Data-analyysi, datan visualisointi ja tekoälyLaajuus (5 op)
Tunnus: NY00EK76
Laajuus
5 op
Osaamistavoitteet
Opiskelija tuntee data-analyysin perusteet ja keskeisimpiä menetelmiä. Opiskelija osaa datan käsittelyn, analysoinnin ja visualisoinnin. Opiskelija tietää tekoälyn perusteet, tärkeimmät käsitteet sekä osaa tulkita tuloksia ja tietää menetelmien rajoituksia ja mahdollisuuksia.
Sisältö
Data-analyysin perusteet ja keskeisimpiä menetelmiä. Datan käsittely, analysointi ja visualisointi. Tekoälyn perusteet, tärkeimmät käsitteet ja menetelmien arviointi.
Arviointikriteerit, tyydyttävä (1-2)
Opiskelija osaa käsitellä dataa, analysoida ja tehdä visualisointeja. Opiskelija tuntee tekoälyn perusteet ja tärkeimmät käsitteet.
Arviointikriteerit, hyvä (3-4)
Opiskelija osaa käsitellä dataa, analysoida ja tehdä visualisointeja. Opiskelija tuntee tekoälyn perusteet, tärkeimmät käsitteet ja tietää menetelmien rajoituksia ja mahdollisuuksia.
Arviointikriteerit, kiitettävä (5)
Opiskelija osaa käsitellä monipuolisesti dataa, analysoida ja tehdä visualisointeja. Opiskelija tuntee hyvin tekoälyn perusteet, tärkeimmät käsitteet ja osaa tulkita tuloksia sekä tietää menetelmien rajoituksia ja mahdollisuuksia.
Ilmoittautumisaika
05.06.2024 - 30.08.2024
Ajoitus
05.09.2024 - 05.10.2024
Laajuus
5 op
Virtuaaliosuus
5 op
Toteutustapa
Verkossa tapahtuva opiskelu
Toimipiste
TAMK Pääkampus
Opetuskielet
- Suomi
Paikat
0 - 40
Opettaja
- Esa Parkkila
Vastuuhenkilö
Ossi Nykänen
Ryhmät
-
24YAMKYlempi AMK, yhteiset opinnot
Tavoitteet (OJ)
Opiskelija tuntee data-analyysin perusteet ja keskeisimpiä menetelmiä. Opiskelija osaa datan käsittelyn, analysoinnin ja visualisoinnin. Opiskelija tietää tekoälyn perusteet, tärkeimmät käsitteet sekä osaa tulkita tuloksia ja tietää menetelmien rajoituksia ja mahdollisuuksia.
Sisältö (OJ)
Data-analyysin perusteet ja keskeisimpiä menetelmiä. Datan käsittely, analysointi ja visualisointi. Tekoälyn perusteet, tärkeimmät käsitteet ja menetelmien arviointi.
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 tietää menetelmien rajoituksia ja mahdollisuuksia.
Arviointikriteerit, kiitettävä (5) (OJ)
Opiskelija osaa käsitellä monipuolisesti dataa, analysoida ja tehdä visualisointeja. Opiskelija tuntee hyvin tekoälyn perusteet, tärkeimmät käsitteet ja osaa tulkita tuloksia sekä tietää menetelmien rajoituksia ja mahdollisuuksia.
Aika ja paikka
Opetus parillisina viikkoina alustavasti:
Lauantai 7.9 klo 9:00 - 16:30 (eka kerta la koska lähiopetus)
Perjantai 20.9 klo 9:00 - 16:00 (hybridi tai etä, toiveiden ja mahdollisuuksien mukaan)
Perjantai 4.10 klo 9:00 - 16:00 (hybridi tai etä, toiveiden ja mahdollisuuksien mukaan)
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
Kontakti-opetus, etäopetusta teamsissa, oppimistehtävinä opetusviikkojen teemoihin littyviä harjoituksia sekä harjoitustyö.
Oppimateriaalit
Materiaali moodlessa, sisältäen linkkejä aihepiirin englanninkieliseen aineistoon (mm. työkalujen ohjeet ja dokumentaatio).
Sisällön jaksotus
Kolme intensiivistä päivää ja näihin liittyviä harjoituksia, joista osa on tarkoitus tehdä itseopiskeluna.
Lisätietoja opiskelijoille
Opetus parillisina viikkoina, to-pe-la.