Data-analytiikka (3 op)
Toteutuksen tunnus: 5N00EI59-3003
Toteutuksen perustiedot
- Ilmoittautumisaika
- 01.06.2021 - 03.09.2021
- Ilmoittautuminen toteutukselle on päättynyt.
- Ajoitus
- 23.08.2021 - 24.12.2021
- Toteutus on päättynyt.
- Laajuus
- 3 op
- Lähiosuus
- 3 op
- Toteutustapa
- Lähiopetus
- Toimipiste
- TAMK Pääkampus
- Opetuskielet
- suomi
- Paikat
- 0 - 50
- Koulutus
- Tieto- ja viestintätekniikan tutkinto-ohjelma, vuosina 2014-2018 aloittaneet
Osaamistavoitteet (Opintojakso)
Opiskelija
- osaa käsitellä dataa
- osaa perusteita data-analyysistä ja siihen liittyvistä menetelmistä
- osaa käyttää ja soveltaa data-analyysiä teknisten ongelmien ratkaisussa
- tuntee perusteita ja menetelmiä regressiosta, luokittelusta ja klusteroinnista
Sisältö (Opintojakso)
- Klassinen data-analyysi / tilastotieteen menetelmiä
- Luokittelu, päättelypuut, satunnaismetsä
- Klusterointi, K-means
- Regressio, lineaarinen regressio, logistinen regressio
- Neuroverkkojen perusteita
Arviointikriteerit, tyydyttävä (1-2) (Opintojakso)
Opiskelija osaa käsitellä dataa ja tuntee perusteet data-analyysistä ja siihen liittyvistä keskeisistä menetelmistä. Opiskelija osaa laskea opintojakson aihepiireihin liittyviä yksinkertaisia tehtäviä, jotka ovat käsiteltyjen/esitettyjen esimerkkien kaltaisia.
Arviointikriteerit, hyvä (3-4) (Opintojakso)
Edellisten lisäksi opiskelija osaa soveltaa opintojakson asioita uudenlaisissa tilanteissa ja perustella ratkaisujaan. Opiskelija osaa käyttää opintojakson aihepiireihin liittyviä käsitteitä ja menetelmiä oikein. Opiskelija suoriutuu annetuista tehtävistä itsenäisesti.
Arviointikriteerit, kiitettävä (5) (Opintojakso)
Edellisen lisäksi opiskelijalla on kokonaisvaltainen käsitys opintojakson asioista ja niiden käytöstä ongelmien ratkaisussa sekä taito esittää ja perustella loogisesti valitsemansa ratkaisut.
Tenttien ja uusintatenttien ajankohdat
Loppukoe viimeisellä opetusviikolla Moodlessa ilmoitettavana ajankohtana
Uusintatentit
dd.1.2022 klo 17-20
dd.2.2022 klo 17-20
Arviointimenetelmät ja arvioinnin perusteet
Opintojakson suorittaminen perustuu seuraaviin osa-alueisiin
Aktiivinen osallistuminen opetukseen
Harjoitustyö(t)
Harjoitustehtävät
Loppukoe / tentti
Arviointiasteikko
0-5
Opiskelumuodot ja opetusmenetelmät
Lähiopetus / etäopetus, yhteisöllinen oppiminen, harjoitustehtävät, harjoitustyöt
Oppimateriaalit
Moodlessa ilmoitettu ja julkaistava materiaali
Opiskelijan ajankäyttö ja kuormitus
Oppitunteja n. 30 h
Itsenäinen opiskelu n. 25 h
Harjoitustyö n. 25 h
Sisällön jaksotus
-Matlab perusteet
-Klassinen data-analyysi
-Data-analyysin menetelmiä
-Harjoitustyöt