Opinto-opas

Tavoitteet

After completing this course the student is able
- to create 3D models and understand 3D modeling workflow
- to craft textures and materials for the models
- to animate objects and characters

Sisältö

- Fundamentals of 3D modeling techniques
- Introduction to texturing, materials and lighting for 3D content creation
- Basics in animating techniques

Oppimateriaalit

Contact sessions 3h per week. Group chat on Discord for those who are interested. Course material and information shared through itslearning.

Opetusmenetelmät

Weekly contact sessions and weekly assignments.

Tenttien ajankohdat ja uusintamahdollisuudet

There are no exams on this coure.

Toteutuksen valinnaiset suoritustavat

Competence demonstration, if you have experience from industry and/or experience that is compatible with the course content

Opiskelijan ajankäyttö ja kuormitus

One contact session 3h. One prelab and one weekly assignment per week. Prelab is starter for the weekly assignment and it need to be done before contact session.

Estimated work time is 9 hours every week (3 hours in contact session and 6 hours independent work), 126 hours total.

Sisällön jaksotus

Content is separated in three main categories: Modeling, Materials and Animation. All work is done with Blender.

Course starts at week 3 and last contact session is at week 17 Totally 14 times. Assignments changes every week and assignments need to be returned before next weeks contact session.

Lesson 1: Blender GUI and primitives
Lesson 2: Modeling - "box modeling"
Lesson 3: Modeling - from scratch "polygon modeling"
Lesson 4: Modeling - Boolean modeling
Lesson 5: Modeling - retopology
Lesson 6: Modeling - Sculpting
Lesson 7: Modeling - Own modeling work
Lesson 8: Materials - Materials and Lightning (Cycles)
Lesson 9: Materials - UV map and textures
Lesson 10: Materials - Texture baking
Lesson 11: Animation - Animation tools
Lesson 12: Animation - Animation with bone parenting
Lesson 13: Animation - Character rigging
Lesson 14: Animation - Walk cycle

Viestintäkanava ja lisätietoja

Course material and information shared through itslearning.

Arviointiasteikko

H-5

Arviointimenetelmät ja arvioinnin perusteet

Assessment will be based on the individual assignments submitted in the itslearning course platform.

Teacher evaluates the assignments. To pass the course, students are expected to turn in at least 75 % of the assignments. Final grade will be average of assignment grades multiplied by return percent (non-returned assignments are counted as 0).

Hylätty (0)

Student submits less than 75% of the assignments

Arviointikriteerit, tyydyttävä (1-2)

The average is of the submitted assignments and the submission percentage equals 1-2
The quality of the submitted assignments are poor and it is visible that the student has not spent the required time with the assignment

Arviointikriteerit, hyvä (3-4)

The average is of the submitted assignments and the submission percentage equals 3-4
The quality of the submitted assignments are good and it is visible that the student has spent the required time with the assignment but the student has not challenged his/her skills or the assignment lacks the final effort to improve it.

Arviointikriteerit, kiitettävä (5)

The average is of the submitted assignments and the submission percentage equals 5
The quality of the submitted assignments are excellent and it is visible that the student has spent the required time or more with the assignment. The student has challenged his/her skills and researched more about the topic to improve the end result

Tavoitteet

After completing the course the student can:
Implement a desktop or a web application for an assigned task.
Program efficiently in a team using professional tools.
Reuse code, utilize libraries, and/or application platforms and application frameworks.
Write code from UML diagrams or implement user stories.
Understand some common design patterns.

Sisältö

An assignment for a desktop or a web application.
Elaborating on programming language and features suitable for the application.
Learning and utilising one or more design patterns.
Using professional coding and version control tools.
Re-using code and utilising libraries, frameworks and/or platforms.
Developing a desktop or a web application as a team work.

Oppimateriaalit

Kurssilla käytetään ulkopuolista kurssivideomateriaalia. Tämä aiheuttaa opiskelijalle jonkin verran kustannuksia.

Muuta Internet-materiaalia.

Opetusmenetelmät

- videoiden katsominen ja muun oppimismateriaalin lukeminen
- osallistuminen luennoille
- ohjelmointi opettajan johdolla
- itsenäinen ohjelmointi
- emulaattorin ja muiden työkalujen kanssa työskentely; configurointi
- osallistuminen ryhmätyön tekemiseen

Tenttien ajankohdat ja uusintamahdollisuudet

Ei tenttiä.

Toteutuksen valinnaiset suoritustavat

Opiskelija voi suorittaa opintojakson osoittamalla osaamisensa opintojakson aiheista esimerkiksi tekemillään työnäytteillä. Osoittamisesta täytyy sopia opettajan kanssa opintojakson 4 ensimmäisen viikon aikana.

Opiskelija voi myös ahotoida opintojakson vastaavalla muualla oppilaitoksemme hyväksymässä oppilaitoksessa suoritetulla kurssilla. Asia kannattaa laittaa vireille heti opintojakson alkaessa.

Opiskelijan ajankäyttö ja kuormitus

40 h videoita, luettavaa
26 h kontaktiluentoja
4 h harjoitustyön esittäminen ja muiden harjoitustöiden seurantaa paikan päällä
39 h harjoitustyö
26 h henkilökohtaiset harjoitustehtävät

Sisällön jaksotus

Mobiiliohjelmointia React Native -kirjastolla.

Sisältö:

Mikä on React Native
React Native perusteet:
Debuggaus
Tyylit ja asemointi
Navigointi
Tilanhallinta app-tasolla
Käyttäjien syötteen käsitteleminen
HTTP-pyyntöjen lähettäminen
Autentikointi
Julkaiseminen

Expo ja muita työkaluja

6 henkilökohtaista harjoitustehtävää.
Ryhmätyö (ei pakollinen) : natiivin mobiilisovelluksen toteuttaminen

Arviointiasteikko

H-5

Arviointimenetelmät ja arvioinnin perusteet

Opintojakson kokonaismaksimipistemäärä on 120.

Maksimissaan 60 pistettä 6 henkilökohtaisesta harjoitustehtävästä, 40 pistettä harjoitustyöstä ja 20 pistettä luentoläsnäoloista.

Opintojakson arviointiskaala on seuraava:

Pisteitä vähintään -> Arvosana

0 -> 0
40 -> 1
56 -> 2
72 -> 3
88 -> 4
104 -> 5

Huomaa seuraava lisäehto: hyväksyttävään suoritukseen tarvitaan vähintään 25 pistettä henkilökohtaisista harjoitustehtävistä .

Läsnäolopisteet annetaan seuraavan skaalan perusteella:

Läsnäoloprosentti käytännön- ja teorialuennoilla -> pisteitä

30% -> 5
45% ->10
60%->15
80%->20

Osa henkilökohtaisista harjoitustehtävistä tehdään käytännöntunneilla yhdessä opettajan kanssa. Näin läsnäolo niillä karruttaa myös harjoitustehtäväpisteitä.

Demokerroilla on oltava läsnä. Läsnäolo demoissa ei karruta läsnäolopisteitä. Poissaolo demoista aiheuttaa 50 % vähennyksen opiskelijan näihin demoihin palauttamien tehtävien pisteisiin. Myös tehtävien palauttaminen myöhässä aiheuttaa 50 prosentin vähennyksen. Tehtäviä ei oteta enää vastaan opintojakson päättymispäivän jälkeen. Opintojakson päättymispäivän jälkeen ei myöskään anneta korvaavia tai täydentäviä tehtäviä. Opiskelija täytyy huolehtia siis siitä, että hän saa kerättyä eri suorituksista riittävästi pisteitä opintojakson aikana.

Hylätty (0)

Opiskelija ei ole opintojakson aikana onnistunut keräämään läpäisyyn riittävää pistemäärää. Näin ollen hän ei ole pystynyt osoittamaan sellaista osaamista, jonka perusteella voitaisiin antaa hyväksyttävä arvosana.

Arviointikriteerit, tyydyttävä (1-2)

Opiskelija tietää mitä ovat natiivit mobiilisovellukset ja tuntee niiden kehittämiseen liittyviä kysymyksiä
Opiskelija tuntee React Nativen perusteet
Opiskelija osaa ohjelmoida yksinkertaisen React Native -sovelluksen
Opiskelija tietää joitakin keskeisiä React Native -kehittämisessä käytettäviä työkaluja

Arviointikriteerit, hyvä (3-4)

Opiskelija tietää mitä ovat natiivit mobiilisovellukset ja tuntee niiden kehittämiseen liittyviä kysymyksiä
Opiskelija hallitsee React Nativen perusteet
Opiskelija osaa ohjelmoida React Native -sovelluksen ja hyödyntää React Native -kirjastoja
Opiskelija osaa etsiä tietoja mobiilisovellusosaamisensa kehittämiseksi ja ongelmien ratkaisemiseksi
Opiskelija osaa hyödyntää joitakin keskeisiä React Native -kehittämisessä käytettäviä työkaluja
Opiskelijalla osaa työskennellä mobiiliohjelmointiprojektissa

Arviointikriteerit, kiitettävä (5)

Opiskelija tietää mitä ovat natiivit mobiilisovellukset ja tuntee laajasti niiden ohjelmointiin liittyviä kysymyksiä
Opiskelija hallitsee laajasti React Native -kehittämisen perusteita
Opiskelija osaa ohjelmoida tehokaasti React Native -sovelluksen ja hyödyntää React Native -kirjastoja
Opiskelija osaa suunnitella ja toteuttaa modulaarisia React Native -sovelluksia
Opiskelija osaa etsiä tehokkaasti tietoja osaamisensa kehittämiseksi ja ongelmien ratkaisemiseksi
Opiskelija osaa hyödyntää keskeisiä React Native -kehittämisessä käytettäviä työkaluja
Opiskelijalla osaa työskennellä aloitteellisesti ja tehokkaasti erilaisissa rooleissa mobiiliohjelmointiprojektissa määrittelystä mobiilisovelluksen julkaisuun

Oppimateriaalit

Kurssilla käytettävät materiaalit:

1. ISO27005 standardi
2. Sutton, David (2021): Information security risk management : a practitioner's guide: https://ebookcentral.proquest.com/lib/turkuamk-ebooks/detail.action?docID=6733537
3. Ilmonen, I. & al. (2022): Johda riskejä: käytännön opas yrityksen riskienhallintaan: https://turkuamk.finna.fi/Record/turkuamk.995697291505970?sid=3091696371
4. https://www.enisa.europa.eu/publications/interoperable-eu-risk-management-framework
5. Enisa Threat Landscape 2023 https://www.enisa.europa.eu/publications/enisa-threat-landscape-2023

ja mahdollisesti muita ajankohtaisia materiaaleja

Opetusmenetelmät

Teoriaosuus luentoina ja itsenäisenä perehtymisenä. Ohjaus etätapaamisissa tarpeen mukaan. Käytännön riskiarviotyö vaatii kohdeyrityksen hankkimisen sekä yhteydenpidon vastuutahoon. Lähipäivinä riskiarviotyön etenemisen ohjausta, vertaistukea ja kokemusten jakamista, projektin esittelyä ja arviointia.

Pedagogiset toimintatavat ja kestävä kehitys

Aktiivinen projektioppiminen ja ongelmanratkaisu

Toteutuksen valinnaiset suoritustavat

-

Opiskelijan ajankäyttö ja kuormitus

Tietoturvallisuusriskien hallintakurssin teoriaosuuden kertaus sekä laaja riskienhallinnan projektityö

Sisällön jaksotus

Tieto- ja kyberturvallisuus ovat keskeisiä osa-alueita nykyaikaisissa organisaatioissa, ja riskienhallinnan merkitys on korostunut entisestään. Tämä riskienhallinnan käytännön projektiin keskittyvä kurssi tarjoaa opiskelijoille mahdollisuuden soveltaa käytännössä tieto- ja kyberturvallisuuden riskienhallinnan periaatteita ja menetelmiä. Kurssin tavoitteena on kehittää opiskelijoiden taitoja riskien tunnistamisessa, arvioinnissa ja hallinnassa sekä valmistella heitä tulevaisuuden uraan tieto- ja kyberturvallisuuden alalla.

Kurssin sisältö:

Kurssin esitietovaatimuksena on tietoturvariskien hallinta-kurssi, jossa käsitellään ISO27005 standardin mukainen riskienhallinnan prosessi. Opiskelijoiden tulee hallita oppivat tieto- ja kyberturvallisuuden riskienhallintaprosessin vaiheet, mukaan lukien riskien tunnistaminen, arviointi, hallinta ja seuranta. Prosessi ja vaiheet kerrataan tämän kurssin alussa.

Opiskelija hankkii itselleen pienen tai keskisuuren organisaation, jolle he suorittavat riskiarvioinnin. Opiskelija vastaa yhteydenpidosta organisaation edustajiin. Työ tehdään yksilötehtävänä tai pareittain.

Opiskelijat soveltavat ISO 27005 -standardia sekä muita riskienhallinnan viitekehyksiä ja parhaita käytäntöjä valitsemalleen kohdeyritykselle. He suorittavat riskiarvioinnin ja dokumentoivat tulokset. Kurssin päätteeksi opiskelijat laativat loppuraportin, joka sisältää riskiarvioinnin tulokset ja suositukset kohdeyritykselle. He esittävät tuloksensa luokan ja mahdollisesti myös kohdeyrityksen edustajille.

Vaatimukset:

Osallistuminen edellyttää aiempaa taustatietoa tieto- ja kyberturvallisuuden riskienhallinnasta. Opiskelijan tulee myös valita kohdeyritys, johon riskiarviointi kohdistetaan.

Kurssi tarjoaa opiskelijoille ainutlaatuisen mahdollisuuden soveltaa tietämystään riskienhallinnasta käytännön projektiin ja valmistella heitä uraan tieto- ja kyberturvallisuuden alalla.

Ajankohta:
Kevät 2024. Joka toinen viikko lähitapaaminen ja joka toinen viikko verkkotapaaminen erillisten varausten mukaisesti

Arviointiasteikko

H-5

Arviointimenetelmät ja arvioinnin perusteet

Teoriaosuuden kertaustehtävä 10%
Riskiarvioinnin toteutus, dokumentointi ja organisaation palaute 90%

Hylätty (0)

Riskiarviointia ei ole suoritettu

Arviointikriteerit, tyydyttävä (1-2)

Suppea riskiarvio ja tyydyttävä palaute organisaatiosta

Arviointikriteerit, hyvä (3-4)

Melko kattava riskiarvio ja hyvä palaute organisaatiosta

Arviointikriteerit, kiitettävä (5)

Kattava riskiarvio ja kiitettävä palaute organisaatiosta

Tavoitteet

After completing the course, the student can:
- work with advanced topics in data engineering and AI

Sisältö

Advanced topics in Data Engineering, AI and data analytics such as
- application security
- data privacy
- legislation on data protection
- ethics of AI

Oppimateriaalit

Course materials are prepared by the lecturer from various sources including books, online material, etc.

Recommended books to study in this course are:
-- Practical Data Privacy: Enhancing Privacy and Security in Data 1st Edition by Katharine Jarmul
-- Fundamentals of Data Engineering: Plan and Build Robust Data Systems 1st Edition
by Joe Reis and Matt Housley

Opetusmenetelmät

Weekly contact sessions with total of 3 hours of theory and practical exercises.

Tenttien ajankohdat ja uusintamahdollisuudet

Exams including retake will be in Week 48 or 49 (at the same day as we have the regular lectures).

Pedagogiset toimintatavat ja kestävä kehitys

The course includes about 11 theory sessions and personal practice tasks.

This learning method combines theoretical knowledge with practical applications and real-world examples. It emphasizes understanding data engineering fundamental and privacy AI concepts, studying relevant technologies and techniques, and exploring practical implementations and use cases. Hands-on exercises, case studies, and projects will be incorporated to reinforce the learning experience

Toteutuksen valinnaiset suoritustavat

The exercises are mainly performed using Jupyter Notebook or other types of code scripts. Students will use TensorFlow and/or PyTorch. Strong python programming skills are needed to complete the exercises in part II.

Opiskelijan ajankäyttö ja kuormitus

11 sessions (2.9-29.11.24 ) each 3 hours (2h lecture, 1h practice)+ Exam

Contact hours:
- Weeks 36 - 47: Theory & practice (3h/week): 11 x 3h = 33h
- Week 48: Exam: 2h
- In addition, about 5 support and inquiry hours (biweekly): 5x 1h = 5h

Total contact hours: 40 hours
Independent study and homework: about 90 h

Sisällön jaksotus

The course will be provided in two parts covering the following concepts:
Part I:
-- data security (encryption)
-- data privacy
-- data warehouses and data lakes
-- legislation on data protection (GDPR, data act)
Part II:
-- Data Regulations and Ethics in AI
-- Synthetic data generation
-- Differential privacy techniques
-- Decentralized machine learning and federated learning

Arviointiasteikko

H-5

Arviointimenetelmät ja arvioinnin perusteet

This course comprises 100 points including:
-- 22 points (1+1p each contact class: Lecture and Practical Session)
-- 44points for exercises
-- 34points for the exam

-Participation and exercises (50% of total to pass): Students must achieve at least 50% of the points to pass the course. Participation points can only be gained by being present in class during the Lecture and Practical sessions.

- Exam (50% of total points to pass): Students must achieve at least 50% of the points in order to pass the course.

The course is graded on a scale of 0-5.

Grading will be according to the total points collected by the student during the course as well as the exam.
1: 50% (minimum to pass the course)
2: 60-69%
3: 70-79%
4: 80-89%
5: 90-100%

Hylätty (0)

<50% of total points or failed exam, exercise or participation points total.

Arviointikriteerit, tyydyttävä (1-2)

50-69% of the total points with passed exam, exercise and participation.

Arviointikriteerit, hyvä (3-4)

70-89% of the total points with passed exam, exercise and participation.

Arviointikriteerit, kiitettävä (5)

90-100% of the total points with passed exam, exercise and participation.

Tavoitteet

Harjoittelujakson suoritettuaan opiskelija osaa:
- hankkia itselleen oman koulutuksensa alan harjoittelupaikan
- suorittaa saamiaan työtehtäviä yhdessä työtoverien kanssa
- soveltaa opinnoissa kartuttamaansa osaamista työtehtävissään
- kuvata harjoitteluorganisaation toiminta-ajatuksen, kannattavuuden osatekijöitä sekä yrittäjyyden elementtejä
- arvioida harjoittelujakson tuloksia.

Sisältö

Oman koulutuksensa mukaiseen tekniikan alan ammattiin tutustuminen.
Tutkintoon sisältyvän harjoittelun minimilaajuus on 30 op.

Arviointiasteikko

Hyväksytty/Hylätty

Esitietovaatimukset

Perusharjoittelu

Tavoitteet

Harjoittelujakson suoritettuaan opiskelija osaa:

hankkia itselleen omaa osaamispolkuaan vastaavan harjoittelupaikan
suorittaa osaamispolkuaan vastaavia työtehtäviä itsenäisesti ja ryhmän jäsenenä
ennalta suunnitella työntekoaan
kuvata harjoitteluorganisaation johtamista, ulkoista ja sisäistä viestintää sekä henkilöstön kehittämistä
arvioida harjoittelujakson tuloksia.

Sisältö

Omaa osaamispolkua vastaavaan ammattiin ja työtehtäviin tutustuminen

Tutkintoon sisältyvän harjoittelun minimilaajuus on 30 op.

Arviointiasteikko

H-5

Esitietovaatimukset

Perusharjoittelu, Alakohtainen harjoittelu

Tavoitteet

After completing the course, the student can:
- describe what kind of AI applications are available
- describe how AI based applications can be developed
- develop applications using AI

Sisältö

Actual content is decided during the course implementation phase.
The contents vary every year.

Oppimateriaalit

Material available via the learning environment (ITS).

Opetusmenetelmät

The course includes about 12 theory sessions and personal practice tasks (3h),

There will be also quest lecturers (from companies or RDI people)

Tenttien ajankohdat ja uusintamahdollisuudet

No exam or in week 17.

Pedagogiset toimintatavat ja kestävä kehitys

This learning method combines theoretical knowledge with practical applications and real-world examples.
Weekly assignments based on the topics covered.
Around half of the exercises are done during the contact hours.
Additionally, exercises for home work.

Additionally:
- Mid-term project: Develop a simple AI application (everyone have own project)
- Final project/exam: Comprehensive AI application using multiple techniques learned in the course (group work)

Toteutuksen valinnaiset suoritustavat

None.

Opiskelijan ajankäyttö ja kuormitus

Contact hours:
- Week 3: Course Introduction 2h
- Weeks 4 - 16: Theory & practice (3h/week): 12 x 3h = 36h
- Week 17: Exam/Finals 2h
Total contact hours: 40 hours

Independent study and homework: about 90 h

Total: approximately: 130 hours

Sisällön jaksotus

Weekly time schedule plan
3. Introduction to Course and AI-based applications & Examples of AI-Based Applications in various industries
4. Steps to develop AI Applications with a help of tools and frameworks
5. Data-Driven AI and techniques for data-driven AI development
6. Use of Open Data and building Decision Trees with it
7. Handling and processing tabular data and applications of tabular data
9. Generative AI and applications of generative AI (e.g., art, music, text generation)
10. Language Models (e.g., GPT, BERT) and NLP applications NLP
11. Computer Vison and it's real-world applications (e.g., facial recognition, autonomous vehicles)
12. Object Recognition and techniques & applications for object recognition
13. Synthetic Data and use cases of it.
14. Optimization in AI and applications of optimization in AI models
15. IBM Watson and practical applications with it (e.g. image recognition, NLP)
16. Building and training models using PyTorch & TensorFlow
17. Exam/Presentation of final project results
+ projects to build an AI application during the course (one alone and another in team)

Viestintäkanava ja lisätietoja

ItsLearning

Arviointiasteikko

H-5

Arviointimenetelmät ja arvioinnin perusteet

You can achieve points from participation, exercises, participation and exam/final project:
- 20% points from participation
- 50% points from practical exercises in class room and home work
- 30% points from the final project work/exam

Tavoitteet

After completing the course the student can:
Knows the main alternatives technologies on the server-side in developing web applications.
Masters one server-side scripting language and can use some important libraries.
Understands the basics of web application architectures.
Can use a content management system or an application framework in implementing a web application.
Can use efficient tools in server-side scripting.

Sisältö

Learning a server-side scripting language.
Introduction to web application architectures.
Integrating a database server to a web application.
Using a content management system or an application framework in implementing a web application.
Tools for server-side scripting.
Implementing a small scale web application.

Oppimateriaalit

* Coursebook:
Get Programming with Node.js
Jon Wexler
Manning Publications
1 edition (March 15, 2019)

* The book is 480 pages, but the reading area of the course is less than 300 pages.

* Unfortunately, the book is not available in electronic form through the library of our educational institution.

Opetusmenetelmät

- Programming By doing learning
- Interaction with teacher and classmates
- Teamwork project

Pedagogiset toimintatavat ja kestävä kehitys

The course includes approximately 12 theory sessions and practice sessions where students work with practical tasks.

Additionally, there are 5 x 1h online Q&A sessions for extra support.

Furthermore, exercises for home work that will be partly demonstrated in during contact sessions.

A teamwork project will be introduced in the second month, requiring students to apply their teamwork skills and knowledge gained from the course to implement their final project

We may also utilize a flipped-classroom model for some lectures, where students will study the theoretical part at home and engage in practical implementation and discussions during class.

Opiskelijan ajankäyttö ja kuormitus

- 12 times 3h theory and practice: 12 x 3h = 36h
- 5 times 1h online Q&A sessions = 5h
- Home and independent work: approximately 70h
- Teamwork final project: approximately 24h

Total: approximately 135 hours

Sisällön jaksotus

The course includes approximately 12 supervised work and theory sessions.
Additionally, 10 personal exercises for homework that will be partly demonstrate in during contact session.
Furthermore, the course has a teamwork project that must be done in a group of 4 students.

* Exercise work is done individually outside the instructional sessions. The topic of the assignment is specified during the first month of the course.

* Planned course progress: (preplan)
Content and topic of lectures. We proceed according to the some chapters in the coursebook.
Note: students will also have some independent study or self-study tasks from the book chapters.

1: Chapters 0-2 of the Course Start Theory and Development Environment Creation Book
2: Modules and a simple web server - chapters 3-4 of the book
3. Chapters 5 and 6 of the Request Processing and Routing Book
4: Chapters 8 and 9 of the Express and MVC book
5: Outlook and Error Handling - Chapters 10 and 11
6: MongoDB Database Connection and Mongoose Schemas and Templates - Chapters 13 and 14 of the book
7: Controllers and Models - Chapter 16 of the book
8: Working with Data Models - Chapters 17 and 18 of the book
9: Working with Data Models - Chapters 19 and 21
10: Sessions and User Authentication - Book Chapters 22-24

* Two lectures will be used for demo and other as yet undefined purposes.

* Each group must set aside 15 minutes for the last week of the course to demonstrate the assignment. Individual teamwork must also be able to demonstrate on this occasion.

* The study plan may change as the course progresses.

Viestintäkanava ja lisätietoja

** Prerequisites for Back- End Development Course:
1- JavaScript: Basic Syntax and Control Structures, Functions and Scope, Asynchronous Programming

2- Databases

** Recommendations (Optional but Beneficial):
1- Basic Understanding of RESTful APIs: Knowledge of HTTP methods (GET, POST, PUT, DELETE) and status codes.

2- Experience with JSON: Understanding of JSON format for data interchange.

3- Basic Knowledge of Git: Familiarity with version control using Git.

Arviointiasteikko

H-5

Arviointimenetelmät ja arvioinnin perusteet

- The course is graded on a scale of 0-5.
*
- In order to pass the course, the student must earn at least 50% of the points of personal assignments and 50% of the points of Teamwork project.
*
- You can get a maximum of 10 points for each practice task. You can therefore get a maximum of 100 points for all practice tasks, which affect the evaluation by 3 units.
- Participation in group work: 0.0 - 2.0 units.
*
-Students can earn one extra unit (ECTS) if they participate on at least 9 sessions (2-3h per each session) of the course.
Note: Grades will be rounded down if they include decimals less than 0.5; otherwise, they will be rounded up. (e.g., 3.4 is rounded down to 3.0, but 3.5 or higher is rounded up to 4.0)

Hylätty (0)

The student does NOT participate in the project work or gets the project work grade 0 (Failed) OR did not get at least 40% of the points in the course exercises.

Arviointikriteerit, tyydyttävä (1-2)

The student got 40-59% of the points for the exercises in the course AND got a grade of 1 for the project work.

Arviointikriteerit, hyvä (3-4)

The student got 60-84% of the points for the exercises in the course AND got a grade of 1.5 for the project work.

Arviointikriteerit, kiitettävä (5)

The student got at least 85% of the points for the exercises in the course AND got a grade 2 for the project work.

Tavoitteet

After completing the course the student can:
- Describe how data can be managed and processed
- Describe how data can be stored in various places and formats
- Manage and analyze data with suitable tools
- Utilize data management tools to process data
- Understand and describe how mathematics can be used for data management

Sisältö

Introduction to data management
Data storage formats
Data storage
Introduction to data processing
Linear algebra
Data management tools

Oppimateriaalit

Material available via the learning environment (ITS).

Opetusmenetelmät

Weekly contact sessions when 3 hours for theory and practical exercises.

Tenttien ajankohdat ja uusintamahdollisuudet

Exam in Week 49.
Retake exam in January 2025.

Pedagogiset toimintatavat ja kestävä kehitys

The course includes approximately 12 theory sessions and guided exercises sessions where students work with practical tasks.
Around half of the exercises are done during the contact hours.
Additionally, exercises for home work that will be partly demonstrated in during contact sessions.

Opiskelijan ajankäyttö ja kuormitus

Contact hours
- 12 times 1h theory: 12 x 1h = 12 hours (groups together)
- 12 times 2h practice: 12 x 2h = 24 hours (in own group)
- Exam: 2 hours
- 1h Q&A sessions 5-6 times = 5 hours
TOTAL: 43 hours

Home and independent work: approximately 90 hours

Total: approximately: 130 hours

Sisällön jaksotus

Weeks 36 - 48:
Introduction to data management
Introduction to Jupyter Notebook
Data storage formats
Basics of linear algebra (vectors, matrices, linear equations)
Data processing and visualization with Python
Basics of virtualization and Linux shell commands
Introduction to databases
Recap
Week 49: Exam

Viestintäkanava ja lisätietoja

Additional information is share via ITS

Arviointiasteikko

H-5

Arviointimenetelmät ja arvioinnin perusteet

You can achieve points from participation, exercises, participation and exam:
- 20% points from participation
- 50% points from practical exercises in class room and home work
- 30% points from the exam

Assessment:
- Participation and exercise (50% of total to pass): Students must achieve at least 50% of the points to pass the course.
- Exam (50% of total points to pass): Students must achieve at least 50% of the points in order to pass the course.

The course is graded on a scale of 0-5.
Grading will be according to the total points collected by the student during the course as well as the exam.
1: 50% (minimum to pass the course)
2: 60-70%
3: 70-80%
4: 80-90%
5: 90- 100%

Hylätty (0)

Less than 50% points

Arviointikriteerit, tyydyttävä (1-2)

50 - 69% points

Arviointikriteerit, hyvä (3-4)

70 - 89% points

Arviointikriteerit, kiitettävä (5)

At least 90% points

Tavoitteet

After completing this course student can:

Install Git Bash
Initialize repository and commit code to Git
Create, use and merge branches
Use stashing and unstashing
Use Git remotes, push and pull code from Git remotes

Sisältö

Basic use of Git locally and Git remotes.

