Siirry suoraan sisältöön

Insinööri (ylempi AMK), Data Engineering and AI: YDATIS24

Tunnus: YDATIS24

Tutkinto:
Tekniikan ylempi ammattikorkeakoulututkinto

Tutkintonimike:
Insinööri (ylempi AMK)

Laajuus:
60 op

Kesto:
1.5 vuotta (60 op)

Aloituslukukausi:
Syksy 2024

Opetuskieli:
suomi

Koulutuksen kuvaus

Koulutuksen kuvaus

Data Engineering and AI -koulutus on suunnattu työelämässä pätevöityneille tietotekniikan, elektroniikan tai tietoliikennetekniikan insinööreille, jotka haluavat syventää osaamistaan ja asiantuntemustaan datan hallinnan ja tekoälyn osalta. Koulutuksesta valmistut ylempään AMK-tutkintoon, eli Master-tutkintoon.

Data Engineering and AI -koulutuksessa vaativan erityistason osaamisesi laajenee, joten saat uusia näkökulmia alan käytänteiden soveltamiseksi työtehtävissäsi. Opit ennakoimaan toimintaympäristön muutoksia ja pystyt luomaan kokonaiskuvaa toiminnan muutostarpeista sekä toteuttamaan tarvittavia kehittämistoimia. Koulutuksessa perehdyt data hallintaan, kuten tiedon keräämiseen, valmisteluun ja muokkaamiseen dataa käyttäviä sovelluksia varten. Lisäksi perehdyt koneoppimisen prosessiin ja algoritmeihin sekä tekoälyyn. Työskentelysi koulutuksen aikana ja oppimistehtävien sekä opinnäytetyönä tehtävän kehittämishankkeen nivominen työtehtäviisi mahdollistaa samalla työnantajaorganisaation toimintojen kehittämisen.

Data Engineering and AI -koulutus on osa Turun AMK:n Master Schoolia ja sen Professional Excellence -tarjontaa. Opinnot koostuvat kaikille Master-tason koulutuksille yhteisistä opinnoista sekä oman erityisalan syventävistä opinnoista. Koulutuksen kokoavina teemoina ovat massadatan hallinta sekä tekoälypohjaisten ratkaisujen kehittäminen. Näihin liittyy myös opinnäytetyö, joka tyypillisesti tehdään työelämään liittyvänä kehittämistehtävänä. Teemojen mukaista osaamista tarvitaan kaikissa organisaatioissa.

Opintojen rakenne

Data Engineering and AI -koulutuksen laajuus on 60 op ja kesto työn ohessa suoritettuna on 1,5 vuotta. Tutkintonimike on insinööri (ylempi AMK).

Opinnot koostuvat
• syventävistä opinnoista (ydinosaaminen) 20 op
• vapaasti valittavista opinnoista (laajentava osaaminen) 10 op
• opinnäytetyöstä 30 op.

Ydinosaamisen opinnot koostuvat menetelmäopinnoista sekä aiempia opintoja syventävistä ammatillisista opinnoista. Syventävien opintojen teemoja ovat:
– Datan hallinnan (Data Engineering) käytännöt
– Koneoppimisen prosessi ja algoritmit
– Tekoälyn sovellukset

Moni koulutuksesta valmistunut toimii jossakin vaiheessa uraansa joko itsenäisenä yrittäjänä tai yrityksen vastuullisissa johto- tai asiantuntijatehtävissä. Vapaasti valittavilla opinnoilla voit laajentaa osaamistasi esimerkiksi liiketoimintaosaamisesta ja projektijohtamisesta valitsemalla opintoja Turun AMK:n muiden Master-koulutusten tai muiden korkeakoulujen tai yliopistojen tarjonnasta. Vapaasti valittavia opintoja on tarjolla runsaasti myös täysin virtuaalisena verkko-opetuksena.

