Opinto-opas

Tavoitteet (OJ)

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

Sisältö (OJ)

Data-analyysin perusteet ja keskeisimmät menetelmät Python-ohjelmointikielellä. Datan käsittely, analysointi ja visualisointi. Tekoälyn perusteet, tärkeimmät käsitteet ja erilaisia sovelluksia. (5 op)


Datan analysoinnin ja visualisoinnin perusteet (3 op): Käsitteet: perusjoukko, otos, otanta. Tilastolliset tunnusluvut: Keskiarvo, keskihajonta, mediaani, moodi, luottamusvälit. P-arvo ja testit (yksi muuttuja, riippuvuus, korrelaatio, khii^2, kahden riippumattoman/riippuvan otoksen t-testi). Datan visualisointi. Lineaarinen regressio, suoran sovittaminen pistejoukkoon, korrelaatiokerroin ja sen neliö/selitysaste. Työvälineenä Excel/Matlab tms.

Arviointikriteerit, tyydyttävä (1-2) (OJ)

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

Arviointikriteerit, hyvä (3-4) (OJ)

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

Arviointikriteerit, kiitettävä (5) (OJ)

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

Arviointimenetelmät ja arvioinnin perusteet

Kurssin arvosana koostuu kahdesta osasta: ML&AI ja tilastomatematiikka. Opiskelija saa molemmista osista arvosanan 0-5 ja lopullinen arvosana lasketaan siten, että ML&AI osuuden paino on 5/8 ja matematiikan 3/8.

ML&AI osuuden arvosanan muodostuminen:

Arvosana koostuu viikkoharjoituksista ja kahdesta oppimistehtävästä. Toinen oppimistehtävä on data-analyysiin liittyvä ja toinen koneoppimiseen / tekoälyyn.

Viikkotehtävistä voi saada 0-1 pisteen ja oppimistehtävistä kustakin 0-2. Pisteet lasketaan yhteen ja summasta muodostuu arvosana.

Viikkotehtäviä tulee tehdä min. 80 %, jotta yhden pisteen voi saada.


Tilastomatematiikan osuuden arvosanan muodostuminen:

Arvosana koostuu tuntityöskentelystä, kotitehtävistä ja kokeesta

Tuntityöskentelystä on jaossa yhteensä max. 14 pistettä
Kotitehtävistä on jaossa myös max. 14 pistettä
Kokeesta on jaossa max. 22 pistettä.

Tilastomatematiikan osuuden arvosanarajat yhteenlasketuista kokonaispisteistä ovat seuraavat:
1: 35%
2: 50%
3: 65%
4: 80%
5: 90%

Arviointiasteikko

0-5