Oppimateriaalit

Materials provided in itslearning and relevant material on the internet.

Opetusmenetelmät

Self-study
Practical assignments

Tenttien ajankohdat ja uusintamahdollisuudet

No exam

Pedagogiset toimintatavat ja kestävä kehitys

Self-study

Opiskelijan ajankäyttö ja kuormitus

Practical assignment and self study, altogether 27 hours.

Arviointikriteerit, hyväksytty/hylätty

Course is passed, if the assignment is done and returned according to instructions.

Sisällön jaksotus

Course is a self-paced non-stop course about the basic use of Git locally and Git remotes (such as GitHub or GitLab).

After completing this course student can:
- Install Git Bash
- Initialize repository and commit code to Git repository using Git Bash
- Create, use and merge branches
- Use stashing and unstashing
- Use Git remotes, push and pull code from Git remotes
- Use tags

Enroll to course in Peppi. After teachers have accepted your enrollment in Peppi, you should see the course's workspace in itslearning automatically (within a few days due to delay in the Peppi <> itslearning integration).

Viestintäkanava ja lisätietoja

The teacher will inform about the course practicalities in itslearning.

If you have any questions about the course, please contact the course teachers by email.

Enroll to course in Peppi. When your enrollment is accepted, you'll get access to course's itslearning (within a day or two after enrollment acceptance).

Arviointiasteikko

Hyväksytty/Hylätty

Arviointimenetelmät ja arvioinnin perusteet

Quality of the returned assignment.

There are two parts in this course, Basics with Git Bash and Git with VS Code. You need to pass both parts to pass this course successfully.

Tavoitteet

After completing the course, the student can:
- Describe what Cloud Services are, how they affect business and which new opportunities it may enable.
- Describe use cases and benefits of cloud services,
- Describe SAAS, PAAS, IAAS.
- Develop a solution that utilizes cloud services.

Sisältö

Introduction to cloud services
Software as a service (SAAS)
Platform as a service (PAAS)
Infrastructure as a service (IAAS)
Virtual machines and containers
Security of cloud services
Project work

Oppimateriaalit

Task-specific material to be announced separately in Its Learning and in AWS academy.

Opetusmenetelmät

- Weekly face-to-face meetings with lecture teaching and small group work
- Learning by doing and experimenting (exercise tasks, project work, information search)
- Small group work and peer learning
- Self-study material
- Teacher guidance and examples

Tenttien ajankohdat ja uusintamahdollisuudet

No exam, and retake not possible after evaluation grade is published.

Pedagogiset toimintatavat ja kestävä kehitys

FLIP classrooms and learning by doing

Toteutuksen valinnaiset suoritustavat

Not possible

Opiskelijan ajankäyttö ja kuormitus

Contact hours
- Course introduction: 3 hours
- 12 times 3h theory and AWS support: 12 x 3h = 36 hours
- 16 times AWS Academy self paced sessions: 16 x 1h = 16 hours

Home work:
- Working with assignments: approximately 80 hours

Total: approximately 135 hours

Sisällön jaksotus

The course content is divided into four learning objectives(CLOs):

CLO1 Analyze classic data centers and cloud data center solutions.

Introduction to Cloud Computing
1.1 Understand the limitations of traditional computing and evolution of cloud computing
1.2 Understand the concepts of Cluster, Grid and Cloud Computing, its benefits and challenges

Cloud Computing Models and Services
1.3 Explore the standard cloud model, cloud deployment and service delivery models
1.4 Understand service abstraction

Resource Virtualization and Pooling
1.5 Implement physical computing resources virtualization
1.6 Implement machine, server level and operating system virtualization
1.7 Understand resource pooling, sharing and resource provisioning

CLO2 Design a cloud data center based on specific technical requirements.

Resource Virtualization and Pooling
2.1 Implement physical computing resources virtualization
2.2 Implement machine, server level and operating system virtualization

Scaling and Capacity Planning
2.3 Understand the foundation of cloud scaling
2.4 Explore scaling strategies and implement scalable applications
2.5 Explore approaches for capacity planning

Load Balancing
2.6 Explore the goals and categories of load balancing. Explore parameters for consideration.

File System and Storage
2.7 Understand the need for high performance processing and Big Data
2.8 Explore storage deployment models and differentiate various storage types

CLO3 Discuss the need for security, reliability and legal compliance of a cloud data center.
Database Technologies
3.1 Explore database models
3.2 Implement relational and non-relational database as a service

Cloud Computing Security
3.3 Understand the threats to cloud security
3.5 Explore and develop a cloud security model
3.6 Understand Trusted Cloud Computing

Privacy and Compliance
3.7 Explore key privacy concerns in the cloud
3.8 Differentiate security vs. privacy
3.9 Develop a privacy policy

CLO4 Design strategies for the implementation of effective cloud solutions to support business requirements.

Content Delivery Model
4.1 Understand and explore content delivery network models in the cloud

Portability and Interoperability
4.2 Explore portability and interoperability scenarios
4.3 Understand machine imaging
4.4 Differentiate virtual machine and virtual appliance

Cloud Management
4.5 Understand cloud service life cycle
4.6 Understand asset management in the cloud
4.7 Explore cloud service management
4.8 Develop disaster recovery strategies

SELF PACED / FLIP CLASSROOM
In addition to the above theoretical content the students will learn and practice the cloud concepts in AWS academy. The AWS academy online course covers the following modules.

Module 1 - Global Infrastructure
Module 2 - Structures of the Cloud
Module 3 - AWS Console
Module 4 - Virtual Servers
Module 5 - Content Delivery
Module 6 - Virtual Storage
Module 7 - Security 1
Module 8 - Security 2
Module 9 - Monitoring the Cloud
Module 10: Databases
Module 11 - Load Balancers and Caching
Module 12 - Elastic Beanstalk and Cloud Formation
Module 13 - Emerging Technologies in the Cloud
Module 14 - Billing and Support
Module 15 - Other Cloud Features
Module 16 - Optimizing the Cloud with the AWS CDK

Viestintäkanava ja lisätietoja

Course material and assignments in Its Learning and AWS academy.

Arviointiasteikko

H-5

Arviointimenetelmät ja arvioinnin perusteet

Personal assignments: 50 points
AWS Academy Course labs: 30 points
Project: 20 points

The assignments must be returned by the deadline to get the points. The assignments returned after the deadline will give you only half of the points.
Demonstrations of exercises during the contact session is mandatory without demonstration you will lose 50% of your marks.

The grading scale (points -> grade):

50 points -> 1
60 points -> 2
70 points -> 3
80 points -> 4
90 points -> 5

Hylätty (0)

Fail < 50 points

Arviointikriteerit, tyydyttävä (1-2)

50 points -> 1
60 points -> 2

Arviointikriteerit, hyvä (3-4)

70 points -> 3
80 points -> 4

Arviointikriteerit, kiitettävä (5)

90 points -> 5

Tavoitteet

After completing the course, the student can:
- Describe what Cloud Services are, how they affect business and which new opportunities it may enable.
- Describe use cases and benefits of cloud services,
- Describe SAAS, PAAS, IAAS.
- Develop a solution that utilizes cloud services.

Sisältö

Introduction to cloud services
Software as a service (SAAS)
Platform as a service (PAAS)
Infrastructure as a service (IAAS)
Virtual machines and containers
Security of cloud services
Project work

Oppimateriaalit

Task-specific material to be announced separately in Its Learning and in AWS academy.

Opetusmenetelmät

- Weekly face-to-face meetings with lecture teaching and small group work
- Learning by doing and experimenting (exercise tasks, project work, information search)
- Small group work and peer learning
- Self-study material
- Teacher guidance and examples

Tenttien ajankohdat ja uusintamahdollisuudet

No exam, and retake not possible after evaluation grade is published.

Pedagogiset toimintatavat ja kestävä kehitys

FLIP classrooms and learning by doing

Toteutuksen valinnaiset suoritustavat

Not possible

Opiskelijan ajankäyttö ja kuormitus

Contact hours
- Course introduction: 3 hours
- 12 times 2h theory: 12 x 2h = 24 hours
- 12 times 1h AWS Support: 12 x 1h = 12 hours
- 16 times AWS Academy self paced sessions: 16 x 1h = 16 hours

Home work:
- Working with assignments: approximately 80 hours

Total: approximately 135 hours

Sisällön jaksotus

The course content is divided into four learning objectives(CLOs):

CLO1 Analyze classic data centers and cloud data center solutions.

Introduction to Cloud Computing
1.1 Understand the limitations of traditional computing and evolution of cloud computing
1.2 Understand the concepts of Cluster, Grid and Cloud Computing, its benefits and challenges

Cloud Computing Models and Services
1.3 Explore the standard cloud model, cloud deployment and service delivery models
1.4 Understand service abstraction

Resource Virtualization and Pooling
1.5 Implement physical computing resources virtualization
1.6 Implement machine, server level and operating system virtualization
1.7 Understand resource pooling, sharing and resource provisioning

CLO2 Design a cloud data center based on specific technical requirements.

Resource Virtualization and Pooling
2.1 Implement physical computing resources virtualization
2.2 Implement machine, server level and operating system virtualization

Scaling and Capacity Planning
2.3 Understand the foundation of cloud scaling
2.4 Explore scaling strategies and implement scalable applications
2.5 Explore approaches for capacity planning

Load Balancing
2.6 Explore the goals and categories of load balancing. Explore parameters for consideration.

File System and Storage
2.7 Understand the need for high performance processing and Big Data
2.8 Explore storage deployment models and differentiate various storage types

CLO3 Discuss the need for security, reliability and legal compliance of a cloud data center.
Database Technologies
3.1 Explore database models
3.2 Implement relational and non-relational database as a service

Cloud Computing Security
3.3 Understand the threats to cloud security
3.5 Explore and develop a cloud security model
3.6 Understand Trusted Cloud Computing

Privacy and Compliance
3.7 Explore key privacy concerns in the cloud
3.8 Differentiate security vs. privacy
3.9 Develop a privacy policy

CLO4 Design strategies for the implementation of effective cloud solutions to support business requirements.

Content Delivery Model
4.1 Understand and explore content delivery network models in the cloud

Portability and Interoperability
4.2 Explore portability and interoperability scenarios
4.3 Understand machine imaging
4.4 Differentiate virtual machine and virtual appliance

Cloud Management
4.5 Understand cloud service life cycle
4.6 Understand asset management in the cloud
4.7 Explore cloud service management
4.8 Develop disaster recovery strategies

SELF PACED / FLIP CLASSROOM
In addition to the above theoretical content the students will learn and practice the cloud concepts in AWS academy. The AWS academy online course covers the following modules.

Introduction
Module 1 - Cloud Concepts Overview
Module 2 - Cloud Economics and Billing
Module 3 - AWS Global Infrastructure Overview
Module 4 - AWS Cloud Security
Module 5 - Networking and Content Delivery
Module 6 - Compute
Module 7 - Storage
Module 8 - Databases
Module 9 - Cloud Architecture
Module 10 - Auto Scaling and Monitoring

Viestintäkanava ja lisätietoja

Course material and assignments in Its Learning and AWS academy.

Arviointiasteikko

H-5

Arviointimenetelmät ja arvioinnin perusteet

Personal assignments: 50 points
AWS Academy Course labs: 30 points
Project: 20 points

The assignments must be returned by the deadline to get the points. The assignments returned after the deadline will give you only half of the points.
Demonstrations of exercises during the contact session is mandatory without demonstration you will lose 50% of your marks.

The grading scale (points -> grade):

50 points -> 1
60 points -> 2
70 points -> 3
80 points -> 4
90 points -> 5

Hylätty (0)

Fail < 50 points

Arviointikriteerit, tyydyttävä (1-2)

50 points -> 1
60 points -> 2

Arviointikriteerit, hyvä (3-4)

70 points -> 3
80 points -> 4

Arviointikriteerit, kiitettävä (5)

90 points -> 5

Tavoitteet

By the end of the course students will have the knowledge to:
• Create a podcast concept
• Understand how to brand a podcast
• Assess and chooses recording equipment
• Script, record, and edit a podcast
• Understand the different distribution channels and assess their strengths and weaknesses
• Know how to market and promote a podcast
• Understand IPR and know where to access royalty free music

Sisältö

Podcast concept and research
Branding
Scripting
Recording
Audio editing
Distribution
Transcription
Marketing
IPR

Oppimateriaalit

Teacher supplied material as required

Opetusmenetelmät

Interactive classroom lectures and group work. Students will work in self-assigned groups drawing from research and their own ideas, opinions and experiences.

Tenttien ajankohdat ja uusintamahdollisuudet

There is no exam for this course

Pedagogiset toimintatavat ja kestävä kehitys

Students will learn the process of podcast creation from initial concept through to recording and editing a finished 20 minute podcast episode. The course will include:
Developing a podcast concept
Creating a brand - including name and logo
Scripting
Transcription - AI as a help
Distribution channels
Recording - equipment, room requirements
Audio editing
Marketing
IPR

Toteutuksen valinnaiset suoritustavat

None

Opiskelijan ajankäyttö ja kuormitus

Classroom activities: 30 h
Group work: 20 h

Sisällön jaksotus

Podcast concepting and research
Researching podcast themes
Researching audiences
Researching niche opportunities
Researching formats - Interviews, music, discussion, reporting?
Researching how using AI can help with the concept

Viestintäkanava ja lisätietoja

This course is for anyone with an interest in starting a podcast. It is practical with a strong emphasis on learning by doing. By the end of the course each group will have a fully defined podcast concept, a clear brand outline, a marketing roadmap and one ready to publish podcast episode in the bag. Although the language of instruction is English your podcast can be recorded in your language of preference.

Arviointiasteikko

H-5

Arviointimenetelmät ja arvioinnin perusteet

Assessment is a combination of teacher observation of student commitment, effort and engagement during lessons together with the standard of 4 completed classroom task based assignments. Students will be assessed on overall communicative competence and language appropriacy within specific communication contexts.

Hylätty (0)

The student has insufficient attendance (has been absent in more than 4 classes). The student has not completed all the tasks. The student has completed tasks but they are not of an acceptable standard.

Arviointikriteerit, tyydyttävä (1-2)

The student has completed the tasks with the minimum of set requirements stated in the task instructions. The student has completed tasks later than the given deadlines. The student has not addressed feedback provided by the teacher.

Arviointikriteerit, hyvä (3-4)

The student has completed the tasks well fulfilling most of the set requirements stated in the task instructions. The student has completed tasks within the given deadlines. The student has partly addressed feedback provided by the teacher. The student has reflected on their own performance and has been given peer feedback.

Arviointikriteerit, kiitettävä (5)

The student has completed the tasks very well fulfilling or surpassing the set requirements as stated in the task instructions. The student has completed tasks within the given deadlines or earlier and has addressed feedback provided by the teacher. The student has been giving quality peer feedback.

Tavoitteet

Huom! Tähän haetaan opiskelijoita erillishaulla. Tätä ei voi vapaasti valita.

Pedagogiset toimintatavat ja kestävä kehitys

Pedagogical method follows Problem-Based Learning (PBL). In the cybersecurity training program PBL emphasizes real-world problem-solving, critical thinking, and practical application of knowledge. Students are engaged in active learning through complex, real-world scenarios, enhancing their ability to analyse, collaborate, and develop practical solutions. This method aligns well with the program's goals of preparing students for competitive cybersecurity events by teaching essential skills such as teamwork, incident response, and adaptability.

Sisällön jaksotus

The Cyber Protection Team course implementation is designed to prepare students for competitive cybersecurity events by providing training in both offensive (red team) and defensive (blue team) tactics. This course is the first of two 5 credit blocks spread across two semesters. 10 credits combined, the course covers a wide range of technical aspects of cybersecurity, from foundational concepts to advanced techniques, ensuring participants gain a thorough understanding of operational-level cybersecurity and are prepared to engage in real-world cybersecurity competitions.

After completing the two semesters the students understand the construction, goals, stages, and phases of cyber attacks. Participants will learn to recognise and mitigate web application and system vulnerabilities, utilise network-based defense systems, and analyse endpoint security and logs. The training program also focuses on hardening operating systems, Active Directory, and cloud solutions, while mastering threat emulation, threat hunting, digital forensics, and malware analysis. Additionally, the program emphasizes enhancing teamwork, critical thinking, and incident response skills to ensure students can perform well under pressure. Each student will have the opportunity to customise some of their learning path based on individual interests and specializations.

COMPETENCES:
- Implement and manage cybersecurity frameworks and policies
- Conduct thorough threat and vulnerability assessments
- Plan and execute incident response and forensics investigations
- Utilize advanced tools and techniques for threat hunting and malware analysis
- Develop and implement security operations and monitoring strategies

KNOWLEDGE:
- Cyber Defence Frameworks
- Network and System Security
- Network Traffic Analysis
- Threat and Vulnerability Management
- Security Operations & Monitoring
- Incident Response and Forensics
- Endpoint Security Monitoring
- System and Cloud Hardening
- Threat Hunting
- Malware Analysis
- Red Teaming & Threat Emulation
- Cloud Security
- Scenario, Objectives and Injects in Cyber Exercises

SKILLS:
- Apply cybersecurity policies and best practices
- Use tools like BurpSuite, Nessus, and OpenVAS for vulnerability management
- Perform network and system security assessments
- Conduct threat hunting and utilize threat intelligence
- Analyze network traffic and perform digital forensics
- Execute advanced malware analysis and red teaming exercises
- Implement and manage cloud security measures
- Communicate, coordinate, and cooperate with internal and external stakeholders
- Model and identify threat actors’ tactics, techniques, and procedures (TTPs)

Arviointiasteikko

H-5

Arviointimenetelmät ja arvioinnin perusteet

The assessment will be based on the completion and performance in technical lab assignments across different modules running on different training and exercise platforms.
Grade criteria, number of successfully completed technical modules or assignments:
<50% = failed
50-59 % = 1
60-69 % = 2
70-79 % = 3
80-89 % = 4
>=90 % = 5

Pedagogiset toimintatavat ja kestävä kehitys

Pedagogical method follows Problem-Based Learning (PBL). In the cybersecurity training program PBL emphasizes real-world problem-solving, critical thinking, and practical application of knowledge. Students are engaged in active learning through complex, real-world scenarios, enhancing their ability to analyse, collaborate, and develop practical solutions. This method aligns well with the program's goals of preparing students for competitive cybersecurity events by teaching essential skills such as teamwork, incident response, and adaptability.

Sisällön jaksotus

The Cyber Protection Team course implementation is designed to prepare students for competitive cybersecurity events by providing training in both offensive (red team) and defensive (blue team) tactics. This course is the second of two 5 credit blocks spread across two semesters. 10 credits combined, the course covers a wide range of technical aspects of cybersecurity, from foundational concepts to advanced techniques, ensuring participants gain a thorough understanding of operational-level cybersecurity and are prepared to engage in real-world cybersecurity competitions.

After completing the two semesters the students understand the construction, goals, stages, and phases of cyber attacks. Participants will learn to recognise and mitigate web application and system vulnerabilities, utilise network-based defense systems, and analyse endpoint security and logs. The training program also focuses on hardening operating systems, Active Directory, and cloud solutions, while mastering threat emulation, threat hunting, digital forensics, and malware analysis. Additionally, the program emphasizes enhancing teamwork, critical thinking, and incident response skills to ensure students can perform well under pressure. Each student will have the opportunity to customise some of their learning path based on individual interests and specializations.

COMPETENCES:
- Implement and manage cybersecurity frameworks and policies
- Conduct thorough threat and vulnerability assessments
- Plan and execute incident response and forensics investigations
- Utilize advanced tools and techniques for threat hunting and malware analysis
- Develop and implement security operations and monitoring strategies

KNOWLEDGE:
- Cyber Defence Frameworks
- Network and System Security
- Network Traffic Analysis
- Threat and Vulnerability Management
- Security Operations & Monitoring
- Incident Response and Forensics
- Endpoint Security Monitoring
- System and Cloud Hardening
- Threat Hunting
- Malware Analysis
- Red Teaming & Threat Emulation
- Cloud Security
- Scenario, Objectives and Injects in Cyber Exercises

SKILLS:
- Apply cybersecurity policies and best practices
- Use tools like BurpSuite, Nessus, and OpenVAS for vulnerability management
- Perform network and system security assessments
- Conduct threat hunting and utilize threat intelligence
- Analyze network traffic and perform digital forensics
- Execute advanced malware analysis and red teaming exercises
- Implement and manage cloud security measures
- Communicate, coordinate, and cooperate with internal and external stakeholders
- Model and identify threat actors’ tactics, techniques, and procedures (TTPs)

Arviointiasteikko

H-5

Arviointimenetelmät ja arvioinnin perusteet

The assessment will be based on the completion and performance in technical lab assignments across different modules running on different training and exercise platforms.
Grade criteria, number of successfully completed technical modules or assignments:
<50% = failed
50-59 % = 1
60-69 % = 2
70-79 % = 3
80-89 % = 4
>=90 % = 5

Oppimateriaalit

Opintojaksolla tarvittava materiaali, linkit ulkoisiin lähteisiin sekä opintojakson tietojärjestelmiin julkaistaan itslearning-oppimisympäristössä.

Opetusmenetelmät

Itseohjautuva sekä vertaisoppiminen kirjalliseen lähdeaineistoon perustuvien tehtävien ja teknisien laboratoriotehtävien avulla.

Pedagogiset toimintatavat ja kestävä kehitys

Opetusmetodologiassa noudatetaan innovaatiopedagogiikkaa, oppimisen lähestymistapaa, joka määrittelee, miten tietoa assimiloidaan, tuotetaan ja käytetään tavalla, joka voi tuottaa innovaatioita. Menetelmä tukee hankitun osaamisen soveltamista vastaavissa, mutta uusissa tilanteissa, laajemmassa yhteydessä kuin missä ne on hankittu. Opetusmenetelmällä tavoitellaan asiantuntijuuden laajentumista tai syventymistä sekä taitoa tuottaa lisäarvoa kunkin opiskelijan omalle alalleen innovatiivisen ajattelun ja toiminnan kautta.

Opiskelijan ajankäyttö ja kuormitus

Opintojakso toteutetaan pääosin läsnätoteutuksena (kontaktiluennot ja laboratoriotyöskentely).
Ryhmätyöskentely painottuu kuitenkin enimmiltä osin lähiopetustuokioiden väliselle ajalle.

Opintojakson työmääräarvio: 135 h, josta
- lähiopetus n. 15 h
- ryhmä- ja yksilötyöskentely n. 120 h

Sisällön jaksotus

Opiskelijoiden odotetaan laajentavan tietämystään eri tavoista hyödyntää kyberuhkatietoa erityisesti puolustajien näkökulmasta.
Opintojaksolla opiskelijat johtavat ja suorittavat teknistä analyysiä eri lähteistä kerätylle kyberuhka- ja tiedusteluaineistolle sekä arvioivat lyhyen ja keskipitkän aikavälin kyberuhkien arviointiin toimialakohtaisilla painotuksilla.
Lisäksi opiskelijat tutustuvat kyberuhkien kontekstoinnin tehostamiseen räätälöidyn data-aineiston tietomalliesimerkeillä.

OSAAMISALUEET
- Kyberuhkatiedon hallinta ja jakaminen
- Uhka-analyysin johtaminen ja analysointiin osallistuminen
- Uhkatiedon rikastaminen uudella tiedolla
- Kyberuhkan vaikutusarviointi keskeisille sidosryhmille ja teollisuudelle

TIETÄMYS
- Kyberuhka- ja tiedustelutiedon jakamisen käytänteet ja viitekehykset
- Kyberuhat ja uhkatoimijat
- Hyökkääjien taktiikat, tekniikat ja menettelytavat (TTP) sekä uhkatoimijoiden nimeäminen
- Eettiset ja vastuulliset tiedonjakomenettelyt

TAIDOT
- Useista lähteistä peräisin olevan kyberuhkatiedon kerääminen, analysoiminen, korrelointi ja rikastaminen
- Uhkatoimijoiden käyttämien menetelmien tunnistaminen
- Kyberhyökkäyksissä käytettyjen ohjelmien tekninen analyysi
- Kyberuhkatiedon analyysialustan käyttö

Ajoitus:
Opintojakso alkaa dd.MM.2025 ja päättyy viim. dd.MM.2025

Viestintäkanava ja lisätietoja

Ensisijaisesti sähköposti

Arviointiasteikko

H-5

Arviointimenetelmät ja arvioinnin perusteet

Opintojaksolla tehdään kaikkiaan kymmenen ryhmätehtävää, joista kukin arvioidaan erikseen.Opintojakson arvosanat määräytyvät yhteispistemäärän (maksimissaan 100 p) perusteella. Opintojaksolla ei ole koetta, opintojaksoa ei voi tenttiä. Tehtävät jakautuvat teoratehtäviin ja käytännön laboratoriotehtäviin seuraavasti:

Teoriaosuus (kyberuhkatieto) 30 pistettä
- kolme kirjallista tehtävää
Käytännön osuus (uhka-analyysi ja rikastaminen) 70 pistettä
- vähintään seitsemän teknistä tehtävää

Arvosanarajat:
0-39 pistettä = Hylätty
40..49 pistettä = 1
50..59 pistettä = 2
60..74 pistettä = 3
75..89 pistettä = 4
90..100 pistettä = 5

Tavoitteet

After completing the course the student can:
- explain the most common data structures
- apply the most common data structures and algorithms connected to the use of these structures
- evaluate the efficiency of algorithms.

Sisältö

- lists, stacks, queues, trees, graphs and hash tables
- analysing and evaluating algorithms
- designing algorithms
- sorting methods
- search algorithms

Oppimateriaalit

Material available via the learning environment (ITS).

Opetusmenetelmät

Weekly contact 3 hours sessions for theory and practical exercises.
Additionally, if needed weekly 1h sessions for questions and support in exercises.

Tenttien ajankohdat ja uusintamahdollisuudet

No exam, and retake not possible after evaluation grade is published.

Pedagogiset toimintatavat ja kestävä kehitys

The course has 12 three-hour contact sessions where teacher present theory and examples and students work with practical tasks.
Additionally, students are able to receive extra guidance for exercises.

Electronic materials are used in the course. In addition, guidance is also organized online in order to reduce the carbon footprint caused by movement.

Toteutuksen valinnaiset suoritustavat

Not possible

Opiskelijan ajankäyttö ja kuormitus

Contact hours
- Course introduction: 3 hours
- 13 times 2h theory: 13 x 2h = 26 hours
- 13 times 1h demo 13 x 1h = 13 hours - Group 1
- 13 times 1h demo 13 x 1h = 13 hours - - Group 2
- FLIP Classroom 10 X 1h = 10h
Home work:
- Working with assignments: approximately 80 hours


Total: approximately 130 hours

Sisällön jaksotus

Week 36: Course introduction

Session from Weeks 36 - 48
- Algorithms and algorithmic thinking
- Data structures
- Search algorithms
- Sorting algorithms

Contact hours according to lukkari.turkuamk.fi.

Viestintäkanava ja lisätietoja

ITS and Teams.

Arviointiasteikko

H-5

Arviointimenetelmät ja arvioinnin perusteet

The course is graded on a scale of 0-5.

You can achieve 80 points from practical exercises in class room and home work exercises.
Around half of the exercises are done during the contact hours.

Demonstrations of exercises during the contact session is mandatory without demonstration you will lose 50% of your marks.

Additionally, there is a group project of 20 points, passing group project is mandatory to pass the course.

Lastly, to pass the course the student need to get at least 40 marks in the exercises and at least 10 marks in the project.

Hylätty (0)

Less than 50% points in the exercises OR Student does not passed the group project.

Arviointikriteerit, tyydyttävä (1-2)

50 points -> 1
60 points -> 2

Arviointikriteerit, hyvä (3-4)

70 points -> 3
80 points -> 4

Arviointikriteerit, kiitettävä (5)

90 points -> 5

Esitietovaatimukset

Introduction to Programming, or equivalent programming skills

Tavoitteet

Kurssin suoritettuaan opiskelija:
- Osaa kertoa, mitä data-analyysi ja koneoppiminen ovat
- Osaa kertoa miksi data-analyysiä ja koneoppimista käytetään
- Osaa analysoida ja visualisoida dataa
- Osaa kuvata koneoppimisprosessin
- Osaa käyttää soveltuvia työkaluja data-analyysiin ja koneoppimiseen

Sisältö

Johdatus data-analyysiin ja koneoppimiseen
Data-analyysin prosessi ja menetelmät
Koneoppimisen prosessi ja menetelmät
Käytännön harjoittelu

Oppimateriaalit

Course book:

Aurélien Géron.
Hands-On Machine Learning with Scikit-Learn, Keras, and TensorFlow
2nd Edition.
Publisher : O'Reilly Media; 2nd edition
(October 15, 2019)

We study chapters 1, 2, 3, 4, 6, 9, and 10 of the book. They have about 300 pages, but some are skipped over.

The course book can be read in electronic form from our institution's eBook Central database.

The course also has reading material, which will be announced during the course.

Opetusmenetelmät

- Participating in lectures (theory and practice)
- Learning through hands-on programming (classwork assignments)
- Completing homework assignments
- Interacting with the teacher and classmates
- Enhancing knowledge through teamwork projects
- Following the flipped-classroom model (pre-session self-study of theoretical concepts followed by in-class practical application)

Tenttien ajankohdat ja uusintamahdollisuudet

No exam!

