-ohjeet
Tutkintovaatimukset ja niitä koskevat säännöt
Lisätietoja: TAMKin tutkintosääntö ja ammattikorkeakoululaki.
TAMKin tutkintosääntö
Ammattikorkeakoululaki ja asetus ammattikorkeakouluista
Tutkinnon profiili
Tutkinto on ammatillisesti suuntautunut Master-tason korkeakoulututkinto.
Tutkinto vastaa Suomen kansallisen tutkintojärjestelmän ammattikorkeakoulututkinnolle asettamia kriteereitä sekä tutkintojen ja muun osaamisen eurooppalaisen viitekehystä.
Ammattikorkeakoululaki ja asetus ammattikorkeakouluista
Tutkinnon keskeiset osaamistavoitteet ja vuositeemat
Digitalisaatio muuttaa yhteiskuntaa ja organisaatioita nopeasti. Tämän myötä myös työelämän tarpeet muuttuvat. Datan merkitys lisääntyy jatkuvasti, ja tekoälyä hyödynnetään enenevissä määrin eri sovellusaloilla. Nämä digitalisaation tuomat muutokset edellyttävät eri alojen asiantuntijoilta dataosaamisen kasvattamista ja tekoälyn mahdollisuuksien tunnistamista omalla asiantuntemusalallaan, unohtamatta myöskään digitalisaatioon liittyviä eettisiä näkökulmia.
Dataosaamisen ja tekoälyn ylempi tutkinto-ohjelma antaa sinulle valmiudet toimia itsenäisesti asiantuntijana ja kehittäjänä vaativissa tehtävissä, joissa tarvitaan dataa ja hyödynnetään tekoälyä tai jotka tähtäävät näiden hyödyntämiseen tulevaisuudessa. Koulutuksessa opit tunnistamaan oman asiantuntija-alasi erilaisia datatarpeita ja ymmärrät datan hyödyntämismahdollisuuksia omalla sovellusalallasi. Opit tekemään myös datan esikäsittelyä, analysointia ja visualisointia käytännössä.
Koulutuksen aikana tutustut tekoälyn käsitteisiin ja menetelmiin sekä opit hyödyntämään tekoälyn menetelmiä ja sovelluksia myös käytännössä. Koulutukseen osallistuvat opiskelijat tulevat erilaisilta koulutustaustoilta (mm. insinöörejä, sairaanhoitajia ja tradenomeja), mikä antaa sinulle erinomaisen mahdillisuuden verkostoitua ja ymmärtää eri alojen asiantuntijoiden käsitteistöä ja tapaa ratkoa ongelmia. Tarkoituksena on, että myös opiskelijat jakavat toisilleen tietojaa ja taitojaan. Koulutus antaa sinulle valmiudet syventää ammatillista osaamistasi ja antaa sinulle menetelmiä ja työkaluja, joiden avulla voit jatkaa osaamisesi kehittämistä myös koulutuksen jälkeen.
Sijoittuminen työelämään
Yrityksissä ja organisaatioissa on kova tarve asiantuntijoille, joilla on oman substanssiosaamisen lisäksi myös data- ja tekoälyosaamista. He voivat työskennellä asiantuntijoina erilaisissa projekti-, suunnittelu- ja kehittämistehtävissä.
Tehtävänimikkeitä voivat olla yli-insinööri, data-asiantuntija, sovellusasiantuntija, projektipäällikkö, järjestelmäpäällikkö, erityissuunnittelija tai erityisasiantuntija.
Jatko-opintomahdollisuudet
Ylempi ammattikorkeakoulututkinto tuottaa muodollisesti samat jatko-opintomahdollisuudet kuin yliopistossa suoritettu ylempi korkeakoulututkinto.
Opintosuoritukset ja niiden arviointi
Suoritusten arvioinnissa käytetään pohjana TAMKin yleisiä arviointikriteereitä
Tarkemmat arviointikriteerit löytyvät opintojen toteutussuunnitelmista. Opiskelijoiden kanssa sovitaan opintojakson alussa opintojakson suoritus- ja arviointitavat.
