Data-analyysi, datan visualisointi ja tekoäly (5 op)

Osaamistavoitteet (Opintojakso)

Opiskelija tuntee data-analyysin perusteet ja keskeisimpiä menetelmiä. Opiskelija osaa datan käsittelyn, analysoinnin ja visualisoinnin. Opiskelija tietää tekoälyn perusteet, tärkeimmät käsitteet sekä osaa tulkita tuloksia ja tietää menetelmien rajoituksia ja mahdollisuuksia.

Sisältö (Opintojakso)

Data-analyysin perusteet ja keskeisimpiä menetelmiä. Datan käsittely, analysointi ja visualisointi. Tekoälyn perusteet, tärkeimmät käsitteet ja menetelmien arviointi.

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 tietää menetelmien rajoituksia ja mahdollisuuksia.

Arviointikriteerit, kiitettävä (5) (Opintojakso)

Opiskelija osaa käsitellä monipuolisesti dataa, analysoida ja tehdä visualisointeja. Opiskelija tuntee hyvin tekoälyn perusteet, tärkeimmät käsitteet ja osaa tulkita tuloksia sekä tietää menetelmien rajoituksia ja mahdollisuuksia.

Aika ja paikka

Opetus parillisina viikkoina alustavasti:

Lauantai 6.9 klo 9:00 - 16:30 ( Hybridi: kontakti-opetus tilassa A3-24 sekä etäosallistumismahdollisuus Teamsissa )
Lauantai 20.9 klo 9:00 - 16:30 ( Hybridi: kontakti-opetus tilassa A3-24 sekä etäosallistumismahdollisuus Teamsissa )
Lauantai 4.10 klo 9:00 - 16:30 ( Hybridi: kontakti-opetus tilassa A3-24 sekä etäosallistumismahdollisuus Teamsissa )

HUOM! Aikataulullisten rajoitteiden vuoksi viimeinen opetuskerta lauantaina 4.10 on alustavasti ajoitettu siten, että se menee päälekkäin toisen vapaasti-valittavan YAMK-opintojakson "NY00EC65-3014 Teknologiaosaamisen johtaminen" kanssa. Ilmoita opettajalle ajoissa, mikäli aiot osallistua myös tälle opintojaksolle. Lauantai 4.10 saatetaan vielä uudelleenaikatauluttaa, mikäli tilalle löydetään sopivampi ajankohta.

Arviointimenetelmät ja arvioinnin perusteet

Kurssin arvosana määräytyy harjoituksista ja harjoitustyöstä kerättävien suorituspisteiden perusteella. Läpäisyyn ja arvosanaan 1 vaaditaan vähintään 30% pisteistä, maksimiarvosanaan vähintään 90% pisteistä (muut arvosanat lineaarisesti tältä väliltä).

Arviointiasteikko

0-5

Opiskelumuodot ja opetusmenetelmät

Kontakti-opetus, etäopetusta teamsissa, oppimistehtävinä opetusviikkojen teemoihin littyviä harjoituksia sekä harjoitustyö.
Englanniksi

Sisällön jaksotus

Kolme intensiivistä päivää ja näihin liittyviä harjoituksia, joista osa on tarkoitus tehdä itseopiskeluna.

Lisätietoja opiskelijoille

Opetus parillisina viikkoina, to-pe-la.