Pedagogiset toimintatavat ja kestävä kehitys

- The course includes approximately 14 theory and practice sessions, where students engage with practical tasks.
- Homework exercises will be assigned, with some parts demonstrated during contact sessions.
- A teamwork project will be introduced in the second month, requiring students to apply their teamwork skills and the knowledge gained from the course to implement their final project.
- A flipped-classroom model may be used for some lectures, where students study the theoretical content at home and focus on practical implementation and discussions during class.

Toteutuksen valinnaiset suoritustavat

The practice works and exercises are mainly performed using Python and Jupyter Notebook.

Opiskelijan ajankäyttö ja kuormitus

+ Student Responsibilities:
1. Class Participation and Assignments:
- Active participation in all classes, including the completion of in-class assignments, which must be submitted during class hours.
2. Homework Assignments:
- Completing 8-10 individual homework assignments, partially demonstrated during contact sessions. The exact number of the assignments will be announced at the first lecture)
3. Final Project:
- A group project (2-3 students) to be completed over Weeks 46 & 47, culminating in a presentation in Week 48.

+ Student workload:
Contact hours (approximately):
- One introductionary session: 2h
- 13 times 3h theory and practice: 13 x 3h = 39 hours
- Final projects and presentations: 24 hours
- Home work: approximately 75 hours

Total: approximately: 140 hours

Sisällön jaksotus

+ The course includes approximately 14 guided working and theory sessions, 9 personal homework assignments, 8-9 classwork assignment and a teamwork project

+ Final project is done in groups of 2-3 people outside of guidance sessions. The group sets aside 15 minutes to present the group work during the last session.

+ Content scheduling
- Week 03: Course Introduction (2h)
- Week 04: Landscape of machine learning (3h)
- Week 05: Data exploration (3h)
- Week 06: Data preparation (3h)
- Week 07: Model training, selection, and evaluation (3h)
- Week 08: Winter break - Visualization (self-study)
- Week 09: Demonstrations of Exercises 1 – 4 (3h)
- Week 10: Classification (3h)
- Week 11: Training models (3h)
- Week 12: Decision trees (3h)
- Week 13: Unsupervised learning (3h)
- Week 14: Guidance to team work (3h)
- Week 15: Introduction to Neural networks (3h)
- Week 16: Demonstrations of Exercises 5 – 9 (3h)
- Week 17: Team work presentations (3h)

Viestintäkanava ja lisätietoja

+ Qualifications:
- Python programming skills and skills in utilizing Pandas for data manipulation and Numpy for numerical operations and array handling
- Basic knowledge of probability, statistics and linear algebra

+ Communication Channel:
Itslearning and email

Arviointiasteikko

H-5

Arviointimenetelmät ja arvioinnin perusteet

1) The course is graded on a scale of 0-5

2) Students can achieve maximum 200 points from this course that contains:
- Participation and classwork assignments: participating on each lecture and submitting the related classwork assignment during the class hours 1+2 = 3p => 9 X 4 = 36 points.
- Homework assignments: each homework assignment has 10-15 points. There are 9 homework assignments =>minimum 90 points and maximum 135 points.
- Teamwork assignment: 29 points

Hylätty (0)

The student did NOT get at least 50% of the points in teamwork assignment OR did not get at least 50% of the points in the homework assignments OR did not get at least 50% of the points in participation and classwork submission.

Arviointikriteerit, tyydyttävä (1-2)

The student got 50-65% of the points for the homework assignments AND got 50-65% of the points for the participation and classwork assignments submission AND got 50-65% of the points for the teamwork assignment.

Arviointikriteerit, hyvä (3-4)

The student got 66-85% of the points for the homework assignments AND got 66-85% of the points for the participation and classwork assignments submission AND got 66-85% of the points for the teamwork assignment.

Arviointikriteerit, kiitettävä (5)

The student got at least 86% of the points for the homework assignments AND got at least 86% of the points for the participation and classwork assignments submission AND got at least 86% of the points for the teamwork assignment.

Tavoitteet

After completing the course, the student can:
- Can define the main concepts, values and drivers for deep learning
- Can describe how machine learning and AI solutions can be developed with deep learning and neural networks
- Use tools when creating the solutions

Sisältö

Deep Learning
Neural Networks
Natural Language Processing
Pattern Recognition
Computer Vision
Practical work

Opiskelijan ajankäyttö ja kuormitus

12 sessions (2.9-29.11.24 ) each 3 hours (1h lecture, 2h practice)+ Exam

Contact hours:
- Course start-up (week 36): 2h
- Weeks 37 - 48: Theory & practice (3h/week): 12 x 3h = 36h
- Week 49: Exam: 2h
- In addition, about 5 support and inquiry hours (biweekly): 5x 1h = 5h

Total contact hours: 45 hours
Independent study and homework: about 90 h

Arviointiasteikko

H-5

Arviointimenetelmät ja arvioinnin perusteet

After the course, students should understand the main principles of deep learning and steps needed for applying them in real applications. The student especially learns the core concepts of deep neural networks, gradient descent, model evaluation, overfitting, and underfitting and is able to find a suitable balance between these extremes in a given problem at hand.

This course comprises 100 study points including:
-- 24 points (1+1p each contact class: Lecture and Practical Session)
-- 36 points for exercises
-- 40 points for the exam

-Participation and exercise (50% of total to pass): Students must achieve at least 50% of the points to pass the course. Participation is

- Exam (50% of total points to pass): Students must achieve at least 50% of the points (20 points) in order to pass the course.

The course is graded on a scale of 0-5.

Grading will be according to the total points collected by the student during the course as well as the exam.
1: 50% (minimum to pass the course)
2: 60-70%
3: 70-80%
4: 80-90%
5: 90- 100%

Tavoitteet

Opintojakson suoritettuaan opiskelija osaa:

Kertoa mikä DevOps on ja miten se liittyy ohjelmistotuotantoon,
Käyttää DevOpsiin liittyviä työkaluja ja ympäristöjä,
Käyttää DevOps:ia ohjelmistoprojektissa.

Sisältö

Ohjelmistotuotannon perusteet
DevOps toimintamalli
DevOps työkalut ja ympäristöt
DevOps käytännössä
Projektityö

Oppimateriaalit

Osassa I. DevOps-teoriaa

1. Learning DevOps: A comprehensive guide to accelerating DevOps culture adoption with Terraform, Azure DevOps, Kubernetes, and Jenkins, 2. painos
Mikael Krief

Vain luku 1: The DevOps Culture and Infrastructure as Code Practices. Tähän teokseen on joitakin lisenssejä oppilaitoksemme eBook Central -kirjatietokannassa.


Osassa II. Testaaminen ja sen automatisointi

Testing JavaScript Applications
Lucas da Costa
Julkaisia : Manning (13 huhtikuu, 2021)

Vain valikoituja lukuja. Tähän teokseen on joitakin lisenssejä oppilaitoksemme eBook Central -kirjatietokannassa.


Osassa III. CI/CD ja GitHub Actions

GitHubin omaa nettimateriaalia.


Osassa IV: Kontittaminen

DevOps with Docker 22
Helsingin yliopisto / mooc.fi
Kousa Jami

Part 1 + Part 2 (vain osittain)

https://devopswithdocker.com/

Opetusmenetelmät

- kirjallisuuden ja muun oppimismateriaalin lukeminen tai katsominen
- osallistuminen luennoille
- määrittely, konfigurointi, komentojen käyttäminen ja ohjelmointi opettajan johdolla
- itsenäinen työskentely
- osallistuminen ryhmätöiden tekemiseen

Tenttien ajankohdat ja uusintamahdollisuudet

Ei tenttiä.

Toteutuksen valinnaiset suoritustavat

Opiskelija voi suorittaa opintojakson osoittamalla osaamisensa opintojakson aiheista esimerkiksi tekemillään työnäytteillä. Osoittamisesta täytyy sopia opettajan kanssa opintojakson 4 ensimmäisen viikon aikana.

Opiskelija voi myös ahotoida opintojakson vastaavalla muualla oppilaitoksemme hyväksymässä oppilaitoksessa suoritetulla kurssilla. Asia kannattaa laittaa vireille heti opintojakson alkaessa

Opiskelijan ajankäyttö ja kuormitus

45 h kontaktiluentoja ja itsenäistä työskentelyä opettajan läsnäollessa
2-4 h harjoistustöiden esitystä ja seurantaa
40 h harjoitustöiden valmistelua
45 h henkilökohtaiset harjoitustehtävät

Sisällön jaksotus

Sisältö

I. DevOps teoriaa:
- 1 luento
- 1 henkilökohtainen harjoitustehtävät monivalintatenttinä: 10 pistettä

II. Testaaminen ja sen automatisointi
- Ohjelmistojen testaamisen perusteet teoriassa ja käytännössä
- Testaamisen merkitys DevOpsissa
- 3-4 luentoa ja demot:= 4-5 kertaa
- 2 henkilökohtaista harjoitustehtävää: 2 * 10 = 20 pistettä


III. CI/CD ja GitHub Actions
- Jatkuvan integroinnin ja jatkuvan toimittamisen toteuttaminen työnkuluilla
- 3 luentoa ja demot = 4 kertaa
- 2 henkilökohtaisista harjoitustehtävää: 2 * 10 = 20 pistettä


IV. Kontittaminen - Dockers
- Kontit ja niiden merkitys DevOpsissa
- 2-3 luentoa ja demot = 3-4 kertaa
- 2 henkilökohtaista harjoitustehtävää 2 * 10 = 20 pistettä

V. Ryhmätyö :
- 4 hengen ryhmissä
- Ryhmäkohtainen toimeksianto DevOps-aiheesta
- Esitys opintojakson muille opiskelijoille
- 30 pistettä

Yhteensä 100 pistettä + max 20 pistettä läsnäolosta. Demoissa on oltava läsnä.

Arviointiasteikko

H-5

Arviointimenetelmät ja arvioinnin perusteet

Opintojakson kokonaismaksimipistemäärä on 120.

Maksimissaan 70 pistettä 7 henkilökohtaisesta harjoitustehtävästä, 30 pistettä harjoitustöistä ja 20 pistettä läsnäolosta.

Opintojakson arviointiskaala on seuraava:

Pisteitä vähintään -> Arvosana

0 -> 0
40 -> 1
56 -> 2
72 -> 3
88 -> 4
104 -> 5

Huomaa seuraava lisäehto: hyväksyttävään suoritukseen tarvitaan vähintään 20 pistettä henkilökohtaisista harjoitustehtävistä ja 10 pistettä harjoitustöistä.

Läsnäolopisteet annetaan seuraavan skaalan perusteella:

Läsnäoloprosentti käytännön- ja teorialuennoilla -> pisteitä

20% -> 5
40% ->10
60%->15
80%->20

Osa henkilökohtaisista harjoitustehtävistä tehdään käytännöntunneilla yhdessä opettajan kanssa. Näin läsnäolo niillä karruttaa myös harjoitustehtäväpisteitä.

Demokerroilla on oltava läsnä. Läsnäolo demoissa ei karruta läsnäolopisteitä. Poissaolo demoista aiheuttaa 25 % vähennyksen opiskelijan näihin demoihin palauttamien tehtävien pisteisiin. Myös tehtävien palauttaminen myöhässä aiheuttaa 25 prosentin vähennyksen. Tehtäviä ei oteta enää vastaan opintojakson päättymispäivän jälkeen. Opintojakson päättymispäivän jälkeen ei myöskään anneta korvaavia tai täydentäviä tehtäviä. Opiskelija täytyy huolehtia siis siitä, että hän saa kerättyä eri suorituksista riittävästi pisteitä opintojakson aikana.

Hylätty (0)

Opiskelija ei ole opintojakson aikana onnistunut keräämään läpäisyyn riittävää pistemäärää. Näin ollen hän ei ole pystynyt osoittamaan sellaista osaamista, jonka perusteella voitaisiin antaa hyväksyttävä arvosana.

Arviointikriteerit, tyydyttävä (1-2)

Opiskelija tietää, mitä DevOps on
Opiskelija tietää ohjelmistotestauksen eri muodot ja niiden tarkoitukset
Opiskelija osaa laatia yksinkertaisia testejä
Opiskelija tuntee CI/CD -prosessin ja ymmärtää sen tarkoituksen
Opiskeija osaa laatia yksinkertaisen CI/CD -liukuhihnan
Opiskelija tietää mitä kontittaminen
Opiskelija osaa luoda kontin

Arviointikriteerit, hyvä (3-4)

Opiskelija tietää, mitä DevOps on
Opiskelija tietää ohjelmistotestauksen eri muodot ja niiden tarkoitukset
Opiskelija omaa taitoja testata ohjelmistoja käytännössä
Opiskelija tuntee CI/CD -prosessin ja ymmärtää sen tarkoituksen
Opiskeija osaa laatia mm. testejä suorittavan CI/CD -liukuhihnan
Opiskelija tietää mitä kontittaminen
Opiskelija osaa luoda ja käyttää kontteja
Opiskelija osaa toteuttaa toimivia automatisointiratkaisuja
Opiskelija tuntee automatisointiratkaisuihin liittyviä tietoturvakysymyksiä

Arviointikriteerit, kiitettävä (5)

Opiskelija tietää, mitä DevOps on
Opiskelija tietää ohjelmistotestauksen eri muodot ja niiden tarkoitukset
Opiskelija osaa suunnitella ja toteuttaa ohjelmistotestauksen käytännössä
Opiskelija tuntee CI/CD -prosessin ja ymmärtää sen tarkoituksen
Opiskeija osaa laatia mm. testejä suorittavan CI/CD -liukuhihnan
Opiskelija tietää mitä kontittaminen
Opiskelija osaa luoda ja käyttää kontteja
Opiskelija osaa toteuttaa vaatimuksia vastaavia ja toimivia automatisointiratkaisuja, jotka yhdistävät automaattista testausta, kontittamista, automatisointiliukuhihnoja sekä mahdollisia muita teknologioita ja periaatteita tehokkaiksi ratkaisuiksi
Opiskelija osaa ottaa huomioon automatisoinnin tietoturvaan liittyviä kysymyksiä

Tavoitteet

The aim of the course is to activate and develop the students’ field-relevant English language and communication skills. The students gain professional skills in various spoken and written communicative situations encountered in working life and society. In addition, they learn to utilize tools and techniques to further develop their skills in authentic, field-specific contexts.
Upon completing the course, the students have acquired sufficient skills to communicate at level B2 of the European Framework of Reference for Languages which states that at level B2, students should be able to produce clear, coherent and well-structured texts, present detailed descriptions related to their field of interest, express and exchange opinions using fluent language, follow complex argumentation, and read longer articles and reports.

Sisältö

- writing professional, field-specific texts
- presenting and discussing field-specific topics in a professional manner
- reading field-specific texts and utilizing the information in professional contexts
- learning and using key terminology of their field
- becoming professional, autonomous language users in working life

Arviointiasteikko

H-5

Tavoitteet

The aim of the course is to activate and develop the students’ field-relevant English language and communication skills. The students gain professional skills in various spoken and written communicative situations encountered in working life and society. In addition, they learn to utilize tools and techniques to further develop their skills in authentic, field-specific contexts.
Upon completing the course, the students have acquired sufficient skills to communicate at level B2 of the European Framework of Reference for Languages which states that at level B2, students should be able to produce clear, coherent and well-structured texts, present detailed descriptions related to their field of interest, express and exchange opinions using fluent language, follow complex argumentation, and read longer articles and reports.

Sisältö

- writing professional, field-specific texts
- presenting and discussing field-specific topics in a professional manner
- reading field-specific texts and utilizing the information in professional contexts
- learning and using key terminology of their field
- becoming professional, autonomous language users in working life

Arviointiasteikko

H-5

Tavoitteet

By the end of this course, students will be able:

· Configure single-area OSPFv2 in both point-to-point and multiaccess networks.
· Explain how to mitigate threats and enhance network security using access control lists and security best practices.
· Implement standard IPv4 ACLs to filter traffic and secure administrative access.
· Configure NAT services on the edge router to provide IPv4 address scalability.
· Explain techniques to provide address scalability and secure remote access for WANs.
· Explain how to optimize, monitor, and troubleshoot scalable network architectures.
· Explain how networking devices implement QoS.
· Implement protocols to manage the network.
· Explain how technologies such as virtualization, software defined networking, and automation affect evolving networks.

Sisältö

Enterprise Networking, Security, and Automation (ENSA) describes the architecture, components, operations, and security to scale for large, complex networks, including wide area network (WAN) technologies. The course emphasizes network security concepts and introduces network virtualization and automation. Students learn how to configure, troubleshoot, and secure enterprise network devices and understand how application programming interfaces (API) and configuration management tools enable network automation. The course includes activities using Packet Tracer, hands-on lab work, and a wide array of assessment types and tools.

Oppimateriaalit

All needed material will be available online in https://www.netacad.com
Further course enrollment instructions are provided by instructor.
Please register to the site using school email.

Tenttien ajankohdat ja uusintamahdollisuudet

Theory final exam and Packet Tracer exam will held in course.
You can do one re-exam within course deadline.
NOTE: Course ending time shown in academy system is not real, please check the course plan for end date!

Opiskelijan ajankäyttö ja kuormitus

Lecturing and laboratory work each week
Independent studying, including:

- Studying the course material
- Completing exercises
- Preparation for finals exam(s)

Sisällön jaksotus

Course describes the architecture, components, operations, and security to scale for large, complex networks, including wide area network (WAN) technologies. The course emphasizes network security concepts and introduces network virtualization and automation. Students learn how to configure, troubleshoot, and secure enterprise network devices and understand how application programming interfaces (API) and configuration management tools enable network automation.

By the end of this course, students will be able:

- Configure single-area OSPFv2 in both point-to-point and multiaccess networks.
- Explain how to mitigate threats and enhance network security using access control lists and security best practices.
- Implement standard IPv4 ACLs to filter traffic and secure administrative access.
- Configure NAT services on the edge router to provide IPv4 address scalability.
- Explain techniques to provide address scalability and secure remote access for WANs.
- Explain how to optimize, monitor, and troubleshoot scalable network architectures.
- Explain how networking devices implement QoS.
- Implement protocols to manage the network.
- Explain how technologies such as virtualization, software defined networking, and automation affect evolving networks.

Arviointiasteikko

H-5

Arviointimenetelmät ja arvioinnin perusteet

Laboratory assignments in laboratory room
Packet tracer assignments done at home
Module exams
Practice final exams
Theory final exam and Packet Tracer final exam.

The overall result is the sum of the all results of the assignments and exams, passing limit is 60%.
Detailed grading limits will be provided in course plan when course starts but past grading limits have been the following:

Less than 60% Fail
60-67.4% Grade 1
68-75.4% Grade 2
76-83.4% Grade 3
84-91.4% Grade 4
91.5% or higher Grade 5

Esitietovaatimukset

Opintojaksot Internet Networks and Security (5051215) ja Introduction to Networks (TE00BU42) tai vastaava osaaminen.

Tavoitteet

After completing the course the student:
masters JavaScript and can use some of the most important libraries in developing browser user interfaces
can implement dynamic and responsive browser user interfaces that are usable in variety of devices
masters AJAX technology and JSON data-interchange format
can use efficient tools in browser scripting

Sisältö

JavaScript
jQuery
Doing asynchronous requests with AJAX
JSON data-interchange format
Tools for developing browser interfaces
Implementing a small scale dynamic and responsive browser user interface

Oppimateriaalit

Kurssimateriaali (Kirjoista vain valitut osat)
*
Eloquent JavaScript
Marijn Haverbeke
No Starch Press; 4 edition (Nov 5, 2024)
Saatavilla osoitteessa http://eloquentjavascript.net
*
Professional JavaScript for Web Developers
5th Edition
Matt Frisbie
Published by Wrox
Saatavilla tietokannassa ProQuest EBook Central
*
Valittu projektiperustainen React-tutoriaali
*
Learning React : Modern Patterns for Developing React Apps
2nd edition
Alex Banks and Eve Porcello
Saatavilla tietokannassa ProQuest EBook Central
*

Opetusmenetelmät

- kirjallisuuden ja muun oppimismateriaalin lukeminen tai katsominen
- osallistuminen luennoille
- ohjelmointi opettajan johdolla
- itsenäinen ohjelmointi
- osallistuminen ryhmätyön tekemiseen

Tenttien ajankohdat ja uusintamahdollisuudet

Ei tenttiä.

Toteutuksen valinnaiset suoritustavat

Opiskelija voi suorittaa opintojakson osoittamalla osaamisensa opintojakson aiheista esimerkiksi tekemillään työnäytteillä. Osoittamisesta täytyy sopia opettajan kanssa opintojakson 4 ensimmäisen viikon aikana.

Opiskelija voi myös ahotoida opintojakson vastaavalla muualla oppilaitoksemme hyväksymässä oppilaitoksessa suoritetulla kurssilla. Asia kannattaa laittaa vireille heti opintojakson alkaessa.

Opiskelijan ajankäyttö ja kuormitus

39 h kontaktiluentoja (Jokainen 3h = 2h opetusta ja 1h henkilökohtaista työskentelyä opettajan läsnäollessa)
4 h harjoistustöiden esitystä ja seurantaa
40 h harjoitustyön valmistelu
54 h henkilökohtaiset harjoitustehtävät

Sisällön jaksotus

Sisältö

I. JavaScript (Luennot ja henkilökohtaiset tehtävät)

- Perusteet
- Merkkijonont
- Oliot, destrukturointi
- Taulukot, taulukko-operaatiot
- Operaatioiden ohjelmointi
- Virheenkäsittely
- DOM, tapahtumienkäsittely
- Moduulit
- Asynkroninen ohjelmointi
- Työkalut

II. React (Luennot ja ryhmätyö)

- Perusteet
- JSX
- Komponentit
- Modularisointi
- Työkalut
- Tilanhallinta
- Koukut

III. Ryhmätyö: Yksinkertainen web-sivusto Reactilla (ilman taustajärjestelmää)

7 henkilökohtaista JavaScript-harjoitustehtävää.
React-perustainen ryhmätyö.

Viestintäkanava ja lisätietoja

itsLearning ja sähköposti

Arviointiasteikko

H-5

Arviointimenetelmät ja arvioinnin perusteet

Opintojakson kokonaismaksimipistemäärä on 120.

Maksimissaan 70 pistettä 7 henkilökohtaisesta harjoitustehtävästä, 30 pistettä harjoitustyöstä ja 20 pistettä luentoläsnäoloista.

Opintojakson arviointiskaala on seuraava:

Pisteitä vähintään -> Arvosana

0 -> 0
40 -> 1
56 -> 2
72 -> 3
88 -> 4
104 -> 5

Huomaa seuraava lisäehto: hyväksyttävään suoritukseen tarvitaan vähintään 20 pistettä henkilökohtaisista harjoitustehtävistä ja 10 pistettä harjoitustyöstä.

Läsnäolopisteet annetaan seuraavan skaalan perusteella:

Läsnäoloprosentti käytännön- ja teorialuennoilla -> pisteitä

20% -> 5
40% ->10
60%->15
80%->20

Osa henkilökohtaisista harjoitustehtävistä tehdään käytännöntunneilla yhdessä opettajan kanssa. Näin läsnäolo niillä karruttaa myös harjoitustehtäväpisteitä.

Demokerroilla on oltava läsnä. Läsnäolo demoissa ei karruta läsnäolopisteitä. Poissaolo demoista aiheuttaa 50 % vähennyksen opiskelijan näihin demoihin palauttamien tehtävien pisteisiin. Myös tehtävien palauttaminen myöhässä aiheuttaa 50 prosentin vähennyksen. Tehtäviä ei oteta enää vastaan opintojakson päättymispäivän jälkeen. Opintojakson päättymispäivän jälkeen ei myöskään anneta korvaavia tai täydentäviä tehtäviä. Opiskelija täytyy huolehtia siis siitä, että hän saa kerättyä eri suorituksista riittävästi pisteitä opintojakson aikana.

Hylätty (0)

Opiskelija ei ole opintojakson aikana onnistunut keräämään läpäisyyn riittävää pistemäärää. Näin ollen hän ei ole pystynyt osoittamaan sellaista osaamista, jonka perusteella voitaisiin antaa hyväksyttävä arvosana.

Arviointikriteerit, tyydyttävä (1-2)

Opiskelija tietää JavaScript-ohjelmointikielen soveltamisalueet ja -ympäristöt
Opiskelija tuntee modernin JavaScript-ohjelmointikielen perusteet
Opiskelija tuntee jonkin JavaScript-ohjelmointikielen keskeisistä front-end kirjastoista
Opiskelija tietää joitakin keskeisiä JavaScript-ohjelmoinnissa käytettäviä työkaluja
Opiskelija osaa ohjelmoida yksinkertaisia sovelluksia JavaScriptillä tai sen kirjastolla

Arviointikriteerit, hyvä (3-4)

Opiskelija tietää JavaScript-ohjelmointikielen soveltamisalueet ja -ympäristöt
Opiskelija hallitsee modernin JavaScript-ohjelmoinnin perusteet ja joitakin JavaScriptin syventäviä ominaisuuksia
Opiskelija osaa soveltaa jotakin JavaScript-ohjelmointikielen keskeisistä front-end kirjastoista
Opiskelija osaa etsiä tietoja JavaScript- ja ohjelmointiosaamisensa kehittämiseksi ja ongelmien ratkaisemiseksi
Opiskelija osaa hyödyntää joitakin keskeisiä JavaScript-ohjelmoinnissa käytettäviä työkaluja
Opiskelija osaa ohjelmoida sovelluksia JavaScriptillä ja sen kirjastoilla
Opiskelijalla osaa työskennellä JavaScript-ohjelmointiprojektissa

Arviointikriteerit, kiitettävä (5)

Opiskelija tietää JavaScript-ohjelmointikielen soveltamisalueet ja -ympäristöt
Opiskelija osaa hyödyntää tehokkaasti ja laajasti JavaScript-ohjelmointikieltä ja sen kirjastoja
Opiskelija osaa etsiä tehokkaasti tietoja osaamisensa kehittämiseksi ja ongelmien ratkaisemiseksi
Opiskelija osaa hyödyntää ja etsiä tehokkaasti erilaisia JavaScript-ohjelmoinnissa käytettäviä työkaluja
Opiskelija osaa suunnitella ja ohjelmoida modularisoituja sovelluksia JavaScriptillä ja sen kirjastoilla
Opiskelijalla osaa työskennellä aloitteellisesti ja vastuullisesti JavaScript-ohjelmointiprojektissa

Tavoitteet

Deepening knowledge of ICT project work and the most used methods and technologies of software projects.

Sisältö

Project work in an international project team in ICT projects.
Substance knowledge of different ICT field -related topics.
Working life skills (team working, communication, time management, professional attitude and taking responsibility) and problem-solving skills.

Oppimateriaalit

- Various internet sources, links & descriptions online.
- Lecture slides.
- theFIRMA's and course's Itslearning.

Opetusmenetelmät

Theory part consists of lectures, independent work, and group work
In project, the student works together with the project team mainly onsite.

Tenttien ajankohdat ja uusintamahdollisuudet

No exam

To successfully pass the course, students must achieve passing grade in both the assignments and the project work components.

If a student does not pass the course, they are required to re-enroll and participate in the course during the next available offering, typically the following academic year.

Pedagogiset toimintatavat ja kestävä kehitys

Practical assignments and reports
Project work
Self study

Toteutuksen valinnaiset suoritustavat

Project work part can be done in a company, if student has a ICT-related job. This has to be agreed separately with responsible teacher.

Opiskelijan ajankäyttö ja kuormitus

This course is in total 10 ECTS: 10 x 27h = 270 hours of work.
The course will run during the spring semester 2025.

To pass the course, the student must submit the required assignments on time. Moreover, there are also assignments that are done together during the lecture.

The theory part of the course consists of lectures and activities during the lecture (14x3h), assignments and self-study (103 hours), small group meetings (in total of 2 hours).
Additionally the student is expected to participate in 4 guest lectures and write a report about them (10 hours). The student is also expected to prepare a presentation of the project they participated in (5 hours).

The practical part of the course consists of 108 hours of project work
Majority of project work is done on-site.
For the project managers working in theFirma projects, there is obligatory weekly meeting that they are expected to participate. For other project members, the weekly meeting is voluntary.

Weekly working hours are 20.8 hours/week.

Sisällön jaksotus

This course enhances project work skills in the ICT field, as well as deepening knowledge of various ICT-related topics.

Students will collaborate on customer projects related to ICT sector. These projects help develop students’ professional skills, including technical abilities, teamwork, communication, time management, professional attitude, responsibility, and problem-solving.

Project teams are typically international, and the primary language of communication is usually English. This fosters students’ abilities in multicultural communication and collaboration.

Viestintäkanava ja lisätietoja

the course's and theFIRMA itslearning and Microsoft Teams

Arviointiasteikko

H-5

Arviointimenetelmät ja arvioinnin perusteet

The course consists of two parts: the theory part and the project work part.

The theory part includes 6 assignments:
Each assignment is evaluated on a scale of 0-30 points.
Therefore, the maximum number of points from the assignments are 180.
Late submission for the assignments will result in 50% reduction in points.

Additionally, the course includes guest lectures, for which the studenta are required to write a report. The report is evaluated on a scale of 0 – 30 points.

Attendance at theory lectures and small group meetings is recorded. The first and last lectures award students 3 points each, while other lectures and small group meetings are worth 2 points each. In total, there are 40 points for attendance.

Altogether students can earn a maximum of 250 points. These points are evaluated as follows:
Fail: 0 – 74 points
grade 1: 75 – 112 points
grade 2: 113 – 149 points
grade 3: 150 – 187 points
grade 4: 188 – 224 points
grade 5: 225 – 250 points.

