Opinto-opas

Tavoitteet

Opiskelija tuntee data-analyysin perusmenetelmät
Opiskelija osaa toteuttaa data-analyysiä reunalaskennassa
Opiskelija tuntee data-analyysin perusratkaisut pilvipalveluissa

Sisältö

Eräajo- ja reaaliaikainen data-analyysi
Data-analyysin prosessi
Datan muokkaus ja normalisointi
Kuvailevan tilastotieteen perusmenetelmät
Datan visualisointi
Koneoppimisen perusmenetelmät
Big data toteutusarkkitehtuurit

Oppimateriaalit

Lecture material
Labwork exercises

Opetusmenetelmät

Lab works 7 x 3h, mandatory
Lectures 7 x 2h, mandatory
Self study

Tenttien ajankohdat ja uusintamahdollisuudet

One exam at the end of the course (late March).

Toteutuksen valinnaiset suoritustavat

-

Opiskelijan ajankäyttö ja kuormitus

lab works 7x3h = 21h
lectures 7x2h = 14h
exam = 2h
self study = 73h
exam preparation 25h
TOTAL 135h

Sisällön jaksotus

1 Data at rest data in motion
2 Process of data analysis
3 Data preparation
4 Basics of descriptive statistics
5 Data visualization
6 Machine learning basics
7 Big data architectures

Viestintäkanava ja lisätietoja

Course Itslearningn pages.

Arviointiasteikko

H-5

Arviointimenetelmät ja arvioinnin perusteet

Assessment is based on Labwork exercises and course exam. Labwork exercises are evaluated and every exercise need to returned. Half of the grade comes from exercises and other half from the course exam. Minimum reguirement to pass the course is to return all the exercises and to get 50% of the points in Course exam.

Hylätty (0)

One or more labwork exercises missing or less than 50% of the points in course exam.

Arviointikriteerit, tyydyttävä (1-2)

The quality of the submitted exercises are poor and it is visible that the student has not put required effort in the exercises.

and

poor result from the course exam.

Arviointikriteerit, hyvä (3-4)

The quality of the submitted exercises are good and it is visible that the student has spent the required time with the exercises but the student has not challenged his/her skills or the exercises lacks the final effort to improve it.

and

good result from the course exam.

Arviointikriteerit, kiitettävä (5)

The quality of the submitted exercises are excellent and it is visible that the student has spent the required time or more with the exercises. The student has challenged his/her skills and exercises more about the topic to improve the end result

and

exelent result from the course exam

Esitietovaatimukset

Tietokoneen peruskäyttötaidot sekä Windows että Linux ympäristöissä
Tietoverkkojen perustaidot Cisco CCNA1 tai vastaava
Ohjelmoinnin perustaidot jollakin korkean tason ohjelmointikielellä (esimerkiksi Python, Java, C# tai vastaava)
Ohjelmoinnin perustaitoihin kuuluu muun muassa ulostulon formatointi, ehtolauseet, silmukat, funktiot/aliohjelmat, funktion parametrit ja paluuarvot, taulukot, virheentarkastelu, testaus ja hyvät koodauskäytännöt
Riittävät matemaattis-loogiset ajattelutaidot
Rittävä englannin kielen taito: opetus ja kaikki materiaalit ovat englanniksi