Opinnäytetyö toteutetaan kehittämishankkeena, jossa on selkeä tutkimuksellinen ote ja tiivis kytkentä käytännön työhön. Opinnäytetyö suoritetaan useimmiten opiskelijan omassa organisaatiossa tehtävänä kehittämis- tai tutkimustyönä. Mikäli opiskelija ei saa varsinaiselta työpaikaltaan koulutuksen tarpeiden mukaista kehittämistehtävää tai hänellä ei ole työsuhdetta, tarjoavat Turun ammattikorkeakoulun tutkimusryhmät opinnäytetyöksi soveltuvia aiheita.

Kansainvälistyminen

Kansainvälistyminen lähtee opiskelijan omista tarpeista tehtäväkuvan mukaan. Opinnäytetyöhön voidaan kytkeä kansainvälinen näkökulma esimerkiksi osallistumalla oman alan kansainväliseen konferenssiin tai seminaariin. Kansainvälisellä näkökulmalla tuetaan osaltaan myös kielitaiton kehittymistä. Suuri osa opintojaksojen ja oppimistehtävien lähdemateriaalista on kansainvälistä ammatti- ja tiedeaineistoa. YAMK-opiskelijoilla on mahdollisuus päästä mukaan kansainvälisiin tutkimus- ja kehittämisprojekteihin. Myös kansainvälinen opiskelijavaihto on mahdollista.

Koulutuksen antama pätevyys

Ylempi AMK -tutkinto on korkeakoulututkinto, joka antaa saman kelpoisuuden julkisiin virkoihin ja tehtäviin kuin esimerkiksi yliopistossa suoritettu ylempi korkeakoulututkinto.

Koulutus noudattaa eurooppalaisen tutkintojen viitekehyksen (EQF) mukaisia osaamisen tasokuvauksia sekä tutkintojen ja muun osaamisen kansallisen viitekehyksen osaamiskuvauksia. Ylemmän ammattikorkeakoulututkinnon osaamista vastaava taso on 7 eli sama kuin yliopiston maisteri- ja DI-tutkinnoissa.

Uramahdollisuudet

Koulutus antaa opiskelijalle monipuoliset valmiudet erityisesti datan hallintaan ja tekoälyyn liittyviin tehtävien suunnitteluun, läpivientiin ja johtamiseen. Koulutuksen suorittanut saa myös valmiudet toimia vaativissa projektien johto- ja hallintatehtävissä tai asiantuntija- ja kehittämistehtävissä eri alojen yrityksissä tai julkisella sektorilla. Tutkimukset osoittavat, että suoritetuilla tutkinnolla on vaikutusta urien ja työnkuvien kehitykseen. Koulutus on suunniteltu lisäämään tutkinnon suorittajan henkilökohtaisia valmiuksia kehittää itseään ja osaamistaan jatkuvasti muuttuvassa ympäristössä. Opiskelusta on hyötyä myös työnantajalle, sillä oppimistehtävät voidaan soveltaa oman työn ja työpaikan kehittämiseen. Tutkinto vahvistaa mahdollisuuksia hakeutua haastavampiin työtehtäviin, lisää tietoja ja taitoja myös projektijohtamisesta ja liiketoimintaosaamisesta sekä varmuutta verkostoissa toimimiseen.

Jatko-opintomahdollisuudet

Ylemmän AMK-tutkinnon ammattikorkeakoulututkinnon suoritettuasi sinulla on samat jatko-opintomahdollisuudet kuin yliopistossa suoritetun ylemmän korkeakoulututkinnon jälkeen. Yliopistot voivat asettaa ehtoja jatkotutkinto-oikeuden myöntämiselle esimerkiksi täydentävien siltaopintojen muodossa.

Ylempi AMK-tutkinto antaa myös kelpoisuuden hakeutua ammatilliseen opettajankoulutukseen.

