Tekoäly ja data -projekti (15op)

Osaamistavoitteet (Opintojakso)

Opintojakson tavoitteena on antaa perustaidot data-analyysistä ja valmiudet datan käsittelyyn. Taitoja sovelletaan projektityössä.

Tavoitteena on, että opintojakson suoritettuaan opiskelija
• osaa perusteet tekoälystä ja saa hyvät valmiudet datan käsittelyyn: mitä ovat koneoppimismallit, millaisia ovat lopputuotteet, joilla vastataan kysymyksiin dataa hyödyntäen
• osaa soveltaa taitoja ohjelmiston kehittämisessä: osaa määritellä ohjelmiston ominaisuudet, suunnitella ohjelmiston toteutuksen ja toteuttaa ohjelmiston
• osaa suunnitella projektin, seurata projektin etenemistä, hallita muutoksia, arvioida projektia ja seurata työaikaa
• osaa toteuttaa projektin suunnitelmallisesti tavoitteiden kannalta tarkastellen
• kehittää teknistä osaamistaan projektin kannalta tärkeissä osa-alueissa.

Sisältö (Opintojakso)

Datan esikäsittely käyttöjärjestelemän komennoilla ja ohjelmointikielellä, datan visualisointi ohjelmointikielellä, koneoppimisen perusteet, algoritmeja ja menetelmiä sekä niiden soveltamista, käytännön projekti ketterää projektinhallintaa hyödyntäen, työajan seuranta, lopputuotteen määrittely, suunnittelu, toteutus, lopputuotteen esittely.

Esitietovaatimukset (Opintojakso)

Johdatus ohjelmointiin, selainpään ohjelmointikielen perusteet, selainpään sovellusten toteuttaminen

Arviointikriteerit, tyydyttävä (1-2) (Opintojakso)

Opiskelija ymmärtää koneoppimisen ja data-analyysin perusperiaatteet ja osaa soveltaa niitä ohjelmointikielellä avustetusti. Opiskelija toimii projektitiimissä ja tuottaa projektin lopputuotteeseen merkittävän tuotoksen.

Arviointikriteerit, hyvä (3-4) (Opintojakso)

Opiskelija osaa opintojaksolla opitun perusteella hyödyntää koneoppimisen ja data-analyysin algoritmeja. Opiskelija kehittää omaa osaamistaan projektitiimissä ja tuottaa projektin lopputuotteeseen merkittävän tuotoksen.

Arviointikriteerit, kiitettävä (5) (Opintojakso)

Opiskelija osaa opintojaksolla opitun perusteella soveltaen hyödyntää koneoppimisen ja data-analyysin algoritmeja. Opiskelija kehittää omaa osaamistaan projektitiimissä ja tuottaa projektin lopputuotteeseen erittäin merkittävän tuotoksen. Opiskelija osoittaa projektitiimiä tukevaa asennetta projektitoiminnassaan.

Aika ja paikka

Kolmannella periodilla kaikille yhteistä viikoittaista lähiopetusta, neljännellä periodilla painotus on ryhmäkohtaisissa ohjaus- ja asiakastapaamisissa sekä aikaan ja paikkaan sitomattomassa projektityöskentelyssä.

Arviointimenetelmät ja arvioinnin perusteet

30% Harjoitukset
40% Projektityön projektinhallinta, määrittely ja suunnittelu, katselmoinnit, projektin ja tuotteen dokumentaatio ja projektin toteutus (työmäärä, lopputuotteen havainnointi)
30% Vertaisarviointi ja asiakaspalaute

Kaikki osiot on suoritettava hyväksytysti.

Opiskelijan työmäärä n. 400 h

Arviointiasteikko

0-5

Opiskelumuodot ja opetusmenetelmät

– luennot ja harjoitukset aiheina Linux, Python-ohjelmointi, datan käsittely, AI

– alustuksia ja tehtäviä ohjelmiston määrittelyn ja suunnittelun aiheista

– projektioppiminen projekteissa: toimeksiannon mukaisen ohjelmiston rakentaminen ketterässä ohjelmistoprojektissa, katselmoinnit 1 (–2) viikon välein

Oppimateriaalit

Materiaalia saatavilla Moodlessa.

Kirjallisuutta:
Laurence Moroney, AI and Machine Learning for Coders
Emmanuel Ameisen, Building Machine Learning Powered Applications
Martin Fowler, UML Distilled
John Ousterhout, A Philosophy of Software Design
Jeroen Janssens, Data Science at the Command Line (2nd Ed)
(sekä muuta kirjallisuutta aiheiden ja tarpeiden mukaan).

Opiskelijan ajankäyttö ja kuormitus

15 * 27 tuntia. Opiskelijalta odotetaan n. 400 tunnin panostusta tasaisesti 3. ja 4. periodin ajan.

Sisällön jaksotus

Tammi-helmikuu:
– Linux-perusteet ja Python ohjelmointi datan käsittelyssä
– Data-analyysin perusteet: datan käsittely, mitä ovat konekoneoppimismallit, millaisia ovat lopputuotteet jolla vastataan kysymyksiin datan avulla
– Projektien valinta/hankkiminen, projektiryhmien organisointi, projektiin perehtyminen, aloituspalaverit, määrittely ja suunnittelu

Maalis-toukokuu: iteratiivinen määrittely, suunnittelu, toteutus, testaus ja käyttöönotto. Toiminta osana projektiryhmää jossakin vaihtoehtoisista projekteista.

Toukokuu: lopputuotteiden viimeistely ja esittely, vertaispalautteiden kerääminen.

Toteutuksen valinnaiset suoritustavat

AHOT

Harjoittelu- ja työelämäyhteistyö

Projektit ovat avoimeen dataan perustuvia tai aitoja työelämäprojekteja.

Kansainvälisyys

Ei tällä toteutuksella.

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

Harjoituspalautuksia on hyväksytty alle puolet tai opiskelijan työpanos projektityössä on opintojakson laajuuteen nähden riittämätön tai lopputuote ei ole hyväksyttävä.