Siirry suoraan sisältöön

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
  • ICTMODembeddedSem
    MOD Embedded System (International Semester)
  • PTIVIS22S
    Embedded 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
  • ICTMODembeddedSem
    MOD Embedded System (International Semester)
  • PTIVIS21S
    Embedded 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
  • PIOTK21
    Degree 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