Data-analyysi ja tekoälyn perusteetLaajuus (8 op)

Osaamistavoitteet

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

Sisältö

Data-analyysin perusteet ja keskeisimmät menetelmät Python-ohjelmointikielellä. Datan käsittely, analysointi ja visualisointi. Tekoälyn perusteet, tärkeimmät käsitteet ja erilaisia sovelluksia. (5 op)


Datan analysoinnin ja visualisoinnin perusteet (3 op): Käsitteet: perusjoukko, otos, otanta. Tilastolliset tunnusluvut: Keskiarvo, keskihajonta, mediaani, moodi, luottamusvälit. P-arvo ja testit (yksi muuttuja, riippuvuus, korrelaatio, khii^2, kahden riippumattoman/riippuvan otoksen t-testi). Datan visualisointi. Lineaarinen regressio, suoran sovittaminen pistejoukkoon, korrelaatiokerroin ja sen neliö/selitysaste. Työvälineenä Excel/Matlab tms.

Arviointikriteerit, tyydyttävä (1-2)

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

Arviointikriteerit, hyvä (3-4)

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

Arviointikriteerit, kiitettävä (5)

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