Siirry suoraan sisältöön

Data-analyysi ja tekoälyn perusteet (8 op)

Toteutuksen tunnus: 5G00FY12-3004

Toteutuksen perustiedot


Ilmoittautumisaika
24.11.2024 - 12.01.2025
Ilmoittautuminen toteutukselle on päättynyt.
Ajoitus
01.01.2025 - 04.05.2025
Toteutus on päättynyt.
Laajuus
8 op
Lähiosuus
8 op
Toteutustapa
Lähiopetus
Yksikkö
Tietotekniikka
Toimipiste
TAMK Pääkampus
Opetuskielet
suomi
Koulutus
Tietotekniikan tutkinto-ohjelma
Opettajat
Miika Huikkola
Pekka Pöyry
Vastuuhenkilö
Pekka Pöyry
Ryhmät
23I226
Sulautetut järjestelmät ja elektroniikka
23I227
Tietoliikennetekniikka ja tietoverkot
Opintojakso
5G00FY12

Osaamistavoitteet (Opintojakso)

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 (Opintojakso)

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) (Opintojakso)

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

Arviointikriteerit, hyvä (3-4) (Opintojakso)

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) (Opintojakso)

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:DataL&AI sekä matematiikka. Opiskelija saa molemmista osista arvosanan 0-5 ja lopullinen arvosana lasketaan siten, että DataL&AI osuuden paino on 5/8 ja matematiikan 3/8.

DataL&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

Tilastomatematiikan osion arvosana muodostuu

Kurssin aikaisesta jatkuvasta näytöstä [30%] ja
Kokoavasta näytöstä (loppukoe) [70%]

Tilastomatematiikan osion arvosanarajat osuuksina maksimipisteistä
1: 30%
2: 50%
3: 65%
4: 80%
5: 90%

Arviointiasteikko

0-5

Siirry alkuun