TAMKin tutkintosääntö
Valmistuminen
Opintojen suorittaminen ja osaamistavoitteiden saavuttaminen opetussuunnitelman mukaisessa laajuudessa.
Opintojen toteuttaminen
Koulutus toteutetaan monimuoto-opintoina, ja sen voi suorittaa työn ohella.
Lähiopetusta on keskimäärin joka toinen viikko, torstai-iltana (16.30-20.00) ja perjantaisin koko päivän (8.30-16). Vaihtoehtoisissa syventävissä opinnoissa voi olla tästä poikkeava aikataulu, mikä koskee erityisesti 90 opintopisteen laajuista tutkintoa.
Tutkinnon kehittäminen
Opetussuunnitelmassa on otettu huomioon opetus- ja kulttuuriministeriön linjaukset sekä TAMKin strategia.
Opetussuunnitelmaa kehitetään yhteistyössä TAMKin muiden YAMK-koulutusten kanssa. Yhteistyö työelämän kanssa toteutuu opinnäytetöinä, hankkeina, verkostoyhteistyönä ja neuvottelukuntatoimintana. Opiskelijoilta kerätään vuosittain opintojaksopalautetta ja valmistuneiden palaute kootaan sähköisellä kyselyllä.
Dataosaamisen ja tekoälyn ylempi tutkinto-ohjelma (Insinööri ylempi AMK)
Dataosaamisen ja tekoälyn ylempi tutkinto-ohjelma (Sosiaali- ja terveysalan ylempi AMK)
Dataosaamisen ja tekoälyn ylempi tutkinto-ohjelma (Tradenomi ylempi AMK)
Dataosaamisen ja tekoälyn ylempi tutkinto-ohjelma (Insinööri ylempi AMK)
Dataosaamisen ja tekoälyn ylempi tutkinto-ohjelma (Sosiaali- ja terveysalan ylempi AMK)
Dataosaamisen ja tekoälyn ylempi tutkinto-ohjelma (Tradenomi ylempi AMK)
Dataosaamisen ja tekoälyn ylempi tutkinto-ohjelma (Insinööri ylempi AMK)
Dataosaamisen ja tekoälyn ylempi tutkinto-ohjelma (Sosiaali- ja terveysalan ylempi AMK)
Dataosaamisen ja tekoälyn ylempi tutkinto-ohjelma (Tradenomi ylempi AMK)
Dataosaamisen ja tekoälyn ylempi tutkinto-ohjelma (Insinööri ylempi AMK)
Dataosaamisen ja tekoälyn ylempi tutkinto-ohjelma (Sosiaali- ja terveysalan ylempi AMK)
Dataosaamisen ja tekoälyn ylempi tutkinto-ohjelma (Tradenomi ylempi AMK)
Ilmoittautumisaika
04.05.2024 - 08.09.2024
Ajoitus
26.08.2024 - 22.12.2024
Laajuus
5 op
Toteutustapa
Lähiopetus
Yksikkö
Dataosaaminen ja tekoäly YAMK
Toimipiste
TAMK Pääkampus
Opetuskielet
- Suomi
Koulutus
- Dataosaamisen ja tekoälyn ylempi tutkinto-ohjelma
Opettaja
- Ossi Nykänen
Vastuuhenkilö
Ossi Nykänen
Ryhmät
-
24YDTDataosaaminen ja tekoäly 2024, ylempi tutkinto-ohjelma, insinööri
-
24YDSDataosaaminen ja tekoäly 2024, ylempi tutkinto-ohjelma, sote
-
24YDLDataosaaminen ja tekoäly 2024, ylempi tutkinto-ohjelma, tradenomi
Tavoitteet (OJ)
Opiskelija tietää mitä tarkoittaa tekoäly ja millaisia tyypillisiä ongelmia sillä ratkotaan. Opiskelija tuntee tekoälyyn liittyvät keskeiset käsitteet ja algoritmit. Opiskelija tutustuu joihinkin tyypillisiin tekoälytyökaluihin ja niiden käyttöön. Tekoälyn sovellusalueita käydään lävitse.
Sisältö (OJ)
Tekoälyn olemus ja siihen liittyvät keskeiset käsitteet. Tekoälyllä tyypillisesti ratkaistavat ongelmat. Eri tyyppiset tekoälyalgoritmit. Tekoälyyn liittyvät työkalut. Tekoälysovelluksia.
Arviointikriteerit, tyydyttävä (1-2) (OJ)
Opiskelija tuntee tekoälyn yleisesti. Opiskelija osaa hyödyntää ohjatusti joitakin läpikäytyjä tekoälyyn liittyviä teknologioita. Opiskelija kykenee tunnistamaan eräitä sovellusalueita, johon tekoäly sopii.
Arviointikriteerit, hyvä (3-4) (OJ)
Opiskelija tuntee tekoälyn ja sen keskeiset käsitteet. Opiskelija osaa hyödyntää osaa kurssilla läpikäytyjä tekoälyyn liittyviä teknologioita. Opiskelija kykenee tunnistamaan tekoälyn käyttömahdollisuuksia eri sovellusalueilla.
Arviointikriteerit, kiitettävä (5) (OJ)
Opiskelija tuntee tekoälyn ja sen keskeiset käsitteet monipuolisesti. Opiskelija osaa hyödyntää luovasti keskeisimpiä läpikäytyjä tekoälyyn liittyviä teknologioita. Opiskelija kykenee arvioimaan erinomaisesti tekoälyn hyödyntämismahdollisuudet eri sovellusalueilla.
Aika ja paikka
Ks. periodiaikataulu. Kurssi starttaa hybridimuotoisena siten, että läsnäolo kampuksella on suositeltava osallistumistapa, mutta osallistumiseen tarjotaan mahdollisuuksien mukaan myös MS Teams-etäyhteys. Etäyhteyden roolia kurssilla arvioidaan kurssin kuluessa ja osallistumissuositusta tarkistetaan tarvittaessa. (Huomaa, että Teamsia voidaan joka tapauksessa käyttää myös paikan päällä kampuksella, esim. ryhmäkeskusteluissa, tallenteiden luomisessa ja tarkastelussa, ym.)
Tenttien ja uusintatenttien ajankohdat
Ei tenttiä.
Arviointimenetelmät ja arvioinnin perusteet
Kurssin arvosana määräytyy harjoituksista ja harjoitustyöstä kerättävien suorituspisteiden perusteella. Läpäisyyn ja arvosanaan 1 vaaditaan vähintään 30% pisteistä, maksimiarvosanaan vähintään 90% pisteistä (muut arvosanat lineaarisesti tältä väliltä).
Arviointiasteikko
0-5
Opiskelumuodot ja opetusmenetelmät
Kurssiin sisältyy oppimistehtävinä opetusviikkojen johdantoesityksiin ja teemoihin littyviä harjoituksia sekä suurempi harjoitustyö. Aikataulut, ohjeistus, aineistot ja tehtävien palautus Moodlessa.
Oppimateriaalit
Materiaali Moodlessa, sisältäen linkkejä aihepiirin englanninkieliseen aineistoon (mm. työkalujen ohjeet ja dokumentaatio).
Opiskelijan ajankäyttö ja kuormitus
Intensiivisiä kontaktiopetuspäiviä (etäopetus) ja näihin liittyviä harjoituksia, joista osa on tarkoitus tehdä itseopiskeluna. Ks. kurssin aikataulu.
Ilmoittautumisaika
04.05.2024 - 08.09.2024
Ajoitus
26.08.2024 - 22.12.2024
Laajuus
5 op
Toteutustapa
Lähiopetus
Yksikkö
Dataosaaminen ja tekoäly YAMK
Toimipiste
TAMK Pääkampus
Opetuskielet
- Suomi
Koulutus
- Dataosaamisen ja tekoälyn ylempi tutkinto-ohjelma
Opettaja
- Ossi Nykänen
Vastuuhenkilö
Ossi Nykänen
Ryhmät
-
24YDTDataosaaminen ja tekoäly 2024, ylempi tutkinto-ohjelma, insinööri
-
24YDSDataosaaminen ja tekoäly 2024, ylempi tutkinto-ohjelma, sote
-
24YDLDataosaaminen ja tekoäly 2024, ylempi tutkinto-ohjelma, tradenomi
Tavoitteet (OJ)
Opiskelija tietää erilaisia tekoälyä hyödyntäviä ratkaisuita ja tuntee datan roolin osana tekoälysovelluksia. Opiskelija osaa tunnistaa erilaisia tilanteita, joissa voidaan hyödyntää tekoälyä ja minkälaista dataa ratkaisut vaativat.
Sisältö (OJ)
Tekoälyä hyödyntävien tapausten tutkimista ja analysointia. Datan rooli osana tekoälysovellusta.
Arviointikriteerit, tyydyttävä (1-2) (OJ)
Opiskelija tutkii ja analysoi tekoälyratkaisuita ja tunnistaa datan roolin osana tekoälysovelluksia.
Arviointikriteerit, hyvä (3-4) (OJ)
Opiskelija osaa tutkia ja analysoida tekoälyratkaisuita eri näkökulmista ja ymmärtää datan roolin osana tekoälysovelluksia. Opiskelija osaa tunnistaa hyvin tilanteita, joissa tekoälyä voidaan hyödyntää ja ymmärtää, millaista dataa tällöin tarvitaan.
Arviointikriteerit, kiitettävä (5) (OJ)
Opiskelija osaa tutkia ja analysoida tekoälyratkaisuita monipuolisesti ja ymmärtää hyvin datan roolin osana tekoälysovelluksia. Opiskelija osaa tunnistaa erinomaisesti tilanteita, joissa tekoälyä voidaan hyödyntää ja ymmärtää hyvin, millaista dataa tällöin tarvitaan ja onko dataa riittävästi saatavilla ja mistä dataa saadaan lisää.
Tenttien ja uusintatenttien ajankohdat
Ei tenttiä.
Arviointimenetelmät ja arvioinnin perusteet
Kurssiarvosana perustuu kurssin välietappien asianmukaiseen saavuttamiseen:
1 - seminaari esitys pidetty (pakollinen)
+1 - seminaari esityksen laajuus ja sisältö asianmukainen
+1 - väliraportti palautettu ajallaan
+1 - loppuraportti ja lopullinen esitysmateriaali palautettu ajallaan
+1 - Seminaariesitys pitää sisällään myös "live-demon" kolmannen osapuolen tekemää ja/tai (pientä) itse tehtyä sovellusta hyödyntäen. (Plan-B:nä on hyvä ottaa kuitenkin esityskalvoihin pari ruuduunkaappauskuvaa sen varalta, että live-demossa tulee teknisiä ongelmia.)
Arviointiasteikko
0-5
Opiskelumuodot ja opetusmenetelmät
Pienryhmätyöskentelyä kampuksella, etäosallistumismahdollisuudella MS Teamsillä. Kurssin aikana tutustutaan valittuun tekoälyn tai sen sovelluksen aihepiiriin pienryhmissä (tiivis väliraportti), syvennetään siihen liittyvää omaa osaamista (lyhyt loppuraportti) ja valmistellaan aiheesta esitys muille kurssin osallistujille (seminaariesityksen esityskalvot tms. materiaali). Aikataulut, ohjeistus, aineistot ja tehtävien palautus Moodlessa.
Oppimateriaalit
Materiaali moodlessa, sisältäen linkkejä aihepiirin englanninkieliseen aineistoon.