Siirry suoraan sisältöön

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
  • 24YAMK
    Ylempi 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.