Yhteistyö muiden toimijoiden kanssa

Data Engineering and AI -koulutusta suunnitellaan ja toteutetaan yhdessä työelämän kanssa. Työelämäyhteys muodostuu ensisijaisesti opiskelijan, opiskelijan työpaikan ja koulutuksen välille. Erilaisissa tehtävissä työskentelevien opiskelijoiden keskinäisellä vuorovaikutuksella on merkittävä osuus ammattitaidon kehittymisessä ja yhteistyöverkostojen luomisessa.

Tutkinnon keskeisin elementti on työelämää palveleva kehittämistehtävä, josta syntyy varsinainen opinnäytetyö. Opinnäytetyö lisää opiskelijan ammattitaitoa ja osaamista sekä palvelee työelämän kehittämistarpeita. Myös tutkimus- ja kehitystoiminnassa on mukana useita paikallisia ja kansainvälisiä kumppaneita.

Joustavan opinto-oikeuden puitteissa opiskelija voi osallistua mm. Turun yliopiston ja Åbo Akademin opintojaksoille ja sisällyttää näitä suorituksia omaan tutkintoonsa. Opiskelija voi hyödyntää myös Suomen ammattikorkeakoulujen yhteistä verkko-opintotarjontaa CampusOnlinessa: http://campusonline.fi/

Tutkimuksen painopisteet

Dataa hyödynnetään lukuisissa käyttökohteissa mm. liikkeenjohdossa, taloushallinnossa, palvelu- ja tuotekehityksessä, markkinoinnissa ja myynnissä. Monet Turun ammattikorkeakoulun liiketoiminnan, tekniikan, taiteen sekä terveyden ja hyvinvoinnin tutkimusryhmät suorittavat datan analysointia ja hyödyntävät tekoälyn eri muotoja, kuten esim. koneoppimista omissa tutkimusprojekteissaan. Tutkimusryhmät voivat myös tarjota datan hallintaan ja tekoälyyn liittyviä projektitöitä tai opinnäytetyön aiheita opiskelijoille.

Pedagogiset toimintatavat

Opinnot on mahdollista suorittaa työn ohessa. Opiskelu on monimuoto-opiskelua, joka sisältää sekä lähi- että etäjaksoja. Itsenäisen työskentelyn lisäksi yhteisöllisesti tiimeissä tapahtuvalla työelämälähtöisten oppimis- ja kehittämistehtävien ratkaisemisella on merkittävä rooli opinnoissa.

Koulutuksessa sovelletaan aikuispedagogiikkaa. Työskentely tapahtuu osittain verkossa verkkopedagogiikan menetelmiä hyödyntäen ja monialaisissa toimintaympäristöissä. Lähiopetuspäiviä on kuukausittain keskimäärin kaksi peräkkäistä arkipäivää, jotka toteutetaan innovatiivisia opetus- ja oppimismenetelmiä hyödyntäen. Opintoihin kuuluu vaihtelevasti teoriaopetusta ja laboratoriotyöskentelyä lähipäivinä sekä verkko-opintoja, harjoitustöitä, projekteja ja työharjoittelua etäopiskeluna

Arviointi

Ylemmän ammattikorkeakoulututkinnon osaamistasotavoitteet perustuvat ammattikorkeakoululainsäädäntöön ja eurooppalaisen tutkintojen viitekehyksen ylemmän korkeakoulututkinnon tasoon EQF 7. Kunkin opintojakson arviointiperusteet on kuvattu opintojakson toteutussuunnitelmassa. Suoritusvaatimukset vaihtelevat tavoitteiden, sisällön ja toteutustavan mukaan.

Opintojaksoissa ja opinnäytetyössä käytetään numeroarviointia asteikolla 0 – 5, jossa arvosana 1 on alin hyväksytty ja 5 korkein arvosana. Opintojaksojen arviointimenetelmät vaihtelevat opintokokonaisuuden tavoitteiden perusteella. Arviointi voi kohdistua joko tuotokseen (esim. raportti tai seminaariesitys) tai prosessiin (oma aktiivisuus ja toiminta opintojakson aikana) tai molempiin. Opettajan arvioinnin lisäksi arviointimenetelminä käytetään vertais- ja itsearviointia sekä saadaan palautetta toimeksiantajilta

Valitse opintojen ajoitus-, rakenne- tai jäsentelynäkymä

Näytä opintojen ajoitukset lukuvuosittain, lukukausittain tai periodeittain

Tunnus Opinnon nimi Laajuus (op) 2024-2025 2025-2026 Syksy 2024 Kevät 2025 Syksy 2025 1. / 2024 2. / 2024 3. / 2025 4. / 2025 5. / 2025 1. / 2025 2. / 2025
YDINOSAAMINEN

(Valitaan kaikki)

20
YDATIS24-1001
Tulevaisuuden tekijät

(Valitaan kaikki)

10
MS00BP40 Tulevaisuuden toimintaympäristöt 5 5 5 2.5 2.5
MS00BP16 Tutkimus- ja kehittämismenetelmät 5 5 5 2.5 2.5
YDATIS24-1002
Basics of Data Engineering & AI

(Valitaan kaikki)

10
MS00CN43 Introduction to Data Engineering and AI Technologies 5 5 5 2.5 2.5
MS00CN44 Introduction to Cloud Technologies and Security 5 5 5 2.5 2.5
LAAJENTAVA OSAAMINEN

(Valitaan erillisten kriteerien mukaan: 10)

10
YDATIS24-1003
Vapaasti valittavat opinnot

(Valitaan opintopisteitä: 10)

10 10 10 3.3 3.3 3.3
YDATIS24-1004
Data Engineering

(Valitaan erillisten kriteerien mukaan: 10)

0 - 10
MS00CN45 MLOps 5
MS00CN46 Data Engineering project 5
YDATIS24-1005
Artificial Intelligence

(Valitaan erillisten kriteerien mukaan: 10)

0 - 10
MS00CN47 Components and Application of Artificial Intelligence 5
MS00CN48 AI project 5
OPINNÄYTETYÖ

(Valitaan kaikki)

30
MS00BP41 Opinnäytetyö 30 10 20 10 20 3.3 3.3 3.3 10 10
Yhteensä 60 30 20 20 10 20 10 10 3.33 3.33 3.33 10 10

Lukukausi- ja lukuvuosikohtaiset opintopistekertymät vaihtelevat valinnaisten ja vapaasti valittavien opintojen ajoituksesta johtuen.

Tunnus Opinnon nimi Laajuus (op)
YDINOSAAMINEN

(Valitaan kaikki)

20
YDATIS24-1001
Tulevaisuuden tekijät

(Valitaan kaikki)

10
MS00BP40 Tulevaisuuden toimintaympäristöt 5
MS00BP16 Tutkimus- ja kehittämismenetelmät 5
YDATIS24-1002
Basics of Data Engineering & AI

(Valitaan kaikki)

10
MS00CN43 Introduction to Data Engineering and AI Technologies 5
MS00CN44 Introduction to Cloud Technologies and Security 5
LAAJENTAVA OSAAMINEN

(Valitaan erillisten kriteerien mukaan: 10)

10
YDATIS24-1003
Vapaasti valittavat opinnot

(Valitaan opintopisteitä: 10)

10
YDATIS24-1004
Data Engineering

(Valitaan erillisten kriteerien mukaan: 10)

0 - 10
MS00CN45 MLOps 5
MS00CN46 Data Engineering project 5
YDATIS24-1005
Artificial Intelligence

(Valitaan erillisten kriteerien mukaan: 10)

0 - 10
MS00CN47 Components and Application of Artificial Intelligence 5
MS00CN48 AI project 5
OPINNÄYTETYÖ

(Valitaan kaikki)

30
MS00BP41 Opinnäytetyö 30