Data Analytics with PythonLaajuus (5 cr)

Learning objectives

Opintojakson tavoitteena on yhdistää data-analytiikan menetelmien ja koodauksen osaaminen. Data-analytiikan perusmenetelmät käydään läpi oppien samalla Python-koodausta. Opintojaksolla luodaan katsaus keskeisimpiin ennakoivan analytiikan ja koneoppimisen malleihin Python-esimerkkien avulla. Opintojakso sopii data-analytiikasta, data-analytiikan automatisoinnista ja koodauksesta kiinnostuneille opiskelijoille.

Contents

- tiedostomuodot (Excel, pilkkueroteltu csv, tietokannat, nettisivut).
- datan valmistelu analytiikkaa varten
- kuvailevan ja selittävän analytiikan menetelmät Pythonilla
- tulosten graafinen esittäminen
- aikasarjojen analysointi ja aikasarjaennustaminen Pythonilla
- ennakoivan analytiikan ja koneoppimisen malleja Pythonilla

Starting level and linkage with other courses

Opintojakso suositellaan suoritettavaksi perusopintojen jälkeen. Opintojaksoa täydentämään sopii opintojakso Pythonin ja Excelin yhteiskäyttö (ANA007AS2A) joko ennen, yhtäaikaa tai jälkeen.

Implementation methods, demonstration and Work&Study

a. Contact-toteutus, jossa on tehtävät ja itsenäinen työskentely
b. Online-toteutus, jossa on verkko-opetusta, tehtävät ja itsenäinen työskentely
c. Blended-toteutus, jossa on osittain lähiopetusta ja osin verkko-oppimista tehtävineen ja itsenäinen työskentely
d. Virtual-toteutus, jossa on verkko-oppimista tehtävineen ja itsenäinen työskentely

Mikäli jo osaat tämän opintojakson osaamistavoitteet, voit näyttää osaamisesi. Kysy lisää opintojakson opettajalta. Lisätietoja osaamisen tunnistamisesta: https://www.haaga-helia.fi/fi/osaamisen-tunnistaminen-ja-work-study

Assessment criteria - grade 1

Opintojaksojen CONTACT, ONLINE ja BLENDED -toteutuksilla edellytämme läsnäoloa lukujärjestykseen merkityillä opetuskerroilla. Jos olet poissa opetuskerroilta yli 25% arvosanasi laskee yhdellä numerolla. Jos olet poissa opetuskerroilta yli 50%, opintojakso hylätään.

Assessment criteria - grade 3

Opiskelija
- osaa etsiä Python-ohjeita netistä
- osaa poimia, siivota ja yhdistellä datoja eri lähteistä
- osaa käyttää kuvailevan ja selittävän analytiikan menetelmiä
- laatii viimeisteltyjä graafisia visualisointeja
- viimeistelee tulokset lähes raportointikelpoiseen muotoon ja tulkitsee niitä sanallisesti
- osaa käyttää joitain ennakoivan analytiikan ja koneoppimisen malleja.

Assessment criteria - grade 5

Opiskelija
- osaa omatoimisesti laajentaa Python-osaamistaan
- osaa sujuvasti poimia, siivota ja yhdistellä datoja eri lähteistä
- käyttää sujuvasti kuvailevan ja selittävän analytiikan menetelmiä
- käyttää monipuolisia graafisia visualisointeja
- viimeistelee tulokset raportointikelpoiseen muotoon ja tulkitsee niitä asiantuntevasti
- osaa käyttää sujuvasti useita ennakoivan analytiikan ja koneoppimisen malleja sekä osaa valita tilanteeseen sopivimman mallin.

Learning materials

https://tilastoapu.wordpress.com/python ja muu opettajan suosittelema verkkomateriaali