Data-analyysin ja koneoppimisen perusteet (5op)

Osaamistavoitteet (Opintojakso)

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

Sisältö (Opintojakso)

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

Arviointikriteerit, tyydyttävä (1-2) (Opintojakso)

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

Arviointikriteerit, hyvä (3-4) (Opintojakso)

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

Arviointikriteerit, kiitettävä (5) (Opintojakso)

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

Aika ja paikka

Aloitus etäopetuksena 13.1.2023 klo 08.15. Pääosin edetään jatkossakin etäopetuksena, mutta joitakin lähikertoja tullaan järjestämään A1-24:ssä ml. viimeinen kerta 12.5.2023. Tarkemmat, ajantasaiset tiedot Moodlesta.

Tenttien ja uusintatenttien ajankohdat

Lähtökohtaisesti ei tenttejä. Arviointi perustuu opintojakson aikana suoritettuihin aktiviteetteihin (erityisesti harjoituksiin/harjoitustöihin, mahd. myös esityksiin tai pieniin testeihin).

Arviointimenetelmät ja arvioinnin perusteet

Arviointi perustuu opintojakson aikana kerättyihin pisteisiin, joita voi saada harjoituksista, esityksistä ja muista vastaavista kurssiaktiviteeteista. Alustavasti arvosanat määräytyvät opintojakson aikana kertyneiden pisteiden osuudesta saavutettavissa olevaan kokonaispistemäärään nähden seuraavasti: [0%–50%[ -> 0, [50%–60%[ -> 1, [60%–70%[ -> 2, [70%–80%[ -> 3, [80%–90%[ -> 4, [90%–100%[ -> 5. Joitakin aktiviteetteja koskien saatetaan hyödyntää ja mahdollisesti vaatia vertais- tai itsearviointia.

Arviointiasteikko

0-5

Opiskelumuodot ja opetusmenetelmät

Luennot, harjoitukset, esitykset, etäopetus, ongelmaperustainen oppiminen

Oppimateriaalit

Esitellään opintojakson alussa.

Opiskelijan ajankäyttö ja kuormitus

Opiskelijan suunniteltu työkuorma keskimäärin n. 135 h, jakautuu tasaisesti kolmannelle ja neljännelle periodille.

Sisällön jaksotus

–

Toteutuksen valinnaiset suoritustavat

–

Harjoittelu- ja työelämäyhteistyö

Ei merkittävässä roolissa, mutta tutkitaan mahdollisuutta saada vierailuluennoitsija.

Kansainvälisyys

–

Lisätietoja opiskelijoille

–

Arviointikriteerit - hylätty (0) (Ei käytössä, kts Opintojakson Arviointikriteerit ylempänä)

Riittämätön määrä kurssiaktiviteeteista kerättyjä pisteitä. Osallistumista vertais- tai itsearviointiprosessiin saatetaan vaatia edellytyksenä opintojakson läpäisemiselle.

Arviointikriteerit - tyydyttävä (1-2) (Ei käytössä, kts Opintojakson Arviointikriteerit ylempänä)

Perustuen kurssiaktiviteeteista kerättyyn pistemäärään.

Arviointikriteerit - hyvä (3-4) (Ei käytössä, kts Opintojakson Arviointikriteerit ylempänä)

Perustuen kurssiaktiviteeteista kerättyyn pistemäärään.

Arviointikriteerit - kiitettävä (5) (Ei käytössä, kts Opintojakson Arviointikriteerit ylempänä)

Perustuen kurssiaktiviteeteista kerättyyn pistemäärään.