IoT Big Data and AnalyticsLaajuus (5 op)
Tunnus: 5000BL72
Laajuus
5 op
Osaamistavoitteet
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
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
Ilmoittautumisaika
01.06.2023 - 26.09.2023
Ajoitus
25.09.2023 - 31.12.2023
Opintopistemäärä
5 op
Toteutustapa
Lähiopetus
Yksikkö
Tekniikka ja liiketoiminta
Toimipiste
Kupittaan kampus
Opetuskielet
- Englanti
Paikat
20 - 60
Koulutus
- Tieto- ja viestintätekniikan koulutus
- Degree Programme in Information and Communications Technology
Opettaja
- Juha Saarinen
Vastuuopettaja
Juha Saarinen
Ajoitusryhmät
- Laboratory Group 1 (Koko: 30. Avoin AMK: 0.)
- Laboratory Group 2 (Koko: 30. Avoin AMK: 0.)
Ryhmät
-
ICTMODembeddedSemMOD Embedded System (International Semester)
-
PTIVIS22SEmbedded Software and IoT
Pienryhmät
- Laboratory Group 1
- Laboratory Group 2
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
Cisco network academy material www.netacad.com
Opetusmenetelmät
Self-study network material
Lectures
7 laboratory sessions
Pedagogiset toimintatavat ja kestävä kehitys
Lab works
Lectures
Self study
Toteutuksen valinnaiset suoritustavat
-
Opiskelijan ajankäyttö ja kuormitus
lab works 7x4h = 28h
lectures 6x1h = 6h
exam = 2h
self study = 74h
exam preparation 25h
TOTAL 135h
Sisällön jaksotus
Chapter 1 Data and the Internet of Things
Chapter 2 Fundamentals of Data Analysis
Chapter 3 Data Analysis
Chapter 4 Advanced Data Analytics and Machine Learning
Chapter 5 Storytelling with Data
Chapter 6 Architecture for Big Data and Data Engineering
Viestintäkanava ja lisätietoja
-
Arviointiasteikko
H-5
Arviointimenetelmät ja arvioinnin perusteet
Must pass Final Exam:
60% -> 1
68% -> 2
76% -> 3
84% -> 4
92% -> 5
Mandatory lab works: +/- 2 grades from individual Lab performance
Mandatory lectures, must attend 70%
Hylätty (0)
Failed Final Exam <60%
or
Weak Final exam < 76% + poor lab performance (missing labs, nonprofessional attitude or lack of active problem-solving, missed lectures)
Arviointikriteerit, kiitettävä (5)
Excellent Final Exam >92%
and
expected lab performance (all labs done with average performance)
or
Good Final Exam >76%
and
superb lab performance (all labs done, actively learns new skills outside of the lab scope, is able to help fellow students, attended all lectures)
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
Ilmoittautumisaika
01.06.2022 - 11.09.2022
Ajoitus
19.09.2022 - 09.12.2022
Opintopistemäärä
5 op
Toteutustapa
Lähiopetus
Yksikkö
Tekniikka ja liiketoiminta
Toimipiste
Kupittaan kampus
Opetuskielet
- Englanti
Koulutus
- Degree Programme in Information and Communications Technology
Opettaja
- Juha Saarinen
Vastuuopettaja
Juha Saarinen
Ryhmät
-
ICTMODembeddedSemMOD Embedded System (International Semester)
-
PTIVIS21SEmbedded Software and IoT
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
Cisco network academy material www.netacad.com
Opetusmenetelmät
Self-study network material
Lectures
7 laboratory sessions
Pedagogiset toimintatavat ja kestävä kehitys
Lab works
Lectures
Self study
Toteutuksen valinnaiset suoritustavat
-
Opiskelijan ajankäyttö ja kuormitus
lab works 7x3h = 21h
lectures 6x2h = 12h
exam = 2h
self study = 74h
exam preparation 26h
TOTAL 135h
Sisällön jaksotus
Chapter 1 Data and the Internet of Things
Chapter 2 Fundamentals of Data Analysis
Chapter 3 Data Analysis
Chapter 4 Advanced Data Analytics and Machine Learning
Chapter 5 Storytelling with Data
Chapter 6 Architecture for Big Data and Data Engineering
Viestintäkanava ja lisätietoja
-
Arviointiasteikko
H-5
Arviointimenetelmät ja arvioinnin perusteet
Must pass Final Exam:
60% -> 1
68% -> 2
76% -> 3
84% -> 4
92% -> 5
Mandatory lab works: +/- 2 grades from individual Lab performance
Mandatory lectures, must attend 70%
Hylätty (0)
Failed Final Exam <60%
or
Weak Final exam < 76% + poor lab performance (missing labs, nonprofessional attitude or lack of active problem-solving, missed lectures)
Arviointikriteerit, kiitettävä (5)
Excellent Final Exam >92%
and
expected lab performance (all labs done with average performance)
or
Good Final Exam >76%
and
superb lab performance (all labs done, actively learns new skills outside of the lab scope, is able to help fellow students, attended all lectures)
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
Ilmoittautumisaika
01.12.2021 - 19.01.2022
Ajoitus
10.01.2022 - 30.04.2022
Opintopistemäärä
5 op
Toteutustapa
Lähiopetus
Yksikkö
Tekniikka ja liiketoiminta
Toimipiste
Kupittaan kampus
Opetuskielet
- Englanti
Koulutus
- Degree Programme in Information and Communications Technology
Opettaja
- Juha Saarinen
Ryhmät
-
PIOTK21Degree Programme in Information Technology, Cyber Security and IoT
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
Cisco network academy material www.netacad.com
Opetusmenetelmät
Self-study network material
Lectures
7 laboratory sessions
Pedagogiset toimintatavat ja kestävä kehitys
Lab works
Lectures
Self study
Toteutuksen valinnaiset suoritustavat
-
Opiskelijan ajankäyttö ja kuormitus
lab works 7x3h = 21h
lectures 6x2h = 12h
exam = 2h
self study = 74h
exam preparation 26h
TOTAL 135h
Sisällön jaksotus
Chapter 1 Data and the Internet of Things
Chapter 2 Fundamentals of Data Analysis
Chapter 3 Data Analysis
Chapter 4 Advanced Data Analytics and Machine Learning
Chapter 5 Storytelling with Data
Chapter 6 Architecture for Big Data and Data Engineering
Viestintäkanava ja lisätietoja
-
Arviointiasteikko
H-5
Arviointimenetelmät ja arvioinnin perusteet
Must pass Final Exam:
60% -> 1
68% -> 2
76% -> 3
84% -> 4
92% -> 5
Mandatory lab works: +/- 2 grades from individual Lab performance
Mandatory lectures, must attend 70%
Hylätty (0)
Failed Final Exam <60%
or
Weak Final exam < 76% + poor lab performance (missing labs, nonprofessional attitude or lack of active problem-solving, missed lectures)
Arviointikriteerit, kiitettävä (5)
Excellent Final Exam >92%
and
expected lab performance (all labs done with average performance)
or
Good Final Exam >76%
and
superb lab performance (all labs done, actively learns new skills outside of the lab scope, is able to help fellow students, attended all lectures)
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