Project work:
The students are required to work on the project for a total of 108 hours.
- One working hour equals 1 point.
- Participating in one Tech Club session equals 2 points.
- Hosting one Tech Club session equals 5 points (this includes the time spent on planning the content and presenting).

The formative assessment of students' performance in the projects is based on self and peer assessment, customer feedback (if available), and project manager feedback.

Completing all required hours equals 108 points; every 15 hours missed results in a one grade-point reduction from the student's evaluation.

The final grade of the course is weighted average:
- Assignments, attendance, and the guest lecture report 60%
- Project work (evaluation based on self- and peer assessment) and project hours 40%

Accepted grade cannot be raised.

Hylätty (0)

Less than 75 points from the theory part and project working hours not completed.

No show, not carrying out responsibilities, disappearing from team work, lack of communication with other team members.

Student has to pass the theory part and the project work part to complete the course.

Arviointikriteerit, tyydyttävä (1-2)

Grade 1: under 113 points from the theory part and completing project work hours.
Grade 2: under 150 points from the theory part and completing project work hours.

Poor, but satisfactory performance both in independent work and team work. Low participation on lectures and other activities.

Student has to pass assignments and project work to complete the course.

Arviointikriteerit, hyvä (3-4)

Grade 3: under 188 points from the theory part and completing project work hours.
Grade 4: under 225 points from the theory part and completing project work hours.

Good performance both in team work and independent work. Active participation on lectures and other activities.

Student has to pass assignments and project work to complete the course.

Arviointikriteerit, kiitettävä (5)

Grade 5: 225 or over points from from the theory part and completing project work hours.

Excellent performance both in team work and independent work. Active participation on lectures and other activities.

Student has to pass assignments and project work to complete the course.

Tavoitteet

Opintojakson suoritettuaan opiskelija:

ymmärtää CDIO-konseptin perusteet.
tuntee ongelmanratkaisun ja suunnitteluajattelun perusteet.
tuntee tavanomaiset ICT-projektinhallinnan menetelmät.
tuntee ohjelmistokehityksen peruskäsitteet.
tuntee oman koulutuksensa oppimissuunnitelman sisällön ja rakenteet.
tuntee mahdollisuudet opintojen ja osaamisen hyväksilukemiseen sekä ristiinopiskeluun.
ymmärtää opiskelutaitojen merkityksen ja osaa arvioida omia kehittämistarpeitaan.

Sisältö

Tällä opintojaksolla tutustutaan CDIO (Conceive-Design-Implement-Operate) -viitekehyksen perusteisiin keskittyen erityisesti 'Conceive'- ja 'Design'-osioihin. Opiskelijat oppivat CDIO-mallin periaatteet ja niiden soveltamista käytännössä insinööritieteissä ja teknisillä aloilla. Opiskelija saa käytännön kokemusta myös ongelmien hahmottamisesta ja ratkaisujen suunnittelusta. Opiskelija saa tietoa oppimissuunnitelmasta, opinto- ja tukimahdollisuuksista sekä tarvittavista opiskelutaidoista.

Oppimateriaalit

Sähköinen materiaali, jaetaan ItsLearningissä (ITS).

Opetusmenetelmät

Aktiivinen osallistuminen lähiopetustuokioihin
Luentoaktiviteetit ja -tehtävät

Tenttien ajankohdat ja uusintamahdollisuudet

-

Pedagogiset toimintatavat ja kestävä kehitys

Opintojaksolla opitaan ICT-alan perustaitoja sekä opiskelutaitoja käytännön työn ja esitysten avulla.

Opintojaksolla käytetään sähköisiä materiaaleja. Opiskelija saa perustiedot eettisestä toiminnasta ja saavutettavuudesta ICT:n kannalta.

Toteutuksen valinnaiset suoritustavat

-

Opiskelijan ajankäyttö ja kuormitus

Kontaktitunnt:
- Luennot 6 x 2h = 12h
- Tuutorintunti 3 x 1h = 3h
- Infot 3 x 1h = 3h

Lisäksi omatoimista opiskelua: 63h

YHTEENSÄ: 18h + 63h = 81h

Arviointikriteerit, hyväksytty/hylätty

Hyväksyttyyn arvosanaan opiskelijan on täytettävä molemmat seuraavista läsnäolo- ja aktiivisuusehdoista:

1. Osallistuminen: opiskelija osallistuu vähintään 9 kontaktitunnille.

2. Tehtävät: Vähintään 2 viikkotehtävää ja 2 luentotehtävää tulee suorittaa hyväksytysti aikataulun mukaisesti.
Lisäksi tulee opiskelijan tulee kirjoittaa raportti rekrymessusta tai vierailuluennosta.

Opiskelijan tulee saada molemmista osioista hyväksytty suoritus, jotta hän saa kurssista hyväksytyn suoritusmerkinnän.

Sisällön jaksotus

Opiskelija saa tietoa oppimissuunnitelmasta, opinto- ja tukimahdollisuuksista sekä tarvittavista opiskelutaidoista.

Tällä opintojaksolla tutustutaan CDIO (Conceive-Design-Implement-Operate) -viitekehyksen perusteisiin keskittyen erityisesti 'Conceive'- ja 'Design'-osioihin. Opiskelijat oppivat CDIO-mallin periaatteet ja niiden soveltamista käytännössä insinööritieteissä ja teknisillä aloilla. Opiskelija saa käytännön kokemusta myös ongelmien hahmottamisesta ja ratkaisujen suunnittelusta.

Viestintäkanava ja lisätietoja

Oppimisympäristö (ITS)

Arviointiasteikko

Hyväksytty/Hylätty

Arviointimenetelmät ja arvioinnin perusteet

1. Aktiivinen osallistuminen lähiopetukseen.
2. Tehtävien palauttaminen aikataulun mukaisesti.

Esitietovaatimukset

Ei edeltävyysehtoja.

Tavoitteet

Opintojakson suoritettuaan opiskelija:

ymmärtää CDIO-konseptin perusteet.
tuntee ongelmanratkaisun ja suunnitteluajattelun perusteet.
tuntee tavanomaiset ICT-projektinhallinnan menetelmät.
tuntee ohjelmistokehityksen peruskäsitteet.
tuntee oman koulutuksensa oppimissuunnitelman sisällön ja rakenteet.
tuntee mahdollisuudet opintojen ja osaamisen hyväksilukemiseen sekä ristiinopiskeluun.
ymmärtää opiskelutaitojen merkityksen ja osaa arvioida omia kehittämistarpeitaan.

Sisältö

Tällä opintojaksolla tutustutaan CDIO (Conceive-Design-Implement-Operate) -viitekehyksen perusteisiin keskittyen erityisesti 'Conceive'- ja 'Design'-osioihin. Opiskelijat oppivat CDIO-mallin periaatteet ja niiden soveltamista käytännössä insinööritieteissä ja teknisillä aloilla. Opiskelija saa käytännön kokemusta myös ongelmien hahmottamisesta ja ratkaisujen suunnittelusta. Opiskelija saa tietoa oppimissuunnitelmasta, opinto- ja tukimahdollisuuksista sekä tarvittavista opiskelutaidoista.

Toteutuksen valinnaiset suoritustavat

-

Arviointiasteikko

Hyväksytty/Hylätty

Esitietovaatimukset

Ei edeltävyysehtoja.

Tavoitteet

After completing the course the student:
- is able to explain the basic principles of information security testing and assessment
- can list the phases of information security testing process
- is able to organize and conduct information security risk testing to an SME sector enterprise or similar size organization
- can analyse and report the results from information security testing
- is able to give justified improvement proposals to mitigate information security vulnerabilities

Sisältö

- Social Engineering
- Penetration Testing
- Network Discovery
- Network Service Identification
- Vulnerability Scanning
- Password Cracking

Oppimateriaalit

We are using the TryHackMe.com training platform in addition to ItsLearning. Licenses for the duration of the course will be provided.

Tenttien ajankohdat ja uusintamahdollisuudet

Mandatory Practical exam is early April, with re-take chance in April.

Toteutuksen valinnaiset suoritustavat

-

Opiskelijan ajankäyttö ja kuormitus

Lectures 8h
Laboratory assignments 35h
Hackathon 8h
Exam and preparations 9h
Testing project 75h

Sisällön jaksotus

Course begins with introductory lecture. In laboratory exercises student learns to use the tools of trade. Finally, students perform a penetration testing engagement and report the results.

Viestintäkanava ja lisätietoja

All communication will be through ItsLearning.

Arviointiasteikko

H-5

Arviointimenetelmät ja arvioinnin perusteet

Project report determines the grade. At least 3 successfully tested machines must be reported following the reporting requirements to get 1. Each successfully tested and reported machine above that will increase grade by 1. Incomplete reporting will lower the grade.
Exam is mandatory to pass. Getting 5 in exam increases overall grade by 1.
Attendance in Hackathon is mandatory to pass the course.
Laboratory assignments: returning at least 90% of the graded assignments will increase overall grade by 1.

Hylätty (0)

Student is unable to perform and report a penetration testing engagement independently.

Arviointikriteerit, tyydyttävä (1-2)

Student understands the basics of penetration testing and is able to perform a penetration test against a web application independently. Student can write an understandable and actionable report about the test results.

Arviointikriteerit, hyvä (3-4)

Student has a good grasp of information security testing methodologies and tools. Student can independently test various types of internet connected applications. Student can write an understandable and actionable report about the test results that contains guidance for both the management and the developers responsible for the application.

Arviointikriteerit, kiitettävä (5)

Student has knowledge and is able to select the best suited tool and methodology for the engagement. Student can independently test most types of internet connected applications. Student can write a clear, concise and actionable report about the test results that effectively guides management decisions and provides the software developers with detailed guidance on both fixing to found issues and methods for avoiding similar issues in the future.

Esitietovaatimukset

Opintojaksot Tietoverkkojen ja tietoturvan perusteet ja Linux and Virtualization

Tavoitteet

After participating in the course, the student:
* understands basics of innovation-based entrepreneurship, business idea generation, target customer's analysis, prototype design and planning, and technology development
* is familiar with use of NABC and Lean canvases for business ideas validation
TRL (technology readiness level) and MVP (minimum viable product) concepts
* has got experience on Innovation and business pitching skills for private funding,
as well as grant application from public funding.

Sisältö

Ideation and Teaming up
Problem and Customer Validation
Lean-canvas and business model
Prototyping and Minimum Viable Product
Pitching and Way Forward

Arviointiasteikko

H-5

Esitietovaatimukset

-

Tavoitteet

After completing the course the student is able to:
Understand and describe the data engineering process life cycle

Sisältö

What is Data Engineering
Data Storage and Retrieval
Data Engineering Lifecycle
Extract, Transform and Load (ETL) process
Introduction to Big Data Frameworks

Oppimateriaalit

- The learning materials including slides and exercises will be prepared by the lecturer from various sources such as online courses and articles, books, videos, etc. The material will be introduced during the lectures and will be available via the learning environment (ITS).

- AWS Academy Data Engineering [91081] Course Materials

- Recommended books:
1. Data Engineering with Python: Work with massive datasets to design data models and automate data pipelines using Python, Crickard III, Paul, Packt Publishing, 2020.
Slides provided by teacher can be found via Itslearning.

2. Fundamentals of Data Engineering, Plan and Build Robust Data Systems
By Joe Reis and Matt Housley, Publisher: O’Reily, First edition, 2022.

Opetusmenetelmät

- Participating in lectures (theory and practice)
- Learning through hands-on programming (classwork assignments)
- Completing homework assignments or AWS Academy Course
- Interacting with the teacher and classmates
- Enhancing knowledge through teamwork projects
- Following the flipped-classroom model (pre-session self-study of theoretical concepts followed by in-class practical application)

Tenttien ajankohdat ja uusintamahdollisuudet

No exam, and retake not possible after evaluation grade is published.

There is a final teamwork project where students must demonstrate their work during a presentation event in week 48.

Pedagogiset toimintatavat ja kestävä kehitys

- The course includes approximately 12 theory and practice sessions, where students engage with practical tasks.
- Additionally, there are 4 online Q&A sessions to provide extra support.
- Homework exercises will be assigned, with some parts demonstrated during contact sessions.
- Integration of Cloud-based data engineering through the AWS Academy course.
- A teamwork project will be introduced in the second month, requiring students to apply their teamwork skills and the knowledge gained from the course to implement their final project.
- A flipped-classroom model may be used for some lectures, where students study the theoretical content at home and focus on practical implementation and discussions during class.

Toteutuksen valinnaiset suoritustavat

The practice works and exercises are mainly performed using VS Code, Jupyter Notebook, Apache Airflow, and AWS services.

Opiskelijan ajankäyttö ja kuormitus

- Contact teaching:
• We have 12 theory and practice sessions, each lasting 3 hours, conducted weekly: 12 x 3 = 36
• Additionally, there are 4 online Q&A sessions, each lasting 1 hour.
• Total contact teaching hours per course: 40 hours.

- Homework and teamwork assignment:
• Personal assignments (homework) and independent studies: 75 hours
• Teamwork assignment: 20 hours

Total: approximately 135 hours (5 x 27h)

Sisällön jaksotus

Course Overview
This course provides an introduction to data engineering, combining theoretical concepts with practical applications. The course is divided into two main parts, each with a distinct focus:

- Part I: Theories and Practice
• Instructor-Led Sessions: Covering general topics in data engineering, taught and supervised by the instructor.

- Part II: Optional AWS Academy Self-Paced Course
• Self-Paced Learning: Students have the option to independently complete the AWS Academy Data Engineering course, gaining in-depth knowledge and earning a certification. This can replace the requirement to complete standard homework assignments.

Course Structure
Part I: Theories and Practice (Instructor Supervision & AWS Academy)
• Week 36: Course Overview and Introduction to AWS Academy Data Engineering
• Week 37: The Data Engineering Ecosystem & AWS Practice
• Week 38: ETL Processes & AWS Practice + Exercise Demo (I)
• Week 39: Introduction to Apache Airflow & AWS Integration
• Week 40: Data Engineering Life Cycle: Data Wrangling & ETL + AWS Practice
• Week 41: Data Wrangling and ETL in Apache Airflow + AWS Practice
• Week 42: Autumn Break
• Week 43: Data Governance and Compliance in Data Engineering + AWS Practice
• Week 44: Exercise Demo + AWS Practice
• Week 45: Continued AWS Course Study
• Weeks 46 & 47: Group Work on Final Projects (in-class) + AWS Practice
• Week 48: Final Project Presentations

Part II: Optional AWS Academy Data Engineering [91081]
- Self-Paced Modules: Students can choose to complete the full AWS Academy Data Engineering course, covering the following modules.
- Module Timeline:
• Week 36: Module 1 - Welcome to AWS Academy Data Engineering
• Week 37: Module 2 - Data-Driven Organizations
• Week 38: Module 3 - The Elements of Data
• Week 39: Module 4 - Design Principles and Patterns for Data Pipelines
• Week 40: Module 5 - Securing and Scaling the Data Pipeline
• Week 41: Module 6 - Ingesting and Preparing Data
• Week 42: Module 7 - Ingesting by Batch or by Stream
• Week 43: Module 8 - Storing and Organizing Data
• Week 44: Module 9 - Processing Big Data
• Week 45: Module 10 - Processing Data for ML
• Week 46: Module 11 - Analyzing and Visualizing Data
• Week 47: Module 12 - Automating the Pipeline

Student Responsibilities
1. Class Participation and Assignments:
• Active participation in all classes, including the completion of in-class assignments, which must be submitted during class hours.
2. Homework Assignments:
• Option A: Complete eight individual homework exercises, partially demonstrated during contact sessions.
• Option B: Complete the full AWS Academy Data Engineering course as a substitute for the homework assignments. To do this, students must follow the weekly schedule and upload their AWS Academy course certificate to the Itslearning platform.
3. Final Project:
• A group project (3-4 students) to be completed over Weeks 46 & 47, culminating in a presentation in Week 48.
________________________________________
Additional Notes
• Flexibility: The option to replace homework with the AWS Academy course allows students to tailor their learning experience to their interests and career goals.
• Integration of AWS: The inclusion of AWS Academy in both the core and optional parts of the course provides a strong foundation in cloud-based data engineering, which is highly relevant in today's industry.
• Project Work: The group project encourages collaboration and the practical application of the skills learned throughout the course.

Viestintäkanava ja lisätietoja

Qualifications:
Before taking an "Introduction to Data Engineering with Python" course, students typically need a foundational understanding of several key areas. Here are the mandatory and recommended prerequisite courses and topics.

1. Mandatory Prerequisites: 
1.1. Programming:
1.1.1. Introduction to Programming: Knowledge of programming fundamentals,
including concepts like variables, loops, conditionals, and functions. 
1.1.2. Python Programming: Familiarity with Python, including basic syntax, data
types, control structures, and function and modules
1.1.3. Error Handling 
1.1.4. Object-oriented programming (OOP) 
1.1.5. Data Manipulation: Skills in using Pandas library including DataFrames and
Series, reading, writing, filtering, and transforming data
1.2. Databases: Knowledge of how databases work, including concepts like tables, keys, normalization, and indexing.

2. Recommended Topics:
2.1. Algorithms and Data Structures: Basic understanding of algorithms and data
structures such as arrays, lists, trees, and graphs, which are crucial for data
processing
2.2. Having the fundamental knowledge of cloud services or passing the Cloud Services
Course in TUAS (Lecturer: Ali Khan)
2.3. Version Control Systems: Basic understanding of tools like Git for version control.
2.4. Basic Algebra and Calculus: Fundamental math skills to handle data transformations
and calculations.
2.5. Statistics: Understanding of basic statistical concepts like mean, median, standard
deviation, and probability distributions.+

Arviointiasteikko

H-5

Arviointimenetelmät ja arvioinnin perusteet

1) The course is graded on a scale of 0-5

2) Students can achieve 100 points from this course that contains:
- Participation and classwork assignments: participating on each lecture and submitting the related classwork assignment during the class hours 3p => 12 X 3 = 36 points.
- Homework assignments: each homework assignment has 4-6 points. There are 6-8 homework assignments => 8 x 4 (or 6 x6)= 36 points. (or Completing the AWS Academy Course labs and and uploading the certificate on ITS: 36 points)
- Teamwork assignment: 28 points
Note: the teamwork assignment will be graded on scale 0-5 on Itslearning.

The assignments must be returned by the deadline to get the points. The assignments returned after the deadline will give you only half of the points.
Demonstrations of exercises during the contact session is mandatory without demonstration you will lose 50% of your marks.

3) Evaluation:
50% of total to pass: 50% from participation and classwork + 50% from homework assignments (or AWS Academy Course) + 50% from the teamwork projects to pass

Note: Grades will be rounded down if they include decimals less than 0.5; otherwise, they will be rounded up. (e.g., 3.4 is rounded down to 3.0, but 3.5 or higher is rounded up to 4.0)

Hylätty (0)

The student does NOT get at least 50% of the points in teamwork assignment OR does not get at least 50% of the points in the homework assignments (or did not get the AWS Academy course certificate) OR does not get at least 50% of the points in participation and classwork submission.

Arviointikriteerit, tyydyttävä (1-2)

The student got 50-65% of the points for the homework assignments (or got the AWS Academy course certificate) AND got 50-65% of the points for the participation and classwork assignments submission AND got a grade of 1 - 3 for the teamwork assignment.

Arviointikriteerit, hyvä (3-4)

The student got 66-85% of the points for the homework assignments (or got the AWS Academy course certificate) AND got 66-85% of the points for the participation and classwork assignments submission AND got a grade of 4 for the teamwork assignment.

Arviointikriteerit, kiitettävä (5)

The student got at least 86% of the points for the homework assignments (or got the AWS Academy course certificate) AND got at least 86% of the points for the participation and classwork assignments submission AND got a grade of 5 for the teamwork assignment.

Tavoitteet

After completing the course the student is able to:
Understand and describe the data engineering process life cycle

Sisältö

What is Data Engineering
Data Storage and Retrieval
Data Engineering Lifecycle
Extract, Transform and Load (ETL) process
Introduction to Big Data Frameworks

Oppimateriaalit

- The learning materials including slides and exercises will be prepared by the lecturer from various sources such as online courses and articles, books, videos, etc. The material will be introduced during the lectures and will be available via the learning environment (ITS).

- AWS Academy Data Engineering [91081] Course Materials

- Recommended books:
1. Data Engineering with Python: Work with massive datasets to design data models and automate data pipelines using Python, Crickard III, Paul, Packt Publishing, 2020.
Slides provided by teacher can be found via Itslearning.

2. Fundamentals of Data Engineering, Plan and Build Robust Data Systems
By Joe Reis and Matt Housley, Publisher: O’Reily, First edition, 2022.

Opetusmenetelmät

- Participating in lectures (theory and practice)
- Learning through hands-on programming (classwork assignments)
- Completing homework assignments or AWS Academy Course
- Interacting with the teacher and classmates
- Enhancing knowledge through teamwork projects
- Following the flipped-classroom model (pre-session self-study of theoretical concepts followed by in-class practical application)

Tenttien ajankohdat ja uusintamahdollisuudet

No exam, and retake not possible after evaluation grade is published.

There is a final teamwork project where students must demonstrate their work during a presentation event in week 48.

Pedagogiset toimintatavat ja kestävä kehitys

- The course includes approximately 12 theory and practice sessions, where students engage with practical tasks.
- Additionally, there are 4 online Q&A sessions to provide extra support.
- Homework exercises will be assigned, with some parts demonstrated during contact sessions.
- Integration of Cloud-based data engineering through the AWS Academy course.
- A teamwork project will be introduced in the second month, requiring students to apply their teamwork skills and the knowledge gained from the course to implement their final project.
- A flipped-classroom model may be used for some lectures, where students study the theoretical content at home and focus on practical implementation and discussions during class.

Toteutuksen valinnaiset suoritustavat

The practice works and exercises are mainly performed using VS Code, Jupyter Notebook, Apache Airflow, and AWS services.

Opiskelijan ajankäyttö ja kuormitus

- Contact teaching:
• We have 12 theory and practice sessions, each lasting 3 hours, conducted weekly. (36 hours)
• Additionally, there are 4 online Q&A sessions, each lasting 1 hour.
• Total contact teaching hours per course: 40 hours.

- Homework and teamwork assignment:
• Personal assignments (homework) and independent studies: 75 hours
• Teamwork assignment: 20 hours

Total: approximately 135 hours (5 x 27h)

Sisällön jaksotus

Course Overview
This course provides an introduction to data engineering, combining theoretical concepts with practical applications. The course is divided into two main parts, each with a distinct focus:

- Part I: Theories and Practice
• Instructor-Led Sessions: Covering general topics in data engineering, taught and supervised by the instructor.
• AWS Academy Modules: Select topics integrated into practice sessions, enhancing hands-on experience with Cloud-based data engineering.

- Part II: Optional AWS Academy Self-Paced Course
• Self-Paced Learning: Students have the option to independently complete the AWS Academy Data Engineering course, gaining in-depth knowledge and earning a certification. This can replace the requirement to complete standard homework assignments.

Course Structure
Part I: Theories and Practice (Instructor Supervision & AWS Academy)
• Week 36: Course Overview and Introduction to AWS Academy Data Engineering
• Week 37: The Data Engineering Ecosystem & AWS Practice
• Week 38: ETL Processes & AWS Practice + Exercise Demo (I)
• Week 39: Introduction to Apache Airflow & AWS Integration
• Week 40: Data Engineering Life Cycle: Data Wrangling & ETL + AWS Practice
• Week 41: Data Wrangling and ETL in Apache Airflow + AWS Practice
• Week 42: Autumn Break
• Week 43: Data Governance and Compliance in Data Engineering + AWS Practice
• Week 44: Exercise Demo + AWS Practice
• Week 45: Continued AWS Course Study
• Weeks 46 & 47: Group Work on Final Projects (in-class) + AWS Practice
• Week 48: Final Project Presentations

Part II: Optional AWS Academy Data Engineering [91081]
- Self-Paced Modules: Students can choose to complete the full AWS Academy Data Engineering course, covering the following modules.
- Module Timeline:
• Week 36: Module 1 - Welcome to AWS Academy Data Engineering
• Week 37: Module 2 - Data-Driven Organizations
• Week 38: Module 3 - The Elements of Data
• Week 39: Module 4 - Design Principles and Patterns for Data Pipelines
• Week 40: Module 5 - Securing and Scaling the Data Pipeline
• Week 41: Module 6 - Ingesting and Preparing Data
• Week 42: Module 7 - Ingesting by Batch or by Stream
• Week 43: Module 8 - Storing and Organizing Data
• Week 44: Module 9 - Processing Big Data
• Week 45: Module 10 - Processing Data for ML
• Week 46: Module 11 - Analyzing and Visualizing Data
• Week 47: Module 12 - Automating the Pipeline

Student Responsibilities
1. Class Participation and Assignments:
• Active participation in all classes, including the completion of in-class assignments, which must be submitted during class hours.
2. Homework Assignments:
• Option A: Complete eight individual homework exercises, partially demonstrated during contact sessions.
• Option B: Complete the full AWS Academy Data Engineering course as a substitute for the homework assignments. To do this, students must follow the weekly schedule and upload their AWS Academy course certificate to the Itslearning platform.
3. Final Project:
• A group project (3-4 students) to be completed over Weeks 46 & 47, culminating in a presentation in Week 48.
________________________________________
Additional Notes
• Flexibility: The option to replace homework with the AWS Academy course allows students to tailor their learning experience to their interests and career goals.
• Integration of AWS: The inclusion of AWS Academy in both the core and optional parts of the course provides a strong foundation in cloud-based data engineering, which is highly relevant in today's industry.
• Project Work: The group project encourages collaboration and the practical application of the skills learned throughout the course.

Viestintäkanava ja lisätietoja

Qualifications:
Before taking an "Introduction to Data Engineering with Python" course, students typically need a foundational understanding of several key areas. Here are the mandatory and recommended prerequisite courses and topics.

1. Mandatory Prerequisites: 
1.1. Programming:
1.1.1. Introduction to Programming: Knowledge of programming fundamentals,
including concepts like variables, loops, conditionals, and functions. 
1.1.2. Python Programming: Familiarity with Python, including basic syntax, data
types, control structures, and function and modules
1.1.3. Error Handling 
1.1.4. Object-oriented programming (OOP) 
1.1.5. Data Manipulation: Skills in using Pandas library including DataFrames and
Series, reading, writing, filtering, and transforming data
1.2. Databases: Knowledge of how databases work, including concepts like tables, keys, normalization, and indexing.

2. Recommended Topics:
2.1. Algorithms and Data Structures: Basic understanding of algorithms and data
structures such as arrays, lists, trees, and graphs, which are crucial for data
processing
2.2. Having the fundamental knowledge of cloud services or passing the Cloud Services
Course in TUAS (Lecturer: Ali Khan)
2.3. Version Control Systems: Basic understanding of tools like Git for version control.
2.4. Basic Algebra and Calculus: Fundamental math skills to handle data transformations
and calculations.
2.5. Statistics: Understanding of basic statistical concepts like mean, median, standard
deviation, and probability distributions.

Arviointiasteikko

H-5

Arviointimenetelmät ja arvioinnin perusteet

1) The course is graded on a scale of 0-5

2) Students can achieve 100 points from this course that contains:
- Participation and classwork assignments: participating on each lecture and submitting the related classwork assignment during the class hours 1+2 = 3p => 12 X 3 = 36 points.
- Homework assignments: each homework assignment has 4-6 points. There are 6-8 homework assignments => 8 x 4 (or 6 x6)= 36 points. (or Completing the AWS Academy Course labs and uploading the certificate on ITS: 36 points)
- Teamwork assignment: 28 points
Note: the teamwork assignment will be graded on scale 0-5 on Itslearning.

The assignments must be returned by the deadline to get the points. The assignments returned after the deadline will give you only half of the points.
Demonstrations of exercises during the contact session is mandatory without demonstration you will lose 50% of your marks.

3) Evaluation:
To pass the course, you need to achieve 50% of total points: 50% from participation and classwork = 18p AND 50% from homework assignments (or AWS Academy Course) = 18p AND 50% from the teamwork projects = 14p.

Note: Grades will be rounded down if they include decimals less than 0.5; otherwise, they will be rounded up. (e.g., 3.4 is rounded down to 3.0, but 3.5 or higher is rounded up to 4.0)

Hylätty (0)

The student did NOT get at least 50% of the points in teamwork assignment OR did not get at least 50% of the points in the homework assignments/ the AWS Academy Labs OR did not get at least 50% of the points in participation and classwork submission.

Arviointikriteerit, tyydyttävä (1-2)

The student got 50-65% of the points for the homework assignments/ the AWS Academy Labs AND got 50-65% of the points for the participation and classwork assignments submission AND got a grade of 1 - 3 for the teamwork assignment.

Arviointikriteerit, hyvä (3-4)

The student got 66-85% of the points for the homework assignments/ the AWS Academy Labs AND got 66-85% of the points for the participation and classwork assignments submission AND got a grade of 4 for the teamwork assignment.

Arviointikriteerit, kiitettävä (5)

The student got at least 86% of the points for the homework assignments/ the AWS Academy Labs AND got at least 86% of the points for the participation and classwork assignments submission AND got a grade of 5 for the teamwork assignment.

Tavoitteet

After completing the course the student can:
Work as a team member and/or project manager in an ICT project.
Customer communication.
Substance knowledge on ICT field.
Work-life skills and soft skills including team work, communication, communication in English, time management, professional attitude and self-management skills.

