Data AnalyticsLaajuus (5 cr)

Learning objectives

Opintojakson tavoitteena on syventää määrällisten datojen analysointiosaamista sekä yhdistää tilastollisten menetelmien ja koodauksen osaaminen. Opintojaksolla perehdytään datan visualisointiin Pythonin avulla. Analysointiosaamisen perusmenetelmät kerrataan oppien samalla Python-koodausta. Opintojaksolla luodaan katsaus keskeisimpiin ennakoivan analytiikan ja koneoppimisen malleihin Python-esimerkkien avulla. Opintojakso sopii data-analytiikasta ja koodauksesta kiinnostuneille opiskelijoille.

Contents

• Tiedostomuodot (Excel, pilkkueroteltu csv, tietokannat, nettisivut).
• Datan valmistelu analytiikkaa varten.
• Datan visualisointia.
• Analysointiosaamisen perusmenetelmät Pythonilla.
• Aikasarjojen analysointi ja aikasarjaennustaminen.
• Ennakoivan analytiikan ja koneoppimisen malleja Pythonilla.

Starting level and linkage with other courses

Opiskelijalla ei tarvitse olla aiempaa kokemusta koodauksesta. Opintojakso suositellaan suoritettavaksi perusopintojen jälkeen.

Implementation methods, demonstration and Work&Study

Opintojakson osaamistavoitteet saavuttaa parhaiten osallistumalla lähiopetukseen. Lähiopetus sisältää
• esimerkkejä, jotka käydään läpi perusteellisesti opettajan johdolla
• yhdessä tehtäviä harjoituksia, joissa ongelmiin etsitään ratkaisuja yhdessä opiskelijakollegojen kanssa
• yksilötehtävien tekemistä, jolloin opettaja auttaa tarvittaessa.
Opiskelija viimeistelee yksilötehtävät omalla ajalla lähiopetuksen ulkopuolella.

Assessment criteria - grade 1

Opiskelija
• tuntee keskeisimmät datojen lähteet ja tallennusmuodot
• osaa ainakin autettuna käyttää Pythonin grafiikkakirjastoja
• osaa ainakin autettuna automatisoida analysointia ja raportointia koodaamalla
• tuntee joitain ennakoivan analytiikan ja koneoppimisen malleja.

Assessment criteria - grade 3

Opiskelija
• osaa poimia, siivota ja yhdistellä datoja eri lähteistä
• osaa käyttää Pythonin grafiikkakirjastoja
• automatisoi analysointia ja raportointia koodaamalla
• osaa autettuna käyttää joitain ennakoivan analytiikan ja koneoppimisen malleja.

Assessment criteria - grade 5

Opiskelija
• osaa sujuvasti poimia, siivota ja yhdistellä datoja eri lähteistä
• osaa sujuvasti käyttää Pythonin grafiikkakirjastoja
• automatisoi sujuvasti analysointia ja raportointia koodaamalla
• osaa omatoimisesti laajentaa Python-osaamistaan
• osaa käyttää joitain ennakoivan analytiikan ja koneoppimisen malleja.

Learning materials

Opettajan laatima verkkomateriaali ja opettajan ilmoittama muu verkkomateriaali. Python-ohjelmointiympäristönä käytetään Anacondaa ja sen mukana tulevaa Jupyter notebookia. Lisätietoa https://tilastoapu.wordpress.com/python/