Advanced Data AnalyticsLaajuus (5 cr)

Learning objectives

Opintojakson tavoitteena on
- oppia tekemään datalle mallien edellyttämiä muunnoksia
- oppia soveltamaan koneoppimisen malleja eri työkaluilla
- oppia valitsemaan dataan parhaiten sopivat mallit
- oppia säätämään mallien parametreja.

Contents

- datan siivoaminen ja datan muunnokset
- koneoppimisen mallien taustaa ja vertailua
- esimerkkejä työkaluista ja palveluista
- mallien säätäminen

Starting level and linkage with other courses

Edeltävyysehtona opintojakson data-analytiikka Pythonilla (ANA001AS2A) suorittaminen tai muulla tavalla hankitut vastaavat taidot.

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

Yhdistelee datoja eri lähteistä. Tekee datalla muunnