Opinto-opas

Tavoitteet (OJ)

Opiskelija tietää, mitä tarkoitetaan data-analyysiä ja tekoälyä varten kerättävällä datalla. Opiskelija tuntee datan keräämiseen käytettäviä tekniikoita ja osaa ratkaista datan keräämiseen ja käsittelyyn liittyviä haasteita. Opiskelija kykenee keräämään ja käsittelemään oman alansa dataa analysointia ja tekoälyn hyödyntämistä varten.

Sisältö (OJ)

Datan keräys- ja varastointitekniikat. Datan yhdistely- ja käsittelymenetelmät. Datan keräämistä ja valmistelua jatkotoimia varten. Erilaisten oman alan datan keräys- ja käsittelyskenaarioiden tarkastelua.

Arviointikriteerit, tyydyttävä (1-2) (OJ)

Opiskelija tuntee jonkin omaan alaan sopivan datan keräys- ja varastointitekniikan. Opiskelija osaa hyödyntää jotain datan yhdistely- ja käsittelymenetelmää oman alansa datan valmistelussa. Opiskelija kykenee suunnittelemaan oman alan datan keräys- ja käsittelyskenaarion.

Arviointikriteerit, hyvä (3-4) (OJ)

Opiskelija tuntee yleisimmin käytetyt datan keräys- ja varastointitekniikat. Opiskelija osaa hyödyntää yleisimpiä datan yhdistely- ja käsittelymenetelmiä oman alansa datan valmistelussa. Opiskelija kykenee suunnittelemaan erilaisia oman alan datan keräys- ja käsittelyskenaarioita.

Arviointikriteerit, kiitettävä (5) (OJ)

Opiskelija tuntee erilaisia tilanteeseen sopivia datan keräys- ja varastointitekniikoita. Opiskelija osaa hyödyntää monipuolisesti datan yhdistely- ja käsittelymenetelmiä oman alansa datan valmistelussa. Opiskelija kykenee suunnittelemaan monipuolisesti erilaisia oman alan datan keräys- ja käsittelyskenaarioita.

Tenttien ja uusintatenttien ajankohdat

ppimistehtävä

Arviointimenetelmät ja arvioinnin perusteet

Arvosana muodostuu oppimistehtävän perusteella.
Seuraavassa pisteet ja arvosana:

0 0
16 1
22 2
30 3
38 4
46 5

Arviointiasteikko

0-5

Oppimateriaalit

moodlessa

Opiskelijan ajankäyttö ja kuormitus

lähiopetusta 6*4 tuntia, itsenäistä työskentelyä 5*26,7 - 6*4 tuntia

Toteutuksen valinnaiset suoritustavat

oppimistehtävä

Tavoitteet (OJ)

Opiskelija tietää, mitä tarkoitetaan data-analyysiä ja tekoälyä varten kerättävällä datalla. Opiskelija tuntee datan keräämiseen käytettäviä tekniikoita ja osaa ratkaista datan keräämiseen ja käsittelyyn liittyviä haasteita. Opiskelija kykenee keräämään ja käsittelemään oman alansa dataa analysointia ja tekoälyn hyödyntämistä varten.

Sisältö (OJ)

Datan keräys- ja varastointitekniikat. Datan yhdistely- ja käsittelymenetelmät. Datan keräämistä ja valmistelua jatkotoimia varten. Erilaisten oman alan datan keräys- ja käsittelyskenaarioiden tarkastelua.

Arviointikriteerit, tyydyttävä (1-2) (OJ)

Opiskelija tuntee jonkin omaan alaan sopivan datan keräys- ja varastointitekniikan. Opiskelija osaa hyödyntää jotain datan yhdistely- ja käsittelymenetelmää oman alansa datan valmistelussa. Opiskelija kykenee suunnittelemaan oman alan datan keräys- ja käsittelyskenaarion.

Arviointikriteerit, hyvä (3-4) (OJ)

Opiskelija tuntee yleisimmin käytetyt datan keräys- ja varastointitekniikat. Opiskelija osaa hyödyntää yleisimpiä datan yhdistely- ja käsittelymenetelmiä oman alansa datan valmistelussa. Opiskelija kykenee suunnittelemaan erilaisia oman alan datan keräys- ja käsittelyskenaarioita.

Arviointikriteerit, kiitettävä (5) (OJ)

Opiskelija tuntee erilaisia tilanteeseen sopivia datan keräys- ja varastointitekniikoita. Opiskelija osaa hyödyntää monipuolisesti datan yhdistely- ja käsittelymenetelmiä oman alansa datan valmistelussa. Opiskelija kykenee suunnittelemaan monipuolisesti erilaisia oman alan datan keräys- ja käsittelyskenaarioita.

Tenttien ja uusintatenttien ajankohdat

ei tenttiä, oppimistehtävä, ennakkotehtäviä ja harjoituksia

Arviointimenetelmät ja arvioinnin perusteet

Arvosana muodostuu ennakkotehtävien, harjoitusten ja oppimistehtävän perusteella.
Ennakkotehtävistä ja harjoituksista voi saada 50 pistettä ja oppimistehtävästä 50 pistettä.
Yhteispisteet 100. Seuraavassa pisteet ja arvosana:

0 0
30 1
45 2
60 3
75 4
90 5

Arviointiasteikko

0-5

Opiskelumuodot ja opetusmenetelmät

Ennakkotehtävät, luennot ja harjoitukset, oppimistehtävä

Oppimateriaalit

moodlessa

Opiskelijan ajankäyttö ja kuormitus

lähiopetusta 6*4 tuntia, itsenäistä työskentelyä 5*26,7 - 6*4 tuntia

Toteutuksen valinnaiset suoritustavat

oppimistehtävä

Arviointikriteerit - tyydyttävä (1-2) (Ei käytössä, kts Opintojakson Arviointikriteerit ylempänä)

Opiskelija tuntee jonkin omaan alaan sopivan datan keräys- ja varastointitekniikan. Opiskelija osaa hyödyntää jotain datan yhdistely- ja käsittelymenetelmää oman alansa datan valmistelussa. Opiskelija kykenee suunnittelemaan oman alan datan keräys- ja käsittelyskenaarion.

Arviointikriteerit - hyvä (3-4) (Ei käytössä, kts Opintojakson Arviointikriteerit ylempänä)

Opiskelija tuntee yleisimmin käytetyt datan keräys- ja varastointitekniikat. Opiskelija osaa hyödyntää yleisimpiä datan yhdistely- ja käsittelymenetelmiä oman alansa datan valmistelussa. Opiskelija kykenee suunnittelemaan erilaisia oman alan datan keräys- ja käsittelyskenaarioita.

Arviointikriteerit - kiitettävä (5) (Ei käytössä, kts Opintojakson Arviointikriteerit ylempänä)

Opiskelija tuntee erilaisia tilanteeseen sopivia datan keräys- ja varastointitekniikoita. Opiskelija osaa hyödyntää monipuolisesti datan yhdistely- ja käsittelymenetelmiä oman alansa datan valmistelussa. Opiskelija kykenee suunnittelemaan monipuolisesti erilaisia oman alan datan keräys- ja käsittelyskenaarioita.