Sisältö

Project work in an international project team in ICT projects.
Substance knowledge of different ICT field -related topics.
Working life skills (team working, communication, time management, professional attitude and taking responsibility) and problem-solving skills.

Oppimateriaalit

- Various internet sources, links & descriptions online
- Lecture slides
- theFIRMA's and course's itslearning

Opetusmenetelmät

Theory part consists of lectures, independent work, and group work
In project, the student works together with the project team mainly onsite.

Tenttien ajankohdat ja uusintamahdollisuudet

No exam

To successfully pass the course, students must achieve passing grade in both the assignments and the project work components.

If a student does not pass the course, they are required to re-enroll and participate in the course during the next available offering, typically the following academic year.

Pedagogiset toimintatavat ja kestävä kehitys

Practical assignments and reports
Project work
Self-study

Toteutuksen valinnaiset suoritustavat

Project work part can be done in a company, if student has a ICT-related job. This has to be agreed separately with responsible teacher.

Opiskelijan ajankäyttö ja kuormitus

This course is in total 10 ECTS: 10 x 27h = 270 hours of work.
The course will run during the autumn semester 2024.

To pass the course, the student must submit the required assignments on time. Moreover, there are also assignments that are done together during the lecture.

The theory part of the course consists of lectures and activities during the lecture(13x3h), assignments and self-study (136 hours), small group meetings (in total of 5 hours), and theFirma information sessions (in total of 9 hours).
Additionally the student is expected to participate in 4 guest lectures and write a report about them (27 hours)

The practical part of the course consists of 81 hours of project work
Majority of project work is done on-site.
For the project managers working in theFirma projects, there is obligatory weekly meeting that they are expected to participate. For other project members, the weekly meeting is voluntary.

Weekly working hours are 20.8 hours/week.

Sisällön jaksotus

This course provides students with an understanding how to be a team member in customer projects in ICT field as well as substance knowledge of different ICT field -related topics.

Students will collaborate in teams to undertake ICT field project work on customer projects.

Engaging in the customer projects develop students’ working life skills (for example, such as team working, communication, time management, professional attitude and taking responsibility) and problem solving skills.

Project teams are usually international and the official communication language is usually English. This develops students’ ability to multicultural communication and collaboration.

Viestintäkanava ja lisätietoja

the course's and theFIRMA itslearning and Microsoft Teams

Arviointiasteikko

H-5

Arviointimenetelmät ja arvioinnin perusteet

The course consists of two parts, the theory part and the project work part.

The theory part includes 6 assignments:
- Two of the assignments are assessed by pass/fail scale, meaning that a pass equals 10 points and a fail equals 0 points.
- Four of the assignments the assessments is evaluated with 0-30 points.
Thus, the maximum number of points from the assignments are 140.
Late submission for the assignments will reduce the points by 50%.

In addition, the course includes guest lectures of which the student is required to write a report. The report is evaluated with the scale 0 – 30 points.

The presence in the theory lectures and small group meetings are marked down. The first and last lectures give the student 2 points, other lectures, small group meetings and theFirma information sessions are worth 1 point. In total, there are 30 points from presence.

Altogether these will give the students the maximum of 200 points. These points are evaluated in the following way:
Fail: 0 – 59 points
grade 1: 60 – 89 points
grade 2: 90 – 119 points
grade 3: 120 – 149 points
grade 4: 150 – 179 points
grade 5: 180 – 200 points.

Project work:
The students are required to work in the project a total of 81 hours.
- One working hour equals 1 point.
- Participating in one Tech Club session equals 2 points.
- Hosting one Tech Club session equals 5 points (this includes the time spent on planning the content and presenting).

The formative assessment of students' performance in the projects is based on self and peer assessment, customer’s feedback (if available) and project manager’s feedback.
All the required hours done equals to 81 points, every missing 15 hours means one grade point reduction of the grade student has received from the evaluation.

The final grade of the course is weighted average:
- Assignments, presence and the guest lecture report 70%
- Project work (evaluation based on self- and peer assessment) and project hours 30%

Accepted grade cannot be raised.

Hylätty (0)

Less than 60 points from the theory part and project working hours not completed.

No show, not carrying out responsibilities, disappearing from team work, lack of communication with other team members.

Student has to pass assignments and project work to complete the course.

Arviointikriteerit, tyydyttävä (1-2)

Grade 1: under 90 points from the theory part and completing project work hours.
Grade 2: under 120 points from the theory part and completing project work hours.

Poor, but satisfactory performance both in independent work and team work. Low participation on lectures and other activities.

Student has to pass assignments and project work to complete the course.

Arviointikriteerit, hyvä (3-4)

Grade 3: under 150 points from the theory part and completing project work hours.
Grade 4: under 180 points from the theory part and completing project work hours.

Good performance both in team work and independent work. Active participation on lectures and other activities.

Student has to pass assignments and project work to complete the course.

Arviointikriteerit, kiitettävä (5)

Grade 5: 180 - 200 points from from the theory part and completing project work hours.

Excellent performance both in team work and independent work. Active participation on lectures and other activities.

Student has to pass assignments and project work to complete the course.

Tavoitteet

Opintojakson suoritettuaan opiskelija:
• osaa kuvata tieto- ja viestintätekniikan osa-alueita, rajapintoja ja sovelluskohteita
• osaa selittää tieto- ja viestintätekniikan insinöörin tehtävissä tarvittavia osaamisalueita
• tuntee Turun AMK:n tieto- ja viestintätekniikan insinööriopintojen osaamispolkujen opintosisältöjä, sovelluskohteita ja yritysyhteistyötä
• osaa analysoida omaa osaamistaan, kiinnostuksen kohteitaan, vahvuuksiaan ja kehittymistarpeitaan

Sisältö

* tutustuminen osaamispolkujen sisältöihin, laboratorioihin ja hankkeisiin
* urasuunnittelu ja oman osaamispolkuhaun tekeminen

Oppimateriaalit

Kaikki materiaali jaetaan oppimisympäristön (ItsLearning) kautta.

Opetusmenetelmät

Luennot ja tehtävät.

Tenttien ajankohdat ja uusintamahdollisuudet

Opintojaksolla ei ole tenttiä.

Opintojakson suoritus perustuu osallistumiseen ja annettujen tehtävien tekemiseen.
Ei uusintamahdollisuutta opintojakson päättymisen jälkeen.

Pedagogiset toimintatavat ja kestävä kehitys

Jokaisen polun toimintavat ja tehtävävaatimukset ilmoitetaan Itslearningissa.

Toteutuksen valinnaiset suoritustavat

Ei valinnaisia suoritustapoja.

Opiskelijan ajankäyttö ja kuormitus

Viikottaiset kontaktitunnit (kahdesti per kurssin osaamispolku) sekä kunkin polun tehtävät.
- Kurssin esittely: 1h
- Osaamispolut: 4 x 2 x 3h = 24h

Itsenäinen työskentely: noin 35 tuntia

Yhteensä: noin 60 tuntia

Arviointikriteerit, hyväksytty/hylätty

Hyväksyttävään suoritukseen vaaditaan
1. Osallistuminen kontaktitunneille: 75% ( 7/9)
2. Harjoitustehtävien tekeminen hyväksytysti aikataulun mukaisesti: 75% tehtävistä

Jokaiseen luentokertaan liittyy yksi harjoitustehtävä.

Edellisten perusteella lasketaan keskiarvoprosentti, ja jos se on vähintään 75% , niin kurssi on läpäisty.

Esimerkiksi, osallistumalla kaikille kontaktitunneille (100%) ja tekemällä puolet (50%) tehtävistä kurssin voi läpäistä.

Sisällön jaksotus

Opintojaksolla tutustutaan osaamispolkuihin seuraavan viikkoaikataulun mukaisesti:
3 + 4: DNCS - Data Networks and Cybersecurity
10 + 11: SWIS - Ohjelmistojen kehittäminen ja tietojärjestelmät
14 + 15: SEPM - Software Engineering and Project Management
16 + 17: DEAI - Data Engineering & AI

Viestintäkanava ja lisätietoja

ItsLearning

Arviointiasteikko

Hyväksytty/Hylätty

Arviointimenetelmät ja arvioinnin perusteet

Kurssi arviointiin vaikuttaa:
1. Osallistuminen kontaktitunneille
2. Harjoitustehtävien tekeminen aikataulun mukaisesti

Tavoitteet

Opintojakson suoritettuaan opiskelija

ymmärtää liiketoiminnan perusteita ja ICT-palvelujen roolia yrityskehityksen avulla.

on perehtynyt yrityksen missioon ja visioon, liiketoimintamalleihin, operatiivisiin prosesseihin ja tuotteiden markkinointiin.

on kokemusta kehittää omaa liiketoiminta-ajatusta em. aiheisiin liittyvien tehtävien kautta ja esittää yrityksen tuotteiden levittämiseen, digitaaliseen markkinointiin ja ICT-palveluihin liittyviä pohdintoja osana liiketoimintasuunnitelmaa.

Sisältö

Liiketoiminnan suunnittelu

Liiketoimintamallit

Liiketoimintaprosessit

Ohjelmistoliiketoiminta ja digitaaliset tuotteet

Digitaalinen markkinointi

Oppimateriaalit

Opettajan laatima materiaali, verkkomateriaali, yms. oppimisympäristön kautta.

Opetusmenetelmät

Lähiopetus, yksilö- ja ryhmätehtävät.

Tenttien ajankohdat ja uusintamahdollisuudet

Kurssilla ei ole tenttiä.

Pedagogiset toimintatavat ja kestävä kehitys

Opettajan alkuinfot lähiopetuksen aluksi tai opetuksen aikana, tehtävien tekeminen pienryhmissä sekä mahdolliset kotitehtävät. Tehtävät ovat pääsääntöisesti mahdollista tehdä kokonaan tai ainakin aloittaa oppitunnin aikana. Tehtävät palautetaan henkilökohtaisesti It's Learning -alustalle viikon aikana. Kestävä kehitys huomioidaan kurssin opetettavassa sisällössä.

Toteutuksen valinnaiset suoritustavat

Kurssilla ei ole vaihtoehtoisia suoritustapoja.

Opiskelijan ajankäyttö ja kuormitus

Lähiopetus 21 tuntia
Loppuraportin kokoaminen 6 tuntia

Sisällön jaksotus

Kurssin tavoitteena on perehdyttää opiskelija liiketoiminnan perusteisiin yrityskehityksen avulla. Työssä kehitetään liikeideaa, yritystä ja sen toimintoja strategisesta ja operaatiivisesta näkökulmasta. Yrityskehitystä tehdään pienryhmässä ja sen tuotos on loppuraportti, joka palautetaan, esitellään ja arvioidaan. Henkilökohtaiset tehtäväpalautukset voidaan liittää osaksi loppuraporttia.

Kurssin aiheita ovat mm.
Liiketoiminnan suunnittelu, missio ja visio ja liiketoimintamalli (BMC)
Ohjelmistoliiketoiminta ja digitaaliset tuotteet
Digitaalinen markkinointi

Viikot 43-48 lähiopetus + vko 50 loppuraportin esitys.
Yhteensä 7 * 3 tuntia.

Viestintäkanava ja lisätietoja

Tehtäväpalautukset ja läsnäolot: It's Learning
Henkilökohtainen viestintä: Sähköposti

Kurssilla ei ole esitietovaatimuksia.

Arviointiasteikko

H-5

Arviointimenetelmät ja arvioinnin perusteet

Kurssin suoritustapa ja arviointi perustuu läsnäoloon, henkilökohtaisiin tehtäväpalautuksiin sekä loppuraportin esittelemiseen. Kurssiarvosana on näiden kolmen keskiarvo. Henkilökohtaiset tehtävät arvioidaan hyväksytty-hylätty -asteikolla. Loppuraportti arvioidaan esityksen ja dokumentin avulla, ja arviointi perustuu kurssin aiheiden huomioimiseen ja käsittelyn kattavuuteen oman liiketoiminnan suunnittelussa. Kurssiarvosana edellyttää vähintään kahta läsnäoloa ja kahta henkilökohtaista tehtäväpalautusta loppuraportin lisäksi. Arvosanan määräytyminen esitetään tarkemmin kurssin It's Learning alustalla.

Hylätty (0)

Opiskelijalla on alle 2 läsnäoloa, alle 2 henkilökohtaista tehtäväpalautusta tai hän ei ole osallistunut loppuraportin tekemiseen tai loppuraporttia ei ole hyväksytty.

Arviointikriteerit, tyydyttävä (1-2)

Läsnäolo: 2-3 kpl
Tehtävät: 2-3 kpl
Loppuraportti: arvosana 1-2: Opiskelija tuntee joitain suunnittelemansa liiketoiminnan perustarpeita ja kuvaa näitä loppuraportissa.

Arviointikriteerit, hyvä (3-4)

Läsnäolo: 4-5 kpl
Tehtävät: 4-5 kpl
Loppuraportti: arvosana 3-4: Opiskelija osaa kuvailla loppuraportissa suunnittelemaansa yritystoimintaa ja sen ratkaisuja kurssin aiheiden kautta.

Arviointikriteerit, kiitettävä (5)

Läsnäolo: >= 6 kpl
Tehtävät: >= 6 kpl
Loppuraportti: arvosana 5:
Opiskelija osaa loppuraportissa kuvata monipuolisesti ja oivaltaen suunnittelemansa yritystoiminnan perustarpeita kurssin aiheita ja materiaaleja hyödyntäen.

Tavoitteet

Opintojakson päättyessä opiskelija:

ymmärtää no-code- ja low-code-työkalujen roolin suunnitteluprosessissa.
suunnitella perusratkaisuja NCLC-alustoilla.
osallistua NCLC-projektin kehittämiseen tiimissä.
huomioida NCLC-työkalujen rajoitteet ja mahdollisuudet.
arvioida NCLC-projektinsa onnistumista.
reflektoida kehitysprosessia.

Sisältö

Tällä opintojaksolla syvennytään CDIO-viitekehyksen "toteutus"- ja "toiminta" -vaiheisiin. Opiskelijat toteuttavat No-Code/Low-Code-projektin, joka sisältää seuraavat vaiheet:
* tutustuminen sovelluskehitykseen No-Code/Low-Code-työkaluilla
* toteutus No-Code/Low-Code-työkaluja käyttäen
* testaus, palaute ja iteraatio

Oppimateriaalit

Materiaali jaetaan oppimisympäristön (ITS) avulla.

Opetusmenetelmät

Tämä kurssi käyttää seuraavai oppimismenetelmiä:
- Luennot: teoreettinen tausta ja erilaisten LCNC -kehysten ja ympäristöjen käytön esittely, joita voidaan käyttää esimerkiksi ohjelmisto-/pelikehityksessä tai web-kehityksessä.
- Käytännön harjoitukset: luennoilla esiteltyjen LCNC-työkalujen käytön harjoittelu
- Ryhmätyö: opiskelijat suorittavat LCNC-projektin, jossa he käyttävät luennoilla ja harjoituksissa opittuja työkaluja ja taitoja.

Tenttien ajankohdat ja uusintamahdollisuudet

-

Pedagogiset toimintatavat ja kestävä kehitys

Opintojaksolla opitaan taitoja harjoitusten ja käytännön projektityön avulla.

Opintojaksolla käytetään vain sähköisiä materiaaleja.

Toteutuksen valinnaiset suoritustavat

-

Opiskelijan ajankäyttö ja kuormitus

Opiskelija suorittaa kurssiin liittyviä tehtäviä, joiden arvioitu työmäärä:
- Teoriatunnit: 8 x 2h = 16h
- Käytäntötunnit: 10 x 2h = 20h
- Ryhmätyö: 2 x 2h = 4h
- Lopputapahtuma: 4h
- Muu itsenäinen/ryhmätyöskentely: noin 90h
TOTAL: noin 135h

Sisällön jaksotus

Tämä kurssi perehdyttää opiskelijan CDIO-viitekehyksen vaiheisiin "Toteuta" (Implement) ja "Käytä" (Operate) käyttäen Low-Code/No-Code (LCNC) -työkaluja. Opiskelijat suorittavat LCNC-projektin, joka sisältää seuraavat vaiheet:
- Johdatus ohjelmistokehitykseen ja LCNC -alustoihin
- Toteutus LCNC -alustalla
- Testaus, palaute ja iteraatio

Kurssi toteutetaan viikkojen 39 - 50 aikana seuraavasti:
- Teoria, viikot 39 - 47: 2h kontaktitunti 8 viikon ajan
- Käytäntö, viikot 39 - 49: 2h kontaktitunti oman tuutorin kanssa
- Ryhmätyö, viikot 48-49: 2h itsenäinen työskentely
- Lopputapahtuma, viikko 50

Viestintäkanava ja lisätietoja

Saatavilla ITS:ssä.

Arviointiasteikko

H-5

Arviointimenetelmät ja arvioinnin perusteet

Kurssi arviointiin vaikuttaa:
1. Aktiivinen osallistuminen
2. Harjoitustehtävien ajoissa palauttaminen
3. Lopullinen LCNC-projektin tulos

Kustakin osiosta (1-3) tulee oma arvosana ja kurssin läpäisemiseksi kukin osa tulee olla hyväksytty.
Lopullinen arvosana määräytyy painotetusti eri osioiden arvosanojen perusteella:
1. Läsnäolo 25%
2. Viikkotehtävät 50%
3. Loppuprojekti 25%

Osio 1: Läsnäolo
Läsnäolo alle 13 kertaa: Hylätty
Läsnäolo 13 kertaa: 1
Läsnäolo 14 kertaa: 2
Läsnäolo 15 kertaa: 3
Läsnäolo 16 kertaa: 4
Läsnäolo yli 16 kertaa: 5

Viikkotehtävät 9 kpl, joista kustakin saa 0 - 3 pistettä seuraavasti:
0 p: Opiskelija ei ole palauttanut tehtävää ajallaan TAI Tehtävän palautus on puutteellinen eikä vastaa tehtävänantoa TAI Tehtävänpalautuksessa on havaittavissa vilppiä, esimerkiksi identtinen palautus jonkin toisen palautuksen kanssa.
1 p: Tehtävä on palautettu ajallaan JA Palautus on puutteellinen tai vastaa vain osittain tehtävänantoa.
2 p: Tehtävä on palautettu ajallaan JA Palautus vastaa pääosin tehtävänantoa, mutta sisältää pieniä puutteita.
3 p: Tehtävä on palautettu ajallaan JA Palautus vastaa tehtävänantoa.

Osio 2: Viikkotehtävät
Pisteitä alle 13: Hylätty
Pisteitä 13 - 15: 1
Pisteitä 16 - 18: 2
Pisteitä 19 - 21: 3
Pisteitä 22 - 24: 4
Pisteitä 25 - 27: 5
HUOM: Vähintään 50% viikkotehtävistä pitää olla palautettu ajoissa ja hyväksytysti (pistemäärä vähintään 1), jotta kurssista on mahdollista päästä läpi.

Osio 3: Loppuprojekti
Kurssin aikana ei ole tuotettu lopullista projektia, joka on esitetty lopputapahtumassa TAI Loppuprojektissa on havaittavissa vilppiä: esimerkiksi on havaittavissa, että lopputuote ei ole ryhmän oma tuotos TAI
Sovellus on hyvin keskeneräinen, ei toimi tai on niin puutteellinen, ettei sovelluksen tarkoitus ole ymmärrettävissä: HYLÄTTY
Sovellus toimii osittain, mutta siinä on merkittäviä puutteita, jotka haittaavat käytettävyyttä tai toiminnallisuutta. Puutteet voivat olla esimerkiksi käyttöliittymässä, toimintalogiikassa tai ominaisuuksien toimivuudessa: 1
Sovellus täyttää minivaatimukset, mutta siinä on selvästi parannettavaa sekä teknisesti että käytettävyyden kannalta. Sovellus on hyvin yksinkertainen, eikä siinä ole perustoimintojen lisäksi juuri mitään lisäominaisuuksia tai itse tehtyjä parannuksia: 2
Sovellus on toimiva ja käyttökelpoinen, mutta siinä ei ole merkittäviä innovatiivisia ratkaisuja. Hyvin toteutettu ja vastaa kurssin vaatimuksia, mutta ei ole erityisen innovatiivinen ja/tai erottuva: 3
Sovellus on teknisesti korkeatasoinen ja siinä on harkittuja lisäominaisuuksia. Käyttöliittymä ja käyttökokemus on huomioitu hyvin. Työkaluja ja tekniikoita on käytetty edistyneesti ja se erottuu (positiivisessa mielessä – muista tarkoituksenmukaisuus – ei kivoja lisäosia vain lisäosien vuoksi, niillä pitää olla perusteltu käyttötarkoitus!): 4
Sovellus on innovatiivinen, erittäin hyvin toteutettu ja tarjoaa käyttäjälle jotain uutta ja merkittävää. Se voi hyödyntää kurssilla opittuja työkaluja luovasti ja tehokkaasti. Sovellus on teknisesti moitteeton, erittäin käyttäjäystävällinen ja tarjoaa erinomaisen käyttäjäkokemuksen. Sovellus osoittaa ymmärrystä siitä, miten low-code-alustat voivat hyödyntää laajempia sovelluskehitysmahdollisuuksia: 5

Hylätty (0)

Katso arvioinnin kohteeet.

Arviointikriteerit, tyydyttävä (1-2)

Katso arvioinnin kohteet.

Arviointikriteerit, hyvä (3-4)

Katso arvioinnin kohteet.

Arviointikriteerit, kiitettävä (5)

Katso arvioinnin kohteet.

Tavoitteet

Opintojakson päättyessä opiskelija:

ymmärtää no-code- ja low-code-työkalujen roolin suunnitteluprosessissa.
suunnitella perusratkaisuja NCLC-alustoilla.
osallistua NCLC-projektin kehittämiseen tiimissä.
huomioida NCLC-työkalujen rajoitteet ja mahdollisuudet.
arvioida NCLC-projektinsa onnistumista.
reflektoida kehitysprosessia.

Sisältö

Tällä opintojaksolla syvennytään CDIO-viitekehyksen "toteutus"- ja "toiminta" -vaiheisiin. Opiskelijat toteuttavat No-Code/Low-Code-projektin, joka sisältää seuraavat vaiheet:
* tutustuminen sovelluskehitykseen No-Code/Low-Code-työkaluilla
* toteutus No-Code/Low-Code-työkaluja käyttäen
* testaus, palaute ja iteraatio

Oppimateriaalit

Materiaali jaetaan oppimisympäristön (ITS) avulla.

Opetusmenetelmät

Tämä kurssi käyttää seruaavai oppimismenetelmiä:
- Luennot: teoreettinen tausta ja erilaisten LCNC -kehysten ja ympäristöjen käytön esittely, joita voidaan käyttää esimerkiksi ohjelmisto-/pelikehityksessä tai web-kehityksessä.
- Käytännön harjoitukset: luennoilla esiteltyjen LCNC-työkalujen käytön harjoittelu
- Ryhmätyö: opiskelijat suorittavat LCNC-projektin, jossa he käyttävät luennoilla ja harjoituksissa opittuja työkaluja ja taitoja.

Tenttien ajankohdat ja uusintamahdollisuudet

-

Pedagogiset toimintatavat ja kestävä kehitys

Opintojaksolla opitaan taitoja harjoitusten ja käytännön projektityön avulla.

Opintojaksolla käytetään vain sähköisiä materiaaleja.

Toteutuksen valinnaiset suoritustavat

-

Opiskelijan ajankäyttö ja kuormitus

Opiskelija suorittaa kurssiin liittyviä tehtäviä, joiden arvioitu työmäärä:
- Teoriatunnit: 8 x 2h = 16h
- Käytäntötunnit: 10 x 2h = 20h
- Ryhmätyö: 2 x 2h = 4h
- Lopputapahtuma: 4h
- Muu itsenäinen/ryhmätyöskentely: noin 90h
TOTAL: noin 135h

Sisällön jaksotus

Tämä kurssi perehdyttää opiskelijan CDIO-viitekehyksen vaiheisiin "Toteuta" (Implement) ja "Käytä" (Operate) käyttäen low-code/no-code -työkaluja. Opiskelijat suorittavat Low-code/No-code (LCNC)-projektin, joka sisältää seuraavat vaiheet:
- Johdatus ohjelmistokehitykseen ja LCNC -alustoihin
- Toteutus LCNC -alustalla
- Testaus, palaute ja iteraatio

Kurssi toteutetaan seuraavasti:
- Teoria: 2h kontaktitunti 8 viikon ajan
- Käytäntö: 2h kontaktitunti oman tuutorin kanssa
- Ryhmätyö: 2h itsenäinen työskentely
- Lopputapahtuma, viikko 50

Viestintäkanava ja lisätietoja

ITS, sähköposti

Arviointiasteikko

H-5

Arviointimenetelmät ja arvioinnin perusteet

Kurssi arviointiin vaikuttaa:
- aktiivinen osallistuminen
- harjoitustehtävien ajoissa palauttaminen
- lopullinen LCNC-projektin tulos

Lisätiedot arvioinnista kerrotaan ensimmäisellä luennolla.

Hylätty (0)

Kurssisuoritus on hylätty, jos
- opiskelija ei osallistu riittävästi lähiopetustilaisuuksiin (luennot, harjoitukset, ryhmätyö)
- opiskelija palauttaa alle 50% tehtävistä määräajassa

LCNC-projektiin osallistuminen ja sen tulos:
Opiskelija ei osallistu aktiivisesti projektiin TAI projekti ei tuota mitään esitettäväksi lopputapahtumaan.

Arviointikriteerit, tyydyttävä (1-2)

Osallistuminen: Mukana kontakti ja harjoitustunneilla vähintään 75%
Harjoitustehtävät: 50% - 70% tehtävistä tehty määräajassa

LCNC-projektiin osallistuminen ja sen tulos:
Osallistuu projektiin, mutta vertaispalautteen mukaan vähemmän kuin muut JA projektista saatiin esitettävä tuote lopputapahtumaan.

Arviointikriteerit, hyvä (3-4)

Osallistuminen: Mukana kontakti ja harjoitustunneilla 85%
Harjoitustehtävät: 70% - 95% tehtävistä tehty määräajassa

LCNC-projektiin osallistuminen ja sen tulos: Osallistuu projektiin ja aktiivisuus projektissaa vertaispalautteen mukaan keskiarvoa JA projektista saatiin esitettävä tuote lopputapahtumaan.

Arviointikriteerit, kiitettävä (5)

Osallistuminen: Mukana kontakti ja harjoitustunneilla vahintään 90%.
Harjoitustehtävät: Vähintään 95% tehtävistä tehty määräajassa

LCNC-projektiin osallistuminen ja sen tulos:
* Osallistuu projektiin ja aktiivisuus projektissaa vertaispalautteen mukaan parempi kuin ryhmän keskiarvo JA
* Projektista saatiin esitettävä tuote lopputapahtumaan JA
* Opiskelija osoitti innovatiivisia tapoja käyttää LCNC-työkaluja sekä ymmärrystä teknisistä ja projektinhallinnan taidoista.

Tavoitteet

Opintojakson suoritettuaan opiskelija osaa:
- toteuttaa tai olla mukana projektissa, jossa hyödynnetään uutta teknologiaa liiketoiminnan kehittämiseen
- hyödyntää uusimpia teknologiota ja ympäristöjä projektissa (kuten tekoälyä, koneoppimista, esineiden internettiä tai pilvipalveluja)

Sisältö

Kurssin sisältö on räätälöitävissä yksittäisen opiskelijan tai opiskelijaryhmän tarpeita ajatellen.
Tarkoituksena on integroida toteutuksen sisältö ja tekeminen osaksi julkisten organisaatioiden, yksityisten yritysten tai Turun AMK:n omia tutkimus- ja kehityshankkeita. Tavoitteena on, että opiskelija yksin tai ryhmässä osallistuu kehitysprojektiin, jossa hänellä on mahdollisuus tutustua uusiin teknologioihin, digitaaliseen yrittäjyyteen tai muutoin auttaa liiketoimintaa ja tuotekehitystä käytännön tehtävissä. Opiskelijalla on mahdollisuus ehdottaa kohdetta itse (oma harjoittelu, työpaikka, oma innovaatio ja yrittäjyys), tai ottaa osaa valittuihin projekteihin.

Opetusmenetelmät

Luennot
Tehtävät
Harjoitustyö/Loppuraportti

Toteutuksen valinnaiset suoritustavat

Opiskelijalla on mahdollisuus ehdottaa kohdetta itse (oma harjoittelu, työpaikka, oma innovaatio ja yrittäjyys), tai ottaa osaa valittuihin projekteihin, tai suorittaa itseään kiinnostavan ja aiheeseen liittyvän kurssin muualla.

Sisällön jaksotus

Kurssin sisältö on räätälöitävissä yksittäisen opiskelijan tai opiskelijaryhmän tarpeita ajatellen.

Mahdollisuuksien mukaan kurssin toteutus pyritään integroimaan osaksi innovaatioprojektia, julkisten organisaatioiden, yksityisten yritysten tai Turun AMK:n omia tutkimus- ja kehityshankkeita. Tavoitteena on, että opiskelija yksin tai ryhmässä osallistuu kehitysprojektiin, jossa hänellä on mahdollisuus tutustua itselleen uusiin teknologioihin, digitaaliseen yrittäjyyteen tai muutoin auttaa liiketoimintaa ja tuotekehitystä käytännön tehtävissä.

Opiskelijalla on mahdollisuus ehdottaa kohdetta itse (oma harjoittelu, työpaikka, oma innovaatio ja yrittäjyys), tai ottaa osaa valittuihin projekteihin, tai tutustua itseään kiinnostavaan ajankohtaiseen aiheeseen osana toista kurssia.

Kurssin tapaamisissa käsitellään mm. tekoälyä ja sen soveltamista liiketoiminnassa, innovaatioiden etsintää ja digitaalista yrittäjyyttä.
Sisältö tarkentuu kurssin edetessä ja tapaamiset voivat olla myös erikseen sovittavia ohjaustapaamisia.

Arviointiasteikko

H-5

Arviointimenetelmät ja arvioinnin perusteet

Arviointi perustuu tehtäviin ja loppuraportointiin sekä opiskelijan omaan aktiivisuuteen.
Mahdollisen toimeksiantajan lausunnolla on merkittävä painoarvo (>50%).

Hylätty (0)

- Raportti ei vastaa toimeksiantajan tarpeisiin tai sisältää puutteellisen analyysin.
- Argumentaatio on heikkoa tai puutteellista, eikä tuo esiin selkeitä ratkaisuja liiketoiminnan kehittämiseen.
- Raportin rakenne on epäselvä ja sekava.
- Kieli ja ilmaisu ovat epäselviä tai virheellisiä, vaikeuttaen raportin ymmärtämistä.

Arviointikriteerit, tyydyttävä (1-2)

- Raportti käsittelee osittain toimeksiantoa, mutta tarjoaa vain pintapuolisia ratkaisuja liiketoimintakysymyksiin.
- Analyysi ja argumentaatio ovat osittain läsnä, mutta ne eivät ole syvällisiä tai vakuuttavia.
- Raportti ei tuo esiin konkreettisia toimenpiteitä tai innovatiivisia ratkaisuja.
- Raportissa on maininta konkreettisista toimenpiteistä, mutta niiden toteutus tai vaikutus liiketoimintaan jää epäselväksi tai puuttuu kokonaan.

Arviointikriteerit, hyvä (3-4)

- Raportti tarjoaa kohtuullisen syvällistä analyysiä ja esittää selkeitä ratkaisuja toimeksiantoon liittyviin haasteisiin.
- Argumentaatio on selkeää ja perusteltua, ja raportti tuo esiin joitakin innovatiivisia näkökulmia.
- Raportti sisältää konkreettisia toimenpiteitä ja suunnitelmia liiketoiminnan kehittämiseksi.
- Raportissa on mainintoja kehitetyistä, toteutetuista tai testatuista toimenpiteistä ja niiden vaikutuksista liiketoimintaan, mutta niiden syvällisempi arviointi saattaa puuttua.

Arviointikriteerit, kiitettävä (5)

- Raportti tarjoaa erinomaista syvällistä analyysiä ja innovatiivisia ratkaisuja toimeksiantoon liittyviin haasteisiin.
- Argumentaatio on erittäin vakuuttavaa ja perusteltua, esittäen selkeitä ja uusia näkökulmia.
- Raportti sisältää konkreettisia ja käytännöllisiä toimenpiteitä liiketoiminnan kehittämiseksi, ja niiden vaikutukset on selkeästi raportoitu.
- Raportti sisältää selvät suunnitelmat ja toteutukset liiketoiminnan kehittämiseksi, ja niiden vaikutukset on arvioitu perusteellisesti.
- Raportissa esitellään innovatiivisia käytännön toteutuksia ja niiden vaikutuksia liiketoimintaan, osoittaen konkreettisia tuloksia ja parannuksia.
- Lähdeviitteet tukevat vakuuttavasti raportin argumentaatiota.

Oppimateriaalit

Learning material consists of material produced by the Lecturer as well as extra material obtainable from TUAS resources (ebooks).

Opetusmenetelmät

Learning is achieved through contact lectures, written home assignments and laboratory assignments.

Opiskelijan ajankäyttö ja kuormitus

There will be roughly 3 written home assignments and 7 laboratory assignments, each valued on average at 10 points.

Contact sessions and independent studying adds up to 135 hours (5 CU) of work.

Sisällön jaksotus

The course consists of contact lectures and contact laboratory sessions. There will be 9 lectures, which will cover theory and technologies behind Network Security. In 5 laboratory sessions, students will practice performing security controls in simulated enterprise networks through laboratory assignments.

The course will begin on week 2/2025 and end by week 18/2025.

Arviointiasteikko

H-5

Arviointimenetelmät ja arvioinnin perusteet

Course grading will be based on home assignments and laboratory assignments.

On-site course attendance is required minimum 50% to pass the course. Exceptions are to be agreed with the Lecturer individually.

Maximum points score (excl. bonus labs) for the course is 100p, and grading is as follows:

49 and less = Failed
50-59 pts = 1
60-69 pts = 2
70-79 pts = 3
80-89 pts = 4
90 and more = 5

Tavoitteet

Opintojakson suoritettuaan opiskelija osaa:
- nimetä erilaisia ohjelmistoprojektimalleja ja arvioida niiden soveltuvuutta ohjelmistoprojekteihin

- kuvailla ohjelmistoprojektin vaiheet

- tulkita ja laatia ohjelmistotuotannossa käytettyjä kaavioita

- ymmärtää määrittelyn ja suunnittelun merkityksen ohjelmoinnissa

toimia ohjelmistoprojektin eri vaiheissa

Sisältö

- Ohjelmistokehitys projektina

- Ohjelmiston määrittely, suunnittelu, ohjelmointi, testaus, käyttöönotto ja ylläpito

- UML-mallinnus

Oppimateriaalit

Erikseen jaettavat ja linkatut lähiopetuskertojen materiaalit, ohjelmistotyökalut, dokumentointipohjat.

Opetusmenetelmät

Opintojaksolla harjoitellaan toimimista ohjelmistoprojektin eri vaiheissa.
Harjoitustyönä toteutetaan ryhmässä hallittu ohjelmistoprojekti alusta loppuun: Ohjelmiston määrittely, suunnittelu, ohjelmointi, testaus, ja käyttöönotto.

Tenttien ajankohdat ja uusintamahdollisuudet

ei tenttiä

Pedagogiset toimintatavat ja kestävä kehitys

Harjoitustyö toteutetaan ryhmässä. Projektissa noudatetaan SCRUM menetelmän periaatteita. Viikoittaisilla opetuskerroilla tehdään ohjelmistuotantoon liittyviä pienempiä tehtäviä, jotka palvelevat harjoitustyön tekemisen osia sekä edistetään omaa harjoitustyöprojektia. Kestävän kehityksen näkökulmaa voidaan edistää harjoitustyöprojektin aiheisiin liittyvissä suunnittelu- ja toteutusratkaisuissa.

Toteutuksen valinnaiset suoritustavat

(Katso tutkintosääntö.)

Opiskelijan ajankäyttö ja kuormitus

Opintojakson laajuus on 5 opintopistettä.
Työmäärä on 5 * 27 tuntia eli 135 tuntia.
Opintojakson kesto on noin 14 viikkoa.
Viikottainen työmäärä on noin 10 tuntia, josta
viikkoharjoitukset noin 3 tuntia ja oma harjoitustyönä oleva
ohjelmistoprojekti noin 7 tuntia.

Sisällön jaksotus

Opintojakson suoritettuaan opiskelija :
- tuntee ohjelmistoprojektimalleja ja arvioida niiden soveltuvuutta ohjelmistoprojekteihin
- osaa toimia ohjelmistoprojektin eri vaiheissa ja rooleissa
- ymmärtää määrittelyn, suunnittelun ja testauksen merkityksen ohjelmistoprojektissa
- osaa laatia ohjelmistotuotannossa käytettyjä suunnittelukaavioita (UML), käyttöliittymäprototyyppejä ja käyttää versionhallintaa yhteistyössä muiden kanssa
- käyttää ketterää kehitystä tukevaa työkalua ohjelmistoprojektin ja vaatimustenhallintaan

Viestintäkanava ja lisätietoja

Osallistumisen edellytyksenä ovat perustaidot jostakin ohjelmointikielestä. Kurssilla toteutetaan ryhmätyönä ohjelmisto, mutta ohjelmoinnin opetus ei ole varsinaisesti kurssin sisältöä.

Arviointiasteikko

H-5

Arviointimenetelmät ja arvioinnin perusteet

Harjoitustyö muodostaa 60 % arvosanasta. Opintojaksosta läpipääsy edellyttää hyväksytysti suoritettua harjoitustyötä
Aktiivinen osallistuminen lähiopetukseen muodostaa 40 % arvosanasta
Harjoitustyön välipalautukset (sprinttien tuotokset) arvostellaan pistein 0-2, jossa:
2 pistettä: Erittäin hyvä (tehtävät palautettu ajoissa, tehty tehtävänannon mukaisesti, ei puutteita)
1 piste: Hyväksytty (tehtävät palautettu ajoissa, tehty tehtävänannon mukaisesti, pienehköjä puutteita)
0 pistettä: Hylätty (tehtäviä ei palautettu ollenkaan, osa tehtävistä puuttuu, tehtävät palautettu myöhässä tai tehtävät ovat erittäin puutteellisia)
Lähiopetukseen osallistumisesta saa 1 pisteen / kerta. Pisteen saaminen edellyttää aktiivista osallistumista ja tehtävien tekemistä lähiopetustunteihin liittyen. Niinä kertoina, kun erillistä oppituntitehtävää ei ole, pisteen saa läsnäolosta. Läsnäolot kerätään joka oppitunnilla, mutta ainoastaan tehtävittöminä oppituntikertoina niistä saa suoraan pisteen.
Kurssin arvosana muodostuu seuraavasti:
Harjoitustyön pistemäärä = arvosana: 0-5p. = 0, 6-8p. = 1, 9-10p. = 2, 11-12p. = 3
Lähiopetuksen pistemäärä = arvosana lisäys: 0-6p. = +0; 7-11p. = +1; 12p. tai enemmän = +2 harjoitustyön arvosanaan. Jos jostain syystä yhteenlasketut maksimipistemäärät poikkeavat yllä olevista, kertyneet pisteet skaalataan yllä ilmoitetulle välille lineaarisesti.

Hylätty (0)

Opiskelija ei tiedä, miten opintojakson tietämystä sovelletaan eikä osaa käyttää opittaviksi asetettuja metodeja arviointikriteerin 1-2 täyttävästi.

Arviointikriteerit, tyydyttävä (1-2)

Opiskelija tuntee ohjelmistotuotannon peruskonseptin ja tuntee yleisimpiä suunnittelumenetelmiä siihen liittyen. Opiskelija osaa soveltaa hankkimaansa tietämystä aiheesta ja osaa käyttää metodeja yksinkertaisessa kontekstissa. Opiskelija saavuttaa arvosanan alarajaksi määritellyt pistemäärät kurssin tehtävissä ja aktiviteeteissa.

Arviointikriteerit, hyvä (3-4)

Opiskelija tuntee ohjelmistotuotannon peruskonseptin keskeisimpiä yksityiskohtia myöten ja tuntee yleisimmät suunnittelumenetelmät siihen liittyen. Opiskelija osaa soveltaa hankkimaansa tietämystä aiheesta ja osaa käyttää metodeja tehtäväksi annetuissa konteksteissa. Opiskelija saavuttaa arvosanan alarajaksi määritellyt pistemäärät kurssin tehtävissä ja aktiviteeteissa.

Arviointikriteerit, kiitettävä (5)

Opiskelija tuntee ohjelmistotuotannon peruskonseptin keskeisimpiä yksityiskohtia myöten ja tuntee yleisimmät suunnittelumenetelmät siihen liittyen suvereenisti. Opiskelija osaa soveltaa hankkimaansa tietämystä aiheesta ja osaa käyttää metodeja tehtäväksi missä tahansa annetussa kontekstissa. Opiskelija saavuttaa arvosanan alarajaksi määritellyt pistemäärät kurssin tehtävissä ja aktiviteeteissa.

Esitietovaatimukset

Ohjelmoinnin perusteet, Liiketoiminnan perusteet

Tavoitteet

Opintojakson suoritettuaan opiskelija osaa:
• kuvata ohjelman toimintaa kaaviolla
• keskustella soveltuvan ratkaisumallin valinnasta
• määritellä ohjelmointiin liittyviä peruskäsitteitä kuten lähdekoodi, kääntäjä, muuttuja ja tyyppi
• lukea ja ymmärtää valmista ohjelmakoodia
• hyödyntää valinta- ja toistorakenteita
• käyttää poikkeustenkäsittelymekanismeja auttavasti
• suunnitella ja toteuttaa yksinkertaisia sovellusohjelmia sekä dokumentoida ja testata niitä

Sisältö

• ohjelmistosovelluksen rakenne
• erilaiset kehitysympäristöt
• ohjelmassa tarvittavien syötetietojen vastaanottaminen
• tietojen prosessoiminen ohjelmassa, jotta annettu ongelma saadaan ratkaistuksi
• tulostietojen esittäminen
• muuttujat ja tietotyypit, yksinkertaiset tietorakenteet
• funktiot ja parametrit
• ehtolauseet ja silmukat
• poikkeukset
• tiedoston käsittely
• ohjelman testaus ja dokumentointi

Oppimateriaalit

Recommended literature:
Python Basics: A Practical Introduction to Python3 4th edition by David Amos,Dan Bader,Joanna Jablonski, Fletcher Heisler, ISBN:9781775093329 (paperback), ISBN:9781775093336 (electronic)

AI-Assisted Programming by Tom Taulli, Released April 2024, Publisher(s): O'Reilly Media, Inc., ISBN: 9781098164560

Programming tools
- Python 3.12.x
- Visual Studio Code (with Extensions)
- Git / Github
- Github Copilot or other AI programming assistants

Opetusmenetelmät

Learning by programming
Learning efficient and responsible use of AI programming copilots
Theory and practical examples shared during lectures
Practical understanding gained in practice sessions

Tenttien ajankohdat ja uusintamahdollisuudet

No exam

Pedagogiset toimintatavat ja kestävä kehitys

Students will learn theoretical concepts and gain programming good practices in lectures.
Students will put their understanding into practice in weekly assignments.

Course material will be entirely digital.

Opiskelijan ajankäyttö ja kuormitus

Contact hours 14x2h (theory) + 12x2h (practice) = 52h
Independent study continuously throughout the course 80h

TOTAL approx. 130h

Theory lectures are held onsite.
Programming labs in subgroups A, B and C are also onsite.

Sisällön jaksotus

TOPICS / CONTENTS
week 3: Introduction
week 4: Built-in functions print and input, variables and types
week 5: Arithmetic and bitwise operators
week 6: Branching
week 7: Loops
week 8: Winter Break - no teaching
week 9: Breaking loops
week 10: Collections
week 11: Collections and loops
week 12: Functions
week 13: Function parameters and return values
week 14: Modularity and unit testing
week 15: GUI, events and callback functions
week 16: File IO (text and binary files)
week 17-: Basics of exception handling, try-except-finally, with

Viestintäkanava ja lisätietoja

ItsLearning
Email

Arviointiasteikko

H-5

Arviointimenetelmät ja arvioinnin perusteet

The course consists of 10 weekly assignment series, which include studying programming theory and completing related programming tasks. Students earn points by demonstrating their work to the instructor.

During the course, students complete a project in which they create a more extensive application (applying the knowledge they have gained during the course and innovatively utilizing AI programming copilots). This project allows students to apply what they have learned and demonstrate their skills.

Each weekly assignment can earn a maximum of 10 points. The overall assessment of the weekly assignment series follows the following scale:

40 points -> grade 1
55 points -> grade 2
70 points -> grade 3
80 points -> grade 4
90 points -> grade 5
The project is assessed separately on a scale of 1-5.

The student's course grade is the average of the weekly assignments and the project. Both components must be passed.

If, during the course, it appears that a student will not achieve the required points to pass, they will be given the opportunity to complete missing assignments retroactively. For these assignments, they can earn up to half of the available points. The student must collect the required points before the course end date.

Hylätty (0)

Student
• does not know the basic concepts of programming
• cannot read or write simple programs

Arviointikriteerit, tyydyttävä (1-2)

Student
• knows such basic concepts of programming as variables, control structures and functions
• understands how the program flow is going
• can read or write simple programs

Arviointikriteerit, hyvä (3-4)

Student
• knows such basic concepts of programming as variables, control structures, functions, classes, objects and arrays
• understands how the program flow is going and can find easy errors
• can make simple programs

Arviointikriteerit, kiitettävä (5)

Student
• knows such basic concepts of programming as variables, control structures and functions, classes and objects
• utilizes some data Structures such as arrays, lists and hash tables.
• understands how the program flow is going and can use debugger and error-handling
• can make programs that include aforesaid concepts.

Tavoitteet

Opintojakson suoritettuaan opiskelija osaa:
• kuvata ohjelman toimintaa kaaviolla
• keskustella soveltuvan ratkaisumallin valinnasta
• määritellä ohjelmointiin liittyviä peruskäsitteitä kuten lähdekoodi, kääntäjä, muuttuja ja tyyppi
• lukea ja ymmärtää valmista ohjelmakoodia
• hyödyntää valinta- ja toistorakenteita
• käyttää poikkeustenkäsittelymekanismeja auttavasti
• suunnitella ja toteuttaa yksinkertaisia sovellusohjelmia sekä dokumentoida ja testata niitä

Sisältö

• ohjelmistosovelluksen rakenne
• erilaiset kehitysympäristöt
• ohjelmassa tarvittavien syötetietojen vastaanottaminen
• tietojen prosessoiminen ohjelmassa, jotta annettu ongelma saadaan ratkaistuksi
• tulostietojen esittäminen
• muuttujat ja tietotyypit, yksinkertaiset tietorakenteet
• funktiot ja parametrit
• ehtolauseet ja silmukat
• poikkeukset
• tiedoston käsittely
• ohjelman testaus ja dokumentointi

Oppimateriaalit

Suositeltu kirjallisuus:
"Python Basics: A Practical Introduction to Python3", 4. painos, David Amos, Dan Bader, Joanna Jablonski, Fletcher Heisler, ISBN:9781775093329 (paperback), ISBN:9781775093336 (sähköinen)

"AI-Assisted Programming" by Tom Taulli, Julkaistu huhtikuussa 2024, Kustantaja: O'Reilly Media, Inc., ISBN: 9781098164560

Ohjelmointityökalut:
Python 3.12.x
Visual Studio Code (laajennuksilla)
Git / Github
Github Copilot tai muu AI-ohjelmointiassistentti

Opetusmenetelmät

Oppiminen ohjelmoimalla
Tehokkaan ja vastuullisen AI-ohjelmointiassistenttien käytön oppiminen
Teoriaa ja käytännön esimerkkejä jaetaan luentojen aikana
Käytännön ymmärrystä hankitaan harjoitustunneilla

Tenttien ajankohdat ja uusintamahdollisuudet

Ei tenttiä

Pedagogiset toimintatavat ja kestävä kehitys

Opiskelijat oppivat teoreettisia käsitteitä ja saavat ohjelmoinnin parhaita käytäntöjä luennoilla.
Opiskelijat soveltavat ymmärrystään käytäntöön viikkotehtävissä.

Kurssimateriaali on täysin digitaalinen.

Opiskelijan ajankäyttö ja kuormitus

Kontaktiopetustunnit 14x2h (teoria) + 12x2h (harjoitukset) = 52h
Itseopiskelu jatkuvasti kurssin ajan 80h

YHTEENSÄ noin 130h

Teorialuennot pidetään lähiopetuksena.
Ohjelmointiharjoitukset alaryhmissä A, B ja C ovat myös lähiopetuksena.

Sisällön jaksotus

AIHEET / SISÄLLÖT
viikko 3: Johdanto
viikko 4: Sisäänrakennetut funktiot print ja input, muuttujat ja tyypit
viikko 5: Aritmeettiset ja bittitason operaattorit
viikko 6: Haarautuminen
viikko 7: Toistorakenteet
viikko 8: Talviloma - ei opetusta
viikko 9: Toistorakenteiden katkaisu
viikko 10: Kokoelmat
viikko 11: Kokoelmat ja toistorakenteet
viikko 12: Funktiot
viikko 13: Funktion parametrit ja paluuarvot
viikko 14: Modularisuus ja yksikkötestaus
viikko 15: Käyttöliittymä, tapahtumat ja callback-funktiot
viikko 16: Tiedostojen käsittely (teksti- ja binääritiedostot)
viikko 17-: Poikkeusten käsittelyn perusteet, try-except-finally, with

Viestintäkanava ja lisätietoja

ItsLearning
Sähköposti

Arviointiasteikko

H-5

Arviointimenetelmät ja arvioinnin perusteet

urssi sisältää 10 viikkotehtäväsarjaa, joihin sisältyy ohjelmoinnin teorian opiskelua ja aiheeseen liittyvien ohjelmointitehtävien suorittamista. Opiskelija saa pisteitä opettajalle demonstroimalla tehtäviä.

Kurssilla tehdään harjoitustyö, jossa opiskelija luo laajemman sovelluksen (soveltaen kurssin aikana opittuja tietoja ja hyödyntäen innovatiivisesti AI-ohjelmointiassistentteja). Tämä harjoitustyö antaa opiskelijalle mahdollisuuden soveltaa oppimaansa ja osoittaa osaamisensa.

Jokaisesta viikkotehtävästä voi saada maksimissaan 10 pistettä. Viikkotehtäväsarjan kokonaisarviointi noudattaa seuraavaa kaavaa:

40 pistettä -> arvosana 1
55 pistettä -> arvosana 2
70 pistettä -> arvosana 3
80 pistettä -> arvosana 4
90 pistettä -> arvosana 5
Harjoitustyö arvioidaan erikseen asteikolla 1-5.

Opiskelijan kurssiarvosana muodostuu viikkotehtävien ja harjoitustyön keskiarvosta. Molemmat osiot täytyy olla hyväksyttyjä.

Jos kurssin edetessä näyttää siltä, että opiskelija ei saavuta läpäisyyn vaadittavaa pistemäärää, hänelle annetaan mahdollisuus suorittaa puuttuvat tehtävät takautuvasti. Näistä tehtävistä hän voi saada maksimissaan puolet tarjolla olevista pisteistä. Opiskelijan tulee kerätä vaadittavat pisteet ennen kurssin päättymispäivää.

Hylätty (0)

Opiskelija
• ei tunne ohjelmoinnin peruskäsitteitä
• ei pysty lukemaan tai kirjoittamaan yksinkertaisia ohjelmia

Arviointikriteerit, tyydyttävä (1-2)

Opiskelija
• tuntee ohjelmoinnin peruskäsitteet, kuten muuttujat, kontrollirakenteet ja funktiot
• ymmärtää ohjelman kulun
• osaa lukea ja kirjoittaa yksinkertaisia ohjelmia

Arviointikriteerit, hyvä (3-4)

Opiskelija
• tuntee ohjelmoinnin peruskäsitteet, kuten muuttujat, kontrollirakenteet, funktiot, luokat, oliot ja taulukot
• ymmärtää ohjelman kulun ja löytää yksinkertaiset virheet
• osaa tehdä yksinkertaisia ohjelmia

Arviointikriteerit, kiitettävä (5)

Opiskelija
• tuntee ohjelmoinnin peruskäsitteet, kuten muuttujat, kontrollirakenteet, funktiot, luokat ja oliot
• hyödyntää joitain tietorakenteita, kuten taulukot, listat ja hajautustaulut
• ymmärtää ohjelman kulun ja osaa käyttää debuggeria ja virheenkäsittelyä
• osaa tehdä ohjelmia, jotka sisältävät edellä mainittuja käsitteitä.

Tavoitteet

Opintojakson suoritettuaan opiskelija osaa:
• kuvata ohjelman toimintaa kaaviolla
• keskustella soveltuvan ratkaisumallin valinnasta
• määritellä ohjelmointiin liittyviä peruskäsitteitä kuten lähdekoodi, kääntäjä, muuttuja ja tyyppi
• lukea ja ymmärtää valmista ohjelmakoodia
• hyödyntää valinta- ja toistorakenteita
• käyttää poikkeustenkäsittelymekanismeja auttavasti
• suunnitella ja toteuttaa yksinkertaisia sovellusohjelmia sekä dokumentoida ja testata niitä

Sisältö

• ohjelmistosovelluksen rakenne
• erilaiset kehitysympäristöt
• ohjelmassa tarvittavien syötetietojen vastaanottaminen
• tietojen prosessoiminen ohjelmassa, jotta annettu ongelma saadaan ratkaistuksi
• tulostietojen esittäminen
• muuttujat ja tietotyypit, yksinkertaiset tietorakenteet
• funktiot ja parametrit
• ehtolauseet ja silmukat
• poikkeukset
• tiedoston käsittely
• ohjelman testaus ja dokumentointi

Oppimateriaalit

Suositeltu kirjallisuus:
"Python Basics: A Practical Introduction to Python3", 4. painos, David Amos, Dan Bader, Joanna Jablonski, Fletcher Heisler, ISBN:9781775093329 (paperback), ISBN:9781775093336 (sähköinen)

"AI-Assisted Programming" by Tom Taulli, Julkaistu huhtikuussa 2024, Kustantaja: O'Reilly Media, Inc., ISBN: 9781098164560

Ohjelmointityökalut:
Python 3.12.x
Visual Studio Code (laajennuksilla) tai jokin vastaava

Opetusmenetelmät

Keskeisin oppimismenetelmä on ohjelmointitehtävien ratkaisemisen yrittäminen käytännössä, virheiden tekeminen ja niiden korjaamisen harjoittelu sekä toisinaan valmiin ratkaisun tai osaratkaisun hyödyntäminen. Tehokkaan ja vastuullisen AI-ohjelmointiassistenttien käytön pohtiminen ja oppiminen. Ohjelmoinnin asioista keskusteleminen.

Tenttien ajankohdat ja uusintamahdollisuudet

Ei tenttiä

Pedagogiset toimintatavat ja kestävä kehitys

Luentotunnilla keskitytään uusien asioiden sisäistämiseen. Opittua sovelletaan itse oman algoritmisen ongelmanratkaisuharjoittelun osasina ja keinoina. Harjoitustuntia ennen harjoitellaan tehtävien avulla ja harjoitustunnilla on mahdollista saada ohjausta ja tukea, jotta osaaminen täydentyy ja kehittyy mahdollisimman suotuisasti.

Kurssimateriaali on sähköisenä annetuilla alustoilla. Kestävää kehitystä pohditaan yleisen ohjelmointiin liittyvän kestävyyden, esim. koodin uudelleenkäytön alueella.

Opiskelijan ajankäyttö ja kuormitus

Kontaktiopetustunnit 14x2h (teoria) + 12x2h (harjoitukset) = 52h
Itseopiskelu jatkuvasti kurssin ajan 80h

YHTEENSÄ noin 130h

Teorialuennot pidetään lähiopetuksena.
Ohjelmointiharjoitukset alaryhmissä D, E ja F ovat myös lähiopetuksena.

Sisällön jaksotus

Opintojaksolla opetellaan käytännön ohjelmointitaito. Tässä keskeisimpänä asiana on algoritminen ajattelu ja algoritminen ongelmanratkaisutaito. Taidon oppiminen edellyttää tietämystä ohjelmointiin liittyvistä perusasioista, joista opiskellaan esimerkiksi muuttujat, tyypit, operaattorit, kontrollirakenteet, aliohjelmat (funktiot), parametrit, modulaarisuus, testaus, syöttö näppäimistöltä, tulostus ruudulle, listat, kokoelmat, poikkeukset ja tiedostonkäsittely. Opetuksen apuvälineenä on Python-kieli. Opintojaksolla käytetään spiraalioppimista, mikä on tavallista ohjelmoinnin opettelussa, joten aiheiden käsittelyn tarkkaa ajoitusta ei ole mahdollista antaa viikkotasolla.

Viestintäkanava ja lisätietoja

ItsLearning
Sähköposti

Arviointiasteikko

H-5

Arviointimenetelmät ja arvioinnin perusteet

Opintojakso sisältää 10 viikkotehtäväsarjaa, joihin sisältyy ohjelmoinnin teorian opiskelua ja aiheeseen liittyvien ohjelmointitehtävien suorittamista. Opiskelija saa pisteitä opettajalle demonstroimalla eli esittämällä tehtyjä tehtäviä tai toisinaan osittain tehtyjä ja kattavasti yritettyjä tehtäviä.

Opintojaksoon sisältyy harjoitustyö, jossa opiskelija luo laajemman sovelluksen (soveltaen kurssin aikana opittuja tietoja ja mahdollisesti jopa osittain hyödyntäen innovatiivisesti AI-ohjelmointiassistentteja). Tämä harjoitustyö antaa opiskelijalle mahdollisuuden soveltaa oppimaansa ja osoittaa osaamistaan.

Jokaisesta viikkotehtävästä voi saada maksimissaan 10 pistettä. Viikkotehtäväsarjan kokonaisarviointi noudattaa seuraavaa kaavaa:

40 pistettä -> arvosana 1
55 pistettä -> arvosana 2
70 pistettä -> arvosana 3
80 pistettä -> arvosana 4
90 pistettä -> arvosana 5
Harjoitustyö arvioidaan erikseen asteikolla 1-5.

Opiskelijan kurssiarvosana muodostuu viikkotehtävien ja harjoitustyön keskiarvosta. Molemmat osiot täytyy olla hyväksyttyjä.

Jos kurssin edetessä näyttää siltä, että opiskelija ei saavuta läpäisyyn vaadittavaa pistemäärää, hänelle annetaan mahdollisuus suorittaa puuttuvat tehtävät takautuvasti. Näistä tehtävistä hän voi saada maksimissaan puolet tarjolla olevista pisteistä. Opiskelijan tulee kerätä vaadittavat pisteet ennen kurssin päättymispäivää.

