Data Collection and Processing (5 cr)

Objectives (course unit)

The student knows what is meant by data collected for data analysis and artificial intelligence. The student knows the techniques used to collect data and is able to solve the challenges related to data collection and processing. The student is able to collect and process data in his / her field for analysis and utilization of artificial intelligence.

Content (course unit)

Data collection and storage technologies. Methods for combining and processing data. Data collection and preparation for follow-up. Examining various scenarios for collecting and processing data in the student's field of expertise.

Assessment criteria, satisfactory (1-2) (course unit)

The student knows some data collection and storage techniques suitable for his / her field. The student is able to use some data combining and processing method in the preparation of data in his / her field. The student is able to design a data collection and processing scenario for his / her field.

Assessment criteria, good (3-4) (course unit)

The student knows the most commonly used data collection and storage techniques. The student can use the most common data combining and processing methods in the preparation of data in his / her field. The student is able to design various data collection and processing scenarios in his / her field.

Assessment criteria, excellent (5) (course unit)

The student is familiar with various data collection and storage techniques. The student is able to use various methods of data combining and processing in the preparation of data in his / her field. The student will be able to design various data collection and processing scenarios in his / her field.

Exam schedules

ei tenttiä, oppimistehtävä, ennakkotehtäviä ja harjoituksia

Assessment methods and criteria

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

Assessment scale

0-5

Teaching methods

Ennakkotehtävät, luennot ja harjoitukset, oppimistehtävä

Learning materials

moodlessa

Student workload

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

Completion alternatives

oppimistehtävä

Assessment criteria - satisfactory (1-2) (Not in use, Look at the Assessment criteria above)

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.

Assessment criteria - good (3-4) (Not in use, Look at the Assessment criteria above)

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.

Assessment criteria - excellent (5) (Not in use, Look at the Assessment criteria above)

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.