Hylätty (0)

Opiskelija
• ei tunne ohjelmoinnin peruskäsitteitä
• ei pysty lukemaan tai kirjoittamaan yksinkertaisia ohjelmia

Arviointikriteerit, tyydyttävä (1-2)

Opiskelija
• tuntee ohjelmoinnin peruskäsitteet, kuten muuttujat, kontrollirakenteet ja funktiot
• ymmärtää ohjelman kulun
• osaa lukea ja kirjoittaa yksinkertaisia ohjelmia ja testejä

Arviointikriteerit, hyvä (3-4)

Opiskelija
• tuntee ohjelmoinnin peruskäsitteet, kuten muuttujat, kontrollirakenteet, funktiot, luokat, oliot ja listat
• ymmärtää ohjelman kulun ja löytää yksinkertaiset virheet
• osaa laatia yksinkertaisia ohjelmia ja testata niiden toimivuutta

Arviointikriteerit, kiitettävä (5)

Opiskelija
• tuntee ohjelmoinnin peruskäsitteet, kuten muuttujat, kontrollirakenteet, funktiot, luokat, oliot ja listat
• hyödyntää joitain tietorakenteita, kuten taulukot, listat ja hajautustaulut
• ymmärtää ohjelman kulun ja osaa käyttää debuggeria ja virheenkäsittelyä
• osaa laatia ohjelmia, jotka sisältävät edellä mainittuja käsitteitä ja osoittaa toimivuuden testaamalla

Tavoitteet

Opintojakson suoritettuaan opiskelija osaa:
• kuvata ohjelman toimintaa kaaviolla
• keskustella soveltuvan ratkaisumallin valinnasta
• määritellä ohjelmointiin liittyviä peruskäsitteitä kuten lähdekoodi, kääntäjä, muuttuja ja tyyppi
• lukea ja ymmärtää valmista ohjelmakoodia
• hyödyntää valinta- ja toistorakenteita
• käyttää poikkeustenkäsittelymekanismeja auttavasti
• suunnitella ja toteuttaa yksinkertaisia sovellusohjelmia sekä dokumentoida ja testata niitä

Sisältö

• ohjelmistosovelluksen rakenne
• erilaiset kehitysympäristöt
• ohjelmassa tarvittavien syötetietojen vastaanottaminen
• tietojen prosessoiminen ohjelmassa, jotta annettu ongelma saadaan ratkaistuksi
• tulostietojen esittäminen
• muuttujat ja tietotyypit, yksinkertaiset tietorakenteet
• funktiot ja parametrit
• ehtolauseet ja silmukat
• poikkeukset
• tiedoston käsittely
• ohjelman testaus ja dokumentointi

Oppimateriaalit

Kaikki oppimateriaali ilmoitetaan itslearningissä.

Opetusmenetelmät

Materiaalin lukeminen ja ohjelmointiharjoitusten tekeminen ohjatusti sekä itsenäisesti.

Harjoitustyö opettaa soveltamaan opittuja asioita laajemman sovelluksen näkökulmasta.

Materiaali pitää sisällään olio-ohjelmoinnin teoriaa sekä teoriaa valaisevia kuvia ja esimerkkikoodeja.

Tenttien ajankohdat ja uusintamahdollisuudet

Opintojaksolla ei ole tenttiä.

Pedagogiset toimintatavat ja kestävä kehitys

Itsearviointi
Opiskelijan tulee kiinnittää säännöllisesti huomiota omaan opiskeluunsa ja oppimiseensa.
Opiskelijaa pyydetään tekemään muistiinpanoja jokaisen viikkotehtäväsarjan kohdalla pohtien omaa oppimistaan ja edistymistään.

Toteutuksella noudatetaan jatkuvan tekemisen ja arvioinnin mallia siten, että opiskelijan tulee tehdä, palauttaa ja demota kurssin tehtäviä säännöllisesti noudattaen kurssin tehtäville annettuja aikatauluja. Tällä tähdätään opiskelijan mahdollisuuteen seurata itsenäisesti omaa edistymistään ja oppimistaan kurssin aikana.

Jatkuva aktiivinen työskentely ja oppiminen tukevat ohjelmoinnissa esiintyvää spiraalioppimisen mallia.

Toteutuksen valinnaiset suoritustavat

1) Antamalla näytön esim. tekemästään työelämän projektista, jolla opiskelija osoittaa hallitsevansa opintojakson sisällön.
2) Sivustolla mooc.fi kuvataan ohjelmoinnin MOOC, joka vastaa sisällöltään Helsingin yliopiston tietojenkäsittelytieteen laitoksen kursseja Ohjelmoinnin perusteet ja Ohjelmoinnin jatkokurssi. Kurssit vastaavat yhteensä kymmentä opintopistettä (5+5).
Ohjelmoinnin perusteet voi suorittaa tekemällä ohjelmoinnin MOOCin alkuosan.

Opiskelijan ajankäyttö ja kuormitus

Opiskelijan työn mitoitus

5 opintopistettä: 27 * 5 = 135 tuntia

Opintojakson kesto: 13.1. - 30.4.2025 (14 viikkoa + opetukseton viikko 8)

Viikkotyömäärä: 135 tuntia / 14 viikkoa = 9,5 tuntia viikossa

Sisällön jaksotus

Opintojaksolla opiskellaan ohjelmoinnin ajattelutapaa sekä tutustutaan ohjelmistokehityksen pääpiirteisiin.

Opintojakson harjoitukset tehdään Pythonilla.

Tulostaminen näytölle ja tiedostoon.
Tiedon lukeminen näppäimistöltä ja tiedostosta.
Ohjelmoinnin valintarakenteet.
Ohjelmoinnin toistorakenteet.
Aliohjelmat ja niiden käyttö.
Poikkeukset.
Listat ja merkkijonot.
Ohjelman dokumentointi.
Ohjelman testaus.

Viestintäkanava ja lisätietoja

Kurssin viestintä tapahtuu pääsääntöisesti itslearningissä.

Arviointiasteikko

H-5

Arviointimenetelmät ja arvioinnin perusteet

Opintojakso pitää sisällään 10 viikkotehtäväsarjaa, joihin sisältyy ohjelmoinnin teorian opiskelua sekä aiheeseen liittyviä ohjelmointitehtäviä. Opiskelija saa pisteitä opettajalle demoamistaan tehtävistä.

Kurssilla tehdään harjoitustyö, jossa opiskelija tekee laajemman sovelluksen. Harjoitustyössä opiskelija pääsee soveltamaan oppimiaan asioita ja osoittamaan osaamistaan. Harjoitustyön tuotos demotaan opiskelijaryhmälle.

Viikkotehtävistä saa kustakin maksimissaan 10 pistettä. Kotitehtäväsarjan kokonaisarviointi noudattaa seuraavaa kaavaa:
40 pistettä -> 1
55 pistettä -> 2
70 pistettä -> 3
80 pistettä -> 4
90 pistettä -> 5

Harjoitustyö arvioidaan erikseen skaalalla 1-5.

Opiskelijan opintojakson arvosana muodostuu kotitehtäväsarjan ja harjoitustyön keskiarvosta. Molempien osioiden pitää olla hyväksyttyjä.

Jos kurssin edetessä näyttää siltä, että opiskelija ei saavuta kurssin läpäisyyn tarvittavaa pistemäärää, niin hänen kanssaan sovitaan puuttuvien tehtävien tekemisestä takautuvasti. Näistä tehtävistä hän voi saada maksimissaan puolet tarjolla olevasta pistemäärästä. Opiskelijan tulee kerätä läpäisyyn vaadittava pistemäärä ennen kurssin loppumispäivämäärää.

Hylätty (0)

Hyväksytysti suoritettuja harjoituksia puuttuu ja/tai harjoitustyö puuttuu.

Arviointikriteerit, tyydyttävä (1-2)

Suomeksi
Hyväksytysti suoritettuja harjoituksia on tehty minimimäärä tai niiden laatu on tyydyttävä ja/tai harjoitustyön laatu on tyydyttävää tasoa.

Arviointikriteerit, hyvä (3-4)

Hyväksytysti suoritettuja harjoituksia on tehty riittävästi ja niiden laatu on hyvää ja harjoitustyön laatu on hyvää tasoa.

Arviointikriteerit, kiitettävä (5)

Hyväksytysti suoritettuja harjoituksia on tehty 90 % ja niiden laatu on kiitettävää ja harjoitustyön laatu on kiitettävää tasoa.

Tavoitteet

Opintojakson suoritettuaan opiskelija osaa:
- kuvailla ohjelmistotuotteen kehitystyön vaiheet ja keskeiset menetelmät
- selittää käsitteet luokkahierarkia, periytyvyys ja monimuotoisuus sekä soveltaa niitä ohjelmistokehityksessä
- keskustella rinnakkaisohjelmoinnin mahdollisuuksista
- soveltaa poikkeusrakenteita
- suunnitella, toteuttaa ja dokumentoida yksinkertaisen käyttöliittymäsovelluksen.

Sisältö

- oliorakenteet
- virheiden käsittely poikkeuksilla
- säikeet
- tietokantayhteyden luominen
- ohjelmistotuotannon prosessi ja menetelmät
- UML ja kaavioiden piirtäminen

Oppimateriaalit

Opintojakson työtilassa itslearningissa.

Opetusmenetelmät

Materiaalin lukeminen ja ohjelmointiharjoitusten tekeminen ohjatusti sekä itsenäisesti.

Harjoitustyö opettaa soveltamaan opittuja asioita laajemman sovelluksen näkökulmasta.

Materiaali pitää sisällään olio-ohjelmoinnin teoriaa sekä teoriaa valaisevia kuvia ja esimerkkikoodeja.

Tenttien ajankohdat ja uusintamahdollisuudet

Opintojaksolla ei ole tenttiä.

Pedagogiset toimintatavat ja kestävä kehitys

Itsearviointi
Opiskelijan tulee kiinnittää säännöllisesti huomiota omaan opiskeluunsa ja oppimiseensa.
Opiskelijaa pyydetään tekemään muistiinpanoja jokaisen viikkotehtäväsarjan kohdalla pohtien ainakin seuraavia asioita
* Tehtävän teema: Mitä tiesin teemasta etukäteen? Mitä ajatuksia teema herätti?
* Tehtävää tehdessä: Esiin nousseet ajatukset kohdistuen tehtävien vaativuustasoon ja mielenkiintoon
* Tehtävän jälkeen: Mitä opin?
sekä antamaan itselleen arvosana työskentelystään jokaisen viikkotehtäväsarjan kohdalla asteikolla: Erinomainen - Hyvä - Tyydyttävä.

Toteutuksella noudatetaan jatkuvan tekemisen ja arvioinnin mallia siten, että opiskelijan tulee tehdä, palauttaa ja demota kurssin tehtäviä säännöllisesti noudattaen kurssin tehtäville annettuja aikatauluja. Tällä tähdätään opiskelijan mahdollisuuteen seurata itsenäisesti omaa edistymistään ja oppimistaan kurssin aikana.

Jatkuva aktiivinen työskentely ja oppiminen tukevat ohjelmoinnissa esiintyvää spiraalioppimisen mallia.

Toteutuksen valinnaiset suoritustavat

1) Antamalla näytön esim. tekemästään työelämän projektista, jolla opiskelija osoittaa hallitsevansa opintojakson sisällön.
2) Sivustolla mooc.fi kuvataan ohjelmoinnin MOOC, joka vastaa sisällöltään Helsingin yliopiston tietojenkäsittelytieteen laitoksen kursseja Ohjelmoinnin perusteet ja Ohjelmoinnin jatkokurssi. Kurssit vastaavat yhteensä kymmentä opintopistettä (5+5).
Olio-ohjelmoinnin voi suorittaa tekemällä ohjelmoinnin MOOCin Java-kielisen loppuosan.

Toteutuksen valinnaisista suoritustavoista pitää aina keskustella kurssin opettajan kanssa heti toteutuksen alkaessa.

Opiskelijan ajankäyttö ja kuormitus

Opintojakson suoritus edellyttää hyväksytysti suoritettujen harjoitustehtäväsarjojen tekemistä ja palauttamista määräaikaan mennessä. Lisäksi opiskelijan tulee esitellä tekemänsä tehtäväsarjat kurssin demotuntien aikana.

Kurssi järjestetään kampuksella ja opiskelijoilta odotetaan läsnäoloja. Poikkeusjärjestelyistä on sovittava kurssin opettajan kanssa mahdollisimman varhaisessa vaiheessa.

5 opintopistettä: 27 * 5 = 135 tuntia

Opintojakso ajoittuu aikavälille 1.9.2024 - 16.12.2024

Viikkotyömäärä: 135 tuntia / 13 viikkoa = 10,4 tuntia viikossa

Kurssilla annetaan kontaktiopetusta 5h viikkotasolla. Tämä koostuu luento-osiosta (3 h) ja koodiklinikasta (2 h). Luento-osio koostuu uusien asioiden teoriaopetuksesta ja näihin liittyvistä koodiesimerkeistä. Koodiklinikalla tehdään ohjelmoinnin harjoituksia yhdessä ja opiskelijat demoavat itsenäisesti tekemiään tehtäviä.

Toteutuksella seurataan opiskelijan läsnäoloa.

Sisällön jaksotus

Opintojakson suoritettuaan opiskelija osaa:
- kuvailla ohjelmistotuotteen kehitystyön vaiheet ja keskeiset menetelmät
- selittää käsitteet luokkahierarkia, periytyvyys ja monimuotoisuus sekä soveltaa niitä ohjelmistokehityksessä
- havainnoida säännöllisten lausekkeiden ja funktionaalisen ohjelmoinnin käyttömahdollisuuksia
- soveltaa poikkeusrakenteita
- suunnitella, toteuttaa ja dokumentoida yksinkertaisen käyttöliittymäsovelluksen.
Sisältö
- keskeisimmät oliorakenteet
- virheiden käsittely poikkeuksilla
- tietokantayhteyden luominen
- ohjelmistotuotannon prosessi ja menetelmät
- UML kaavioiden ymmärtäminen ja niiden piirtäminen

Viestintäkanava ja lisätietoja

Kurssin viestintäkanava on itslearning.

Avoimen AMK:n opiskelijoita otetaan mukaan opintojaksolle max 3.
Lue myös opintojakson edeltävyysehdot.

Arviointiasteikko

H-5

Arviointimenetelmät ja arvioinnin perusteet

Arvosanan muodostuminen

Opintojakso pitää sisällään 8 viikkotehtäväsarjaa, joihin sisältyy ohjelmoinnin teorian opiskelua sekä aiheeseen liittyviä ohjelmointitehtäviä. Opiskelija saa pisteitä opettajalle demoamistaan tehtävistä.
Jokaisen viikkotehtäväsarjan maksimipistemäärä on 10 pistettä.
Viikkotehtäväsarjojen maksimipistemäärä on 80 pistettä.

Kurssilla tehdään harjoitustyö, jossa opiskelija tekee laajemman sovelluksen. Harjoitustyössä opiskelija pääsee soveltamaan oppimiaan asioita ja osoittamaan osaamistaan. Harjoitustyön tuotos demotaan opiskelijaryhmälle.
Harjoitustyön maksimipistemäärä on 40 pistettä.

Jos kurssin edetessä näyttää siltä, että opiskelija ei saavuta kurssin läpäisyyn tarvittavaa pistemäärää, niin hänen kanssaan sovitaan puuttuvien tehtävien tekemisestä takautuvasti. Näistä tehtävistä hän voi saada maksimissaan puolet tarjolla olevasta pistemäärästä. Opiskelijan tulee kerätä läpäisyyn vaadittava pistemäärä ennen kurssin loppumispäivämäärää.

Koko kurssilla on siis jaossa 120 pistettä.

Pistemäärä 48 (40%) -> arvosana 1
Pistämäärä 66 (55%) -> arvosana 2
Pistemäärä 84 (70%) -> arvosana 3
Pistemäärä 96 (80%) -> arvosana 4
Pistemäärä 108 (90%) -> arvosana 5

Hylätty (0)

Katso yllä arvioinnin kohteet:

Opintojakson arvosana muodostuu opiskelijan tekemien, palauttamien ja demoamien tehtävien lukumäärän ja laadun perusteella.

Opiskelijan arvosana on hylätty, mikäli pistemäärä on alle 40 % maksimipistemäärästä.

Arviointikriteerit, tyydyttävä (1-2)

Katso yllä arvioinnin kohteet:

Opintojakson arvosana muodostuu opiskelijan tekemien, palauttamien ja demoamien tehtävien lukumäärän ja laadun perusteella.

Opiskelijan arvosana on 1, mikäli pistemäärä on yli 40 % mutta alle 55% maksimipistemäärästä.
Opiskelijan arvosana on 2, mikäli pistemäärä on yli 55 % mutta alle 70% maksimipistemäärästä.

Arviointikriteerit, hyvä (3-4)

Katso yllä arvioinnin kohteet:

Opintojakson arvosana muodostuu opiskelijan tekemien, palauttamien ja demoamien tehtävien lukumäärän ja laadun perusteella.

Opiskelijan arvosana on 3, mikäli pistemäärä on yli 70 % mutta alle 80% maksimipistemäärästä.
Opiskelijan arvosana on 4, mikäli pistemäärä on yli 80 % mutta alle 90% maksimipistemäärästä.

Arviointikriteerit, kiitettävä (5)

Katso yllä arvioinnin kohteet:

Opintojakson arvosana muodostuu opiskelijan tekemien, palauttamien ja demoamien tehtävien lukumäärän ja laadun perusteella.

Opiskelijan arvosana on 5, mikäli pistemäärä on vähintään 90% maksimipistemäärästä.

Esitietovaatimukset

Ohjelmoinnin perusteet tai vastaavat tiedot ja taidot

Tavoitteet

Opintojakson suoritettuaan opiskelija osaa:
- kuvailla ohjelmistotuotteen kehitystyön vaiheet ja keskeiset menetelmät
- selittää käsitteet luokkahierarkia, periytyvyys ja monimuotoisuus sekä soveltaa niitä ohjelmistokehityksessä
- keskustella rinnakkaisohjelmoinnin mahdollisuuksista
- soveltaa poikkeusrakenteita
- suunnitella, toteuttaa ja dokumentoida yksinkertaisen käyttöliittymäsovelluksen.

Sisältö

- oliorakenteet
- virheiden käsittely poikkeuksilla
- säikeet
- tietokantayhteyden luominen
- ohjelmistotuotannon prosessi ja menetelmät
- UML ja kaavioiden piirtäminen

Oppimateriaalit

Opintojakson työtilassa.

Opetusmenetelmät

Materiaalin lukeminen, opiskelu ja käytännön kokeilu.

Harjoitustehtävien tekeminen ja käytännön ongelmanratkaisu.

Harjoitustyön tekeminen, dokumentointi ja demoaminen sille varatussa tilaisuudessa. Läsnäolo ja osallistuminen.

Tenttien ajankohdat ja uusintamahdollisuudet

Opintojaksolla ei ole tenttiä.

Pedagogiset toimintatavat ja kestävä kehitys

Itsearviointi
Opiskelijan tulee kiinnittää säännöllisesti huomiota omaan opiskeluunsa ja oppimiseensa.
Tehtävän palautuksessa opiskelija reflektoi omaa oppimistaan vastaamalla esimerkiksi kysymyksiin seuraavista asioista:
- Tehtävän teema: Mitä tiesin teemasta etukäteen? Mitä ajatuksia teema herätti?
- Tehtävää tehdessä: Esiin nousseet ajatukset kohdistuen tehtävän vaativuustasoon ja mielenkiintoon
- Tehtävän jälkeen: Mitä opin?
sekä antaa itselleen arvosana työskentelystään jokaisen viikkotehtävän kohdalla asteikolla: Erinomainen - Hyvä - Tyydyttävä.

Kestävää kehitystä käsitellään esimerkiksi ohjelmien laskennallisen tehokkuuden pohtimisella (sähkö, laitteistoresurssit), koodin uudelleenkäytöllä olioparadigman mekanismein (työ, työntekijäresurssit) ja välttämällä turhaa tekoälyn käyttöä (sähkö).

Toteutuksen valinnaiset suoritustavat

1) Antamalla näytön esim. tekemästään työelämän projektista, jolla opiskelija osoittaa hallitsevansa opintojakson sisällön.
2) Sivustolla mooc.fi kuvataan ohjelmoinnin MOOC, joka vastaa sisällöltään Helsingin yliopiston tietojenkäsittelytieteen laitoksen kursseja Ohjelmoinnin perusteet ja Ohjelmoinnin jatkokurssi. Kurssit vastaavat yhteensä kymmentä opintopistettä (5+5).
Olio-ohjelmoinnin voi suorittaa tekemällä ohjelmoinnin MOOCin loppuosan (osat 8-14).

Opiskelijan ajankäyttö ja kuormitus

Opintojakson suoritus edellyttää hyväksytysti harjoitustehtävien sekä harjoitustyön tekemistä ja palauttamista määräaikaan mennessä sekä jatkuvaa osallistumista.

5 opintopistettä: 27 * 5 = 135 tuntia

Viikkotyömäärä: 135 tuntia / 14 viikkoa = 9,6 tuntia viikossa.
Opintojakso sisältää 3 tuntia ohjattua opetusta ja 2 tuntia harjoitustehtävien tekoa s.e. opettaja(t) ovat paikalla.

Sisällön jaksotus

Opintojakso ajoittuu aikavälille tammikuu 2025 - huhtikuu 2025.

Opintojakson suoritettuaan opiskelija:
- tuntee olio-ohjelmoinnin peruskäsitteistön, esimerkiksi olio, luokka, attribuutti, luokkamuuttuja, metodi, alustaja eli konstruktori, periytyminen, luokkahierarkia, polymorfismi, poikkeukset
- osaa soveltaa edellä mainittuja käytännössä
- osaa suunnitella ja määritellä luokkia ja niistä koostuvia, johdonmukaisia kokonaisuuksia
- tunnistaa koodin uudelleenkäyttöä edistäviä ja estäviä menettelyjä
- osaa käyttää olioparadigmaa hyödyksi algoritmisen ratkaisun osana
- kuvailee ohjelmistotuotteen kehitystyön vaiheet ja keskeisiä menetelmiä
- osaa keskustella rinnakkaisohjelmoinnin mahdollisuuksista
- käyttää poikkeuksia ennakoimattomissa virhetilanteissa
- osaa suunnitella, toteuttaa, testata ja dokumentoida sovelluksen
- käyttää UML:a suunnittelun ja dokumentoinnin välineenä
- käyttää tyyliopasta ja noudattaa hyvää ohjelmointitapaa

Viestintäkanava ja lisätietoja

Avoimen AMK:n opiskelijoita otetaan mukaan opintojaksolle max 3.

Lue myös opintojakson edeltävyysehdot (=opiskelijalla pitää olla ohjelmoinnin perusteet suoritettuna tai vastaavat taidot).

Arviointiasteikko

H-5

Arviointimenetelmät ja arvioinnin perusteet

Exercise rounds: 8 times
Each round (max): 10 points
From exercises total 80 points
A student must get at least 40 points from Exercise rounds to get grade 1.
Exercises must be done and returned before the deadlines (Itslearning).


Programming project work (max): 40 points
A student must get at least 20 points from Programming project work to get grade 1.
Work must be done and returned before the deadline (Itslearning).


Total course (max): 120 points
Grading:
Points 60 --> grade 1
Points 73 --> grade 2
Points 86 --> grade 3
Points 99 --> grade 4
Points 112 --> grade 5

Hylätty (0)

A student do not know the basics of object oriented programming and is not
able to use proper object oriented programming solutions to solve problems
in software development. The course points under 60 or the exercise points under 40 or
the programming project work under 20 points imply grade 0.

Arviointikriteerit, tyydyttävä (1-2)

A student knows the most of the basics of object oriented programming and is able to
use some proper object oriented programming solutions to solve small-sized
problems in software development. At least 60 course points. At least 40 points from
exercises and 20 points from programming project work.

Arviointikriteerit, hyvä (3-4)

A student knows the basics of object oriented programming and is able to
use proper object oriented programming solutions to solve small-sized
problems in software development. At least 86 course points. At least 40 points from
exercises and 20 points from programming project work.

Arviointikriteerit, kiitettävä (5)

A student knows all the basics of object oriented programming and
uses proper object oriented programming solutions to solve any
problems in software development. At least 112 course points. At least 40 points from
exercises and 20 points from programming project work.

Esitietovaatimukset

Ohjelmoinnin perusteet tai vastaavat tiedot ja taidot

Tavoitteet

Opinnäytetyön suoritettuaan opiskelija osaa:
- soveltaa tietoja ja taitojaan tavoiteammattiin liittyvässä asiantuntijatehtävässä
- perehtyä itsenäisesti ja vastuullisesti alan ajankohtaisiin haasteisiin ja esittää niihin toimivia, taloudellisia ja eettisesti kestäviä ratkaisuvaihtoehtoja
- työskennellä innovatiivisesti, johdonmukaisesti ja järjestelmällisesti sovitun aikataulun mukaisesti
- etsiä ja hyödyntää lähdeaineistoa
- valita ja käyttää tarkoituksenmukaisia työskentelymenetelmiä ja työkaluja
- arvioida kriittisesti lähdeaineistoa, työnsä tietoperustaa, käyttämiään menetelmiä sekä saamiaan tuloksia
- viestiä selkeästi kirjallisesti, kuvallisesti ja suullisesti niin muiden alan ammattilaisten kuin asiakkaidenkin kanssa.

Sisältö

Opinnäytetyö on kokonaisvaltainen opiskelijan itsenäisesti tekemä suunnittelu-, tutkimus- tai tuotekehitystyö, joka suoritetaan mahdollisen toimeksiantajan ja opinnäytetyön ohjaajien tuella. Kokonaisuuden on oltava teettäjälle hyödyllinen ja lopputulosten on osoitettava opiskelijan perehtymistä kyseiseen aihealueeseen. Opinnäytetyö voi olla myös opiskelijan omasta aiheesta.
Sisältö:
- Aiheen valinta
- Opinnäytetyösopimus
- Työn suunnittelu ja tiedonhankinta
- Työn toteutus
- Työn tulosten raportointi
- Loppuseminaari
- Kypsyysnäyte
- Opinnäytetyön raportin julkistaminen

Oppimateriaalit

Materiaali jaetaan oppimisympäristön (ITS) avulla.
Lisäksi opinnäytetyön tekijöiden tulee osallistua joko ennen opinnäytetyön tekemistä tai sen aikana opintojaksolle Tutkimusviestintä, jossa saadaa ohjeita opinnäytetyöskentelyyn.

Opetusmenetelmät

Tutkimus ja raportointi

Tenttien ajankohdat ja uusintamahdollisuudet

-

Pedagogiset toimintatavat ja kestävä kehitys

Opinnäytetöiden ohjaavat opastava opiskelijjoita opinäytetyön tekemisessä.

Toteutuksen valinnaiset suoritustavat

Opinnäytetyölajit:
- Tutkimuksellinen opinnäytetyö
- Toiminnnalinen opinnäytetyö
- Oppimispäiväkirja
- Portfolio-opinnäytetyö
- Opinnäytetyö näyttönä

Opiskelijan ajankäyttö ja kuormitus

Tehtävät kuvatttu kohdassa sisältö.

Työn laajuus 15 op, joka vastaa noin 400 tuntia.

Arviointikriteerit, hyväksytty/hylätty

Hyväksytty: Opinnäytetyön raportti on julkaistu Theseuksessa

Sisällön jaksotus

Opinnäytetyön suorittaminen ICT-yksikön opinnäytetyöprosessin mukaisesti sisältäen seuraavat tehtävät:
1. Opinnäytetyösuunnitelman ja sopimuksen valmistelulomakkeen laatiminen
2. Opinnäytetyösopimus
3. Seurannan sopiminen ohjaajan kanssa
4. Opinnäytetyö suomen kielen kommentointiin
5. Opinnnäytetyö englannin kielen kommentointiin
6. Loppuseminaariesitys Teamsillä
7. Toimeksiantajan lausunto
8. Opinnäytetyön viiimeistely ja palautus arvioitavaksi
9. Kypsyysnäyte
10. Opinnäytetyön julkaisu Theseukseen

Viestintäkanava ja lisätietoja

ItsLearning & Teams

Arviointiasteikko

Hyväksytty/Hylätty

Arviointimenetelmät ja arvioinnin perusteet

Varsinainen opinnäytetyön arviointi tehdään opinnäytetyölle erikseen Turku AMK intranetin ohjeiden mukaisesti.
Tämä opintojakso merkitään hyväksytyksi, kun opinnäytetyön raportti on julkaistu Theseuksessa.

Esitietovaatimukset

Opiskelijan tulee osallistua viimeistään opinnäytetyön aloitusajankohtana opintojaksolle Tutkimusviestintä tai osoitettava muulla tavalla, että hänellä on työskentelyyn tarvittavat taidot (esim. aiempi korkeakoulututkinto tai vastaava kurssi suoritettu).

Tavoitteet

Opintojakson suoritettuaan opiskelija:
- ymmärtää käyttöjärjestelmän keskeiset tehtävät ja käsitteet
- osaa asentaa ja konfiguroida käyttöjärjestelmän työpöytä- ja palvelinkäyttöön
- osaa toimia käyttöjärjestelmän pääkäyttäjänä

Sisältö

- käyttöjärjestelmän tehtävät ja käsitteet
- käyttöjärjestelmän asentaminen ja konfigurointi työpöytä- ja palvelinkäyttöön
- järjestelmän hallinta komentotulkin kanssa
- käyttöoikeuksien hallinta
- palvelimen asentaminen ja hallinta

Oppimateriaalit

I . Kurssikirjat:

The Linux Command Line: A Complete Introduction
William Shotts
2nd edition
2019

Mastering Ubuntu Server
Jay LaCroix
4th edition
2022

Kurssikirjoja luetaan vain valikoiduin osin.

Kurssikirjat ovat luettavissa oppilaitoksemme eBook Central -palvelussa.

II. Teoriaosuuden tutoriaali

Operating System Tutorial: https://www.tutorialspoint.com/operating_system/index.htm

III. Opettajan laatimat harjoitustehtävät.

Opetusmenetelmät

- kirjallisuuden ja muun oppimismateriaalin lukeminen tai katsominen
- osallistuminen luennoille
- käyttöjärjestelmän kanssa työskentely opettajan johdolla
- itsenäinen työskentely
- osallistuminen ryhmätyön tekemiseen

Tenttien ajankohdat ja uusintamahdollisuudet

Kurssin puolen välin jälkeen monivalintatentti käyttöjärjestelmien teoriasta.

Uusintamahdollisuus kurssin päätteeksi.

Pedagogiset toimintatavat ja kestävä kehitys

Käytännön työskentely luokassa opettajan johdolla
Pääosin kotona tehtävät käytännön harjoitustehtävät
Käyttöjärjestelmien teoria: esitelmän pitäminen ryhmässä
Materiaalin lukeminen
Tenttiminen

Toteutuksen valinnaiset suoritustavat

Opiskelija voi suorittaa opintojakson osoittamalla osaamisensa opintojakson aiheista esimerkiksi tekemillään työnäytteillä. Osoittamisesta täytyy sopia opettajan kanssa opintojakson 4 ensimmäisen viikon aikana.

Opiskelija voi myös ahotoida opintojakson vastaavalla muualla oppilaitoksemme hyväksymässä oppilaitoksessa suoritetulla kurssilla. Asia kannattaa laittaa vireille heti opintojakson alkaessa.

Opiskelijan ajankäyttö ja kuormitus

Käytännön opetusta paikan päällä 24h
Teoriaa paikan päällä sisältäen esitelmän ryhmässä10h
Tentti ja sen uusintatilaisuus 4 h
Oman virtuaaliympäristön valmistelua ja ylläpitoä 7h
Materiaalin läpikäyntiä ja harjoitustehtävien tekemistä 70h
Tenttiin valmistautumista 20h

Sisällön jaksotus

Opintojaksolla käytetään Linux-käyttöjärjestelmää.

Käytännön opetus etenee pääpiirteissään seuraavassa järjestyksessä:

Linux-käyttöjärjestelmän asentaminen virtuaalikuvakkeelle
Johdatus käyttöjärjestelmiin
Bash-komentotulkin peruskäyttö
Pääkäyttäjänä toimiminen
Ohjelmistojen ja prosessien hallinta
Käyttäjien ja oikeuksien hallinta
Bash-komentotulkin kehittyneempi käyttö
Verkkoyhteyksien hallinta
Johdatus palvelimiin
Tietokantapalvelimen asentaminen
Web-palvelimen asentaminen ja hallitseminen
Tietoturvan perusteita

Teoriaopetus etenee pääpiirteissään seuraavasti

Harjoitustyö: esitelmä ryhmässä teoria-aiheesta
Muiden esitelmien seurantaa ja teoriaan perehtymistä tutoriaalin perusteella
Teoriatentti ja sen uusinta.

Arviointiasteikko

H-5

Arviointimenetelmät ja arvioinnin perusteet

Opintojakson kokonaismaksimipistemäärä on 120.

Maksimissaan 80 pistettä 8 henkilökohtaisesta harjoitustehtävästä, tentistä 20 pistettä, harjoitustyöstä ryhmässä 10 pistettä ja 20 pistettä luentoläsnäoloista.

Opintojakson arviointiskaala on seuraava:

Pisteitä vähintään -> Arvosana

Alle 40 -> 0
40 -> 1
56 -> 2
72 -> 3
88 -> 4
104 -> 5

Huomaa seuraava lisäehto: hyväksyttävään suoritukseen tarvitaan vähintään 28 pistettä henkilökohtaisista harjoitustehtävistä ja yhteensä 12 pistettä harjoitustyöstä ja tentistä.

Läsnäolopisteet annetaan seuraavan skaalan perusteella:

Läsnäoloprosentti käytännön- ja teorialuennoilla -> pisteitä

20% -> 5
40% ->10
60% ->15
80% ->20

Osa henkilökohtaisista harjoitustehtävistä tehdään käytännöntunneilla yhdessä opettajan kanssa. Näin läsnäolo niillä karruttaa myös harjoitustehtäväpisteitä.

Demokerroilla on oltava läsnä. Läsnäolo demoissa ei karruta läsnäolopisteitä. Poissaolo demoista aiheuttaa 25 % vähennyksen opiskelijan näihin demoihin palauttamien tehtävien pisteisiin. Myös tehtävien palauttaminen myöhässä aiheuttaa 25 prosentin vähennyksen. Tehtäviä ei oteta enää vastaan opintojakson päättymispäivän jälkeen. Opintojakson päättymispäivän jälkeen ei myöskään anneta korvaavia tai täydentäviä tehtäviä. Opiskelija täytyy huolehtia siis siitä, että hän saa kerättyä eri suorituksista riittävästi pisteitä opintojakson aikana.

Hylätty (0)

Opiskelija ei ole opintojakson aikana onnistunut keräämään läpäisyyn riittävää pistemäärää. Näin ollen hän ei ole pystynyt osoittamaan sellaista osaamista, jonka perusteella voitaisiin antaa hyväksyttävä arvosana.

Arviointikriteerit, tyydyttävä (1-2)

Opiskelija tietää mikä on käyttöjärjestelmä ja mitkä ovat sen keskeiset tehtävät
Opiskelija tietää, miten käyttöjärjestelmä asennetaan.
Opiskelija osaa käyttöjärjestelmän peruskäytön komentoriviltä.
Opiskelija osaa asentaa ohjelmistoja
Opiskelijalla on käsitys käyttöjärjestelmän tietoturvasta

Arviointikriteerit, hyvä (3-4)

Opiskelija tietää mikä on käyttöjärjestelmä ja mitkä ovat sen keskeiset tehtävät
Opiskelija osaa asentaa käyttöjärjestelmän
Opiskelija osaa käyttää käyttöjärjestelmää monipuolisesti.
Opiskelija osaa asentaa, poistaa ja päivittää ohjelmistoja
Opiskelija tuntee käyttöjärjestän käytön hyviä käytänteitä.
Opiskelija osaa hakea tietoa erilaisten tehtävien suorittamiseksi.
Opiskelija tuntee pääkäyttäjät tehtävät ja vastuut.
Opiskelija osaa monen käyttäjän käyttöjärjestelmän hallinnoinnin perusteet.
Opiskelija tietää, mikä on palvelin.
Opiskelijalla on valmius asentaa ja ylläpitään palvelimen erilaisia palveluita
Opiskelijalla on käsitys käyttöjärjestelmän tietoturvasta ja sen ylläpidosta

Arviointikriteerit, kiitettävä (5)

Opiskelija tietää mikä on käyttöjärjestelmä ja mitkä ovat sen keskeiset tehtävät
Opiskelija osaa asentaa käyttöjärjestelmän
Opiskelija osaa käyttää käyttöjärjestelmää monipuolisesti.
Opiskelija tuntee käyttöjärjestän käytön hyviä käytänteitä.
Opiskelija osaa arvioida, asentaa, poistaa ja päivittää ohjelmistoja eri lähteistä
Opiskelija osaa hakea ja soveltaa tietoa erilaisten tehtävien suorittamiseksi.
Opiskelija tuntee pääkäyttäjät tehtävät ja vastuut.
Opiskelija osaa monen käyttäjän käyttöjärjestelmän hallinnoinnin melko laajasti.
Opiskelija tietää, mikä on palvelin.
Opiskelijalla osaa asentaa ja ylläpitää palvelimen erilaisia palveluita
Opiskelijalla on käsitys käyttöjärjestelmän tietoturvasta ja taitoja sen ylläpitoon
Opiskelija osaa hallinnoida monen käyttäjän käyttöjärjestelmää.
Opiskelija osaa automatisoida käyttöjärjestelmätehtäviä.
Opiskelija osaa asentaa, seurata ja ylläpitää erilaisia palveluita

Tavoitteet

Opintojakson suoritettuaan opiskelija:
tuntee palvelinpuolen ohjelmoinnin keskeiset teknologiat ja ratkaisut.
osaa ohjelmoida www-sovellusten palvelinpuolen logiikan ja tiedon tallentamiseen liittyvät ratkaisut jollakin keskeisellä skriptauskielellä.
ymmärtää www-sovellusten ohjelmistoarkkitehtuuriaosaa hyödyntää sisällönhallintaohjelmistoa tai sovelluskehystä www-sovelluksen kehittämisessä.
osaa käyttää tehokkaita kehitystyökaluja.

Sisältö

Palvelinpuolen skriptauskielen opetteleminen.
www-sovellusten ohjelmistoarkkitehtuurin perusteet.
Sovelluksen integroiminen tietokantaan.
Sisällönhallintajärjestelmän tai sovelluskehyksen hyödyntäminen.
Kehitystyökalujen käyttäminenpienimuotoisen www-sovelluksen kehittäminen.

Oppimateriaalit

Kurssikirjat:

Get Programming with Node.js
Jon Wexler
Manning Publications
1st edition (March 15, 2019)

Kirjaa ei valitettavasti ole saatavana TUAMK:n kautta e-kirjana. Kirjastossa on vain muutamia painettuja kopioita.

Kirja on myös jo hieman iäkäs, joten joudumme muokkaamaan siinä esitettyä koodia ja ratkaisuja kurssin aikana. Kirja on kuitenkin muuten erittäin sopiva kurssikirjaksi.

Node.js for Beginners: A comprehensive guide to building efficient, full-featured web applications with Node.js
Ulises Gascón
Packt
Toukokuu 2024

Muu materiaali selviää opintojakson aikana

Opetusmenetelmät

- kirjallisuuden ja muun oppimismateriaalin lukeminen
- osallistuminen luennoille
- ohjelmointi opettajan johdolla
- itsenäinen ohjelmointi
- osallistuminen ryhmätyön tekemiseen

Tenttien ajankohdat ja uusintamahdollisuudet

Ei tenttiä.

Toteutuksen valinnaiset suoritustavat

Opiskelija voi suorittaa opintojakson osoittamalla osaamisensa opintojakson aiheista esimerkiksi tekemillään työnäytteillä. Osoittamisesta täytyy sopia opettajan kanssa opintojakson 4 ensimmäisen viikon aikana.

Opiskelija voi myös ahotoida opintojakson vastaavalla muualla oppilaitoksemme hyväksymässä oppilaitoksessa suoritetulla kurssilla. Asia kannattaa laittaa vireille heti opintojakson alkaessa.

Opiskelijan ajankäyttö ja kuormitus

45 h kontaktiluentoja (Jokainen 3h = 2h opetusta ja 1h henkilökohtaista työskentelyä opettajan läsnäollessa)
4 h harjoistustöiden esitystä ja seurantaa
40 h harjoitustyön valmistelu
48 h henkilökohtaiset harjoitustehtävät

Sisällön jaksotus

Opintojakso perustuu 15 ohjattuun oppituntiin, 7 henkilökohtaiseen harjoitukseen, joissa kussakin on useita tehtäviä, sekä ryhmätyöhön.
*
Ryhmätyö tehdään 3-4 opiskelijan ryhmässä. Ryhmätyön toimeksianto julkaistaan ??kesken kurssin.
*
Kurssin suunniteltu sisältö:
*
Kurssin esittely ja kehitysympäristön luominen
Node.js
NPM
ES6 moduulit
Express Web Framework ja MVC
http-pyyntöjen reititys ja käsittely
Näkymät ja mallit
Virheidenkäsittely
Ohjaimet
Mallit
CRUD ja tietojen pysyväistaltiointi
Käyttäjäistunnot ja todennus
Sisään- ja uloskirjautuminen
Valtuuttaminen
*
Demoissa käytetään kolmea oppituntia.
*
Ryhmätyö arvioidaan 15 minuutin mittaisessa arviointitilaisuudessa, jossa ryhmä esittelee työnsä ohjaajalle. Jokaisen jäsenen on selvennettävä panoksensa tulokseen. Myös lähdekoodi on esitettävä.

Arviointiasteikko

H-5

Arviointimenetelmät ja arvioinnin perusteet

Opintojakson kokonaismaksimipistemäärä on 120.

Maksimissaan 70 pistettä 7 henkilökohtaisesta harjoitustehtävästä, 30 pistettä harjoitustyöstä ja 20 pistettä luentoläsnäoloista.

Opintojakson arviointiskaala on seuraava:

Pisteitä vähintään -> Arvosana

0 -> 0
40 -> 1
56 -> 2
72 -> 3
88 -> 4
104 -> 5

Huomaa seuraava lisäehto: hyväksyttävään suoritukseen tarvitaan vähintään 20 pistettä henkilökohtaisista harjoitustehtävistä ja 10 pistettä harjoitustyöstä.

Läsnäolopisteet annetaan seuraavan skaalan perusteella:

Läsnäoloprosentti käytännön- ja teorialuennoilla -> pisteitä

20% -> 5
40% ->10
60%->15
80%->20

Osa henkilökohtaisista harjoitustehtävistä tehdään käytännöntunneilla yhdessä opettajan kanssa. Näin läsnäolo niillä karruttaa myös harjoitustehtäväpisteitä.

Demokerroilla on oltava läsnä. Läsnäolo demoissa ei karruta läsnäolopisteitä. Poissaolo demoista aiheuttaa 25 % vähennyksen opiskelijan näihin demoihin palauttamien tehtävien pisteisiin. Myös tehtävien palauttaminen myöhässä aiheuttaa 25 prosentin vähennyksen. Tehtäviä ei oteta enää vastaan opintojakson päättymispäivän jälkeen. Opintojakson päättymispäivän jälkeen ei myöskään anneta korvaavia tai täydentäviä tehtäviä. Opiskelija täytyy huolehtia siis siitä, että hän saa kerättyä eri suorituksista riittävästi pisteitä opintojakson aikana.

Hylätty (0)

Opiskelija ei ole opintojakson aikana onnistunut keräämään läpäisyyn riittävää pistemäärää. Näin ollen hän ei ole pystynyt osoittamaan sellaista osaamista, jonka perusteella voitaisiin antaa hyväksyttävä arvosana.

Arviointikriteerit, tyydyttävä (1-2)

Opiskelija tuntee Node.js ajoympäristön toimintaperiaatteita ja soveltamisalueita
Opiskelija tietää, kuinka konfiguraatiotiedostaja voidaan hyödyntää web-sovellusten kehittäisessä ja käyttöönotossa
Opiskelija tuntee keskeiset Web-sovellusten kehittämiseen liittyvät kysymykset
Opiskelija tietää, mikä on web-sovelluskehys
Opiskelija tuntee MVC-arkkitehtuurimallin perusperiaatteita
Opiskelija tuntee keskeisiä web-sovellusten ohjelmoinnissa tarvittavia ohjelmakirjastoja
Opiskelija osaa hyödyntää tehtäviin sopivia työkaluja
Opiskelija osaa ohjelmoida yksinkertaisen dynaamisen www-sivuston web-sovelluskehystä hyödyntäen

Arviointikriteerit, hyvä (3-4)

Opiskelija tuntee Node.js ajoympäristön toimintaperiaatteita ja soveltamisalueita
Opiskelija osaa hyödyntää konfiguraatiotiedostaja web-sovellusten kehittäisessä ja käyttöönotossa
Opiskelija tuntee keskeiset Web-sovellusten kehittämiseen liittyvät periaatteet ja kysymykset sekä osaa toteuttaa niihin liittyviä ratkaisuja
Opiskelija osaa hyödyntää web-sovelluskehystä
Opiskelija hallitsee MVC-arkkitehtuurimallin perusperiaatteet ja osaa toteuttaa niitä käytännössä
Opiskelija osaa käyttää keskeisiä web-sovellusten ohjelmoinnissa tarvittavia ohjelmakirjastoja
Opiskelija osaa hyödyntää tehtäviin sopivia työkaluja
Opiskelija osaa ohjelmoida dynaamisen www-sivuston web-sovelluskehystä hyödyntäen
Opiskelija osaa toteuttaa käyttäjien autentikoinnin, istunnot ja pysyväistaltioinnin
Opiskelija on hyvät valmiudet osallistua web-sovellusta kehittävään projektiin.

Arviointikriteerit, kiitettävä (5)

Opiskelija tuntee Node.js ajoympäristön toimintaperiaatteita ja osaa arvioida sen soveltuvuutta tehtävään
Opiskelija osaa hyödyntää konfiguraatiotiedostaja web-sovellusten kehittäisessä ja käyttöönotossa
Opiskelija hallitsee keskeiset Web-sovellusten kehittämiseen liittyvät periaatteet ja kysymykset sekä osaa toteuttaa ja arvioida niihin liittyviä ratkaisuja
Opiskelija osaa hyödyntää web-sovelluskehystä tehokkasti ja arvioida sen soveltuvuutta tehtävään
Opiskelija hallitsee MVC-arkkitehtuurimallin perusperiaatteet ja osaa toteuttaa niitä käytännössä
Opiskelija osaa arvioida ja käyttää tehokaasti web-sovellusten ohjelmoinnissa tarvittavia ohjelmakirjastoja
Opiskelija osaa hyödyntää tehokkaasti tehtäviin sopivia työkaluja
Opiskelija osaa ohjelmoida dynaamisen www-sivuston web-sovelluskehystä hyödyntäen
Opiskelija osaa suunnitella ja ohjelmoida dynaamisen www-sivuston, jossa on käyttäjien autentikointi, istunnot ja pysyväistaltio
Opiskelija on erinomaiset valmiudet osallistua web-sovellusta kehittävään projektiin.

Tavoitteet

Harjoittelujakson suoritettuaan opiskelija osaa:
- hankkia itselleen tekniikan alan harjoittelupaikan
- tehdä harjoittelusopimuksen
- toimia harjoittelusopimuksen edellyttämien vastuiden ja velvollisuuksien mukaisesti
- olla harjoittelupaikalla sopimuksen mukaisina päivinä ja kellonaikoina
- suorittaa saamiaan työtehtäviä, ainakin opastettuna
- kuvata organisaatioiden toimintaa ja sosiaalisia suhteita
- arvioida harjoittelujakson tuloksia.

Sisältö

Työelämään ja tekniikan alan ammattiin tutustuminen.
Tutkintoon sisältyvän harjoittelun minimilaajuus on 30 op.

Arviointiasteikko

Hyväksytty/Hylätty

Tavoitteet

Opintojakson suoritettuaan opiskelija osaa:

Kuvata mistä pilvipalveluissa on kysymys, miten se vaikuttaa liiketoimintaan ja mitä uusia mahdollisuuksia se voi tarjota.
Kuvata mitä ovat SAAS, PAAS, IAAS, ja niiden käyttökohteet ja hyödyt.
Käyttää joitakin pilvipalvelualustoja.
Kehittää ratkaisun, jossa hyödynnetään pilvipalveluja.

Sisältö

Johdatus pilvipalveluihin
Ohjelmisto palveluna (SAAS)
Sovellusalusta palveluna (PAAS)
Infrastruktuuri palveluna (IAAS)
Virtuaalikoneet ja kontit
Pilvipalvelujen tietoturva
Projektityö

Oppimateriaalit

Task-specific material to be announced separately in Its Learning and in AWS academy.

Opetusmenetelmät

- Weekly face-to-face meetings with lecture teaching and small group work
- Learning by doing and experimenting (exercise tasks, project work, information search)
- Small group work and peer learning
- Self-study material
- Teacher guidance and examples

Tenttien ajankohdat ja uusintamahdollisuudet

No exam, and retake not possible after evaluation grade is published.

Pedagogiset toimintatavat ja kestävä kehitys

FLIP classrooms and learning by doing

Toteutuksen valinnaiset suoritustavat

Not possible

Opiskelijan ajankäyttö ja kuormitus

Contact hours
- Course introduction: 3 hours
- 12 times 3h theory and AWS support: 12 x 3h = 36 hours
- 16 times AWS Academy self paced sessions: 16 x 1h = 16 hours

Home work:
- Working with assignments: approximately 80 hours

Total: approximately 135 hours

Sisällön jaksotus

The course content is divided into four learning objectives(CLOs):

CLO1 Analyze classic data centers and cloud data center solutions.

Introduction to Cloud Computing
1.1 Understand the limitations of traditional computing and evolution of cloud computing
1.2 Understand the concepts of Cluster, Grid and Cloud Computing, its benefits and challenges

Cloud Computing Models and Services
1.3 Explore the standard cloud model, cloud deployment and service delivery models
1.4 Understand service abstraction

Resource Virtualization and Pooling
1.5 Implement physical computing resources virtualization
1.6 Implement machine, server level and operating system virtualization
1.7 Understand resource pooling, sharing and resource provisioning

CLO2 Design a cloud data center based on specific technical requirements.

Resource Virtualization and Pooling
2.1 Implement physical computing resources virtualization
2.2 Implement machine, server level and operating system virtualization

Scaling and Capacity Planning
2.3 Understand the foundation of cloud scaling
2.4 Explore scaling strategies and implement scalable applications
2.5 Explore approaches for capacity planning

Load Balancing
2.6 Explore the goals and categories of load balancing. Explore parameters for consideration.

File System and Storage
2.7 Understand the need for high performance processing and Big Data
2.8 Explore storage deployment models and differentiate various storage types

CLO3 Discuss the need for security, reliability and legal compliance of a cloud data center.
Database Technologies
3.1 Explore database models
3.2 Implement relational and non-relational database as a service

Cloud Computing Security
3.3 Understand the threats to cloud security
3.5 Explore and develop a cloud security model
3.6 Understand Trusted Cloud Computing

Privacy and Compliance
3.7 Explore key privacy concerns in the cloud
3.8 Differentiate security vs. privacy
3.9 Develop a privacy policy

CLO4 Design strategies for the implementation of effective cloud solutions to support business requirements.

Content Delivery Model
4.1 Understand and explore content delivery network models in the cloud

Portability and Interoperability
4.2 Explore portability and interoperability scenarios
4.3 Understand machine imaging
4.4 Differentiate virtual machine and virtual appliance

Cloud Management
4.5 Understand cloud service life cycle
4.6 Understand asset management in the cloud
4.7 Explore cloud service management
4.8 Develop disaster recovery strategies

SELF PACED / FLIP CLASSROOM
In addition to the above theoretical content the students will learn and practice the cloud concepts in AWS academy. The AWS academy online course covers the following modules.

Module 1 - Global Infrastructure
Module 2 - Structures of the Cloud
Module 3 - AWS Console
Module 4 - Virtual Servers
Module 5 - Content Delivery
Module 6 - Virtual Storage
Module 7 - Security 1
Module 8 - Security 2
Module 9 - Monitoring the Cloud
Module 10: Databases
Module 11 - Load Balancers and Caching
Module 12 - Elastic Beanstalk and Cloud Formation
Module 13 - Emerging Technologies in the Cloud
Module 14 - Billing and Support
Module 15 - Other Cloud Features
Module 16 - Optimizing the Cloud with the AWS CDK

Viestintäkanava ja lisätietoja

Course material and assignments in Its Learning and AWS academy.

Arviointiasteikko

H-5

Arviointimenetelmät ja arvioinnin perusteet

Personal assignments: 50 points
AWS Academy Course labs: 30 points
Project: 20 points

The assignments must be returned by the deadline to get the points. The assignments returned after the deadline will give you only half of the points.

Demonstrations of exercises during the contact session is mandatory without demonstration you will lose 50% of your marks.

The grading scale (points -> grade):

50 points -> 1
60 points -> 2
70 points -> 3
80 points -> 4
90 points -> 5

Hylätty (0)

Fail < 50 points

Arviointikriteerit, tyydyttävä (1-2)

50 points -> 1
60 points -> 2

Arviointikriteerit, hyvä (3-4)

70 points -> 3
80 points -> 4

Arviointikriteerit, kiitettävä (5)

90 points -> 5

Tavoitteet

After completing the course the student can:
Describe different project management methods and frameworks and their feasibility to different projects.
Ability to function as a project manager in different phases of a project and produce the project related specifications and documents.
Describe different project management association and certifications.
Risk analysis and quality assurance.

Sisältö

The course covers aspects of different project management methods, such as waterfall and agile as well as different project management associations and certifications. Furthermore, the course covers topics about project management, including project planning, budgeting, scheduling and WBS, risk assessment and quality assurance.

Oppimateriaalit

Various internet sources, links & descriptions online.
Lecture slides.
theFIRMA's and course's Itslearning.

Opetusmenetelmät

Lectures, simulation, group work and independent work, assignment-based learning, project work, online activities and ICT guest lectures.

Tenttien ajankohdat ja uusintamahdollisuudet

No exam.

If a student does not pass the course, they are required to re-enroll and participate in the course during the next available offering, typically the following academic year.

Pedagogiset toimintatavat ja kestävä kehitys

Practical assignments and reports
Project work
Team learning
Self study

Toteutuksen valinnaiset suoritustavat

No optional ways for implementation

Opiskelijan ajankäyttö ja kuormitus

Lectures and on-site activities: 58 hours
Assignments and self study: 67 hours
Guest lectures + report: 10 hours
TOTAL 135 hours

Course includes 8 assignments: 2 individual assignments and 6 group assignments.

Sisällön jaksotus

The course starts with the course introduction and team building followed by Scrum simulation. The focus is set on agile project management, especially Scrum framework. There after the aspects of waterfall project management methodology are discussed. The student learns how to create a realistic project plan, budget, timeframe and risks for the project. In addition, student learns setting up goals for the project that create customer value, scope management, resource allocation and division of work and sizing. IPMA International Project Management Association and other project management institutions and activities are presented as well as IPMA standards – Individual Competence Baseline. Students also practice risk management and risk analysis in more detail. Lastly, quality management in software engineering is handled in lectures and group work.

Viestintäkanava ja lisätietoja

The course's and theFIRMA itslearning and Microsoft Teams.

Arviointiasteikko

H-5

Arviointimenetelmät ja arvioinnin perusteet

Assignments and reports: diagnostic assessment.

Course includes 8 assignments: 2 individual assignments and 6 group assignments. Maximum points of each assignment is 30 points. Thus, the maximum amount of points from assignments is 240. Late submission for the assignments will reduce the points by 50%.

In addition, the course includes guest lectures of which the student is required to write a report. The report is evaluated with the scale 0 – 30 points.

The presence in the lectures, Scrum simulation and facilitated group meetings are marked down. The first and last lectures and facilitated group meetings give the student 2 points, Scrum simulation gives the student 3 points and other lectures give the student 1 point each. In total, there are 30 points from presence.

Altogether these will give the students the maximum of 300 points. These points are evaluated in the following way:
Fail: 0 – 80 points
grade 1: 81 – 123 points
grade 2: 124 – 167 points
grade 3: 168 – 211 points
grade 4: 212 – 255 points
grade 5: 256 – 300 points.

Hylätty (0)

Less than 81 points.

No show, not carrying out responsibilities, disappearing from team work, lack of communication with other team members.

Arviointikriteerit, tyydyttävä (1-2)

Grade 1: 81-123 points
Grade 2: 124-167 points

Poor, but satisfactory performance both in independent work and team work. Low participation on lectures and other activities. Satisfactory guest lecture report.

Arviointikriteerit, hyvä (3-4)

Grade 3: 168-211 points
Grade 4: 212-255 points

Good performance both in team work and independent work. Active participation on lectures and other activities. Good guest lecture report.

Arviointikriteerit, kiitettävä (5)

Grade 5: 256-300 points

Excellent performance both in team work and independent work. Active participation on lectures and other activities. Excellent guest lecture report.

Tavoitteet

By the end of the course, students will be able to:

· Configure VLANs and Inter-VLAN routing applying security best practices.
· Troubleshoot inter-VLAN routing on Layer 3 devices.
· Configure redundancy on a switched network using STP and EtherChannel.
· Troubleshoot EtherChannel on switched networks.
· Explain how to support available and reliable networks using dynamic addressing and first-hop redundancy protocols.
· Configure dynamic address allocation in IPv6 networks.
· Configure WLANs using a WLC and L2 security best practices.
· Configure switch security to mitigate LAN attacks.
· Configure IPv4 and IPv6 static routing on routers.

Sisältö

CCNAv7: Switching, Routing, and Wireless Essentials (SRWE) covers the architecture, components, and operations of routers and switches in small networks and introduces wireless local area networks (WLAN) and security concepts. Students learn how to configure and troubleshoot routers and switches for advanced functionality using security best practices and resolve common issues with protocols in both IPv4 and IPv6 networks. The course includes activities using Packet Tracer, hands-on lab work, and a wide array of assessment types and tools.

Oppimateriaalit

All needed material will be available online in https://www.netacad.com
Further course enrollment instructions are provided by instructor.
Please register to the site using school email.

Tenttien ajankohdat ja uusintamahdollisuudet

Theory final exam and Packet Tracer exam will held in course.
You can do one re-exam within course deadline.
NOTE: Course ending time shown in academy system is not real, please check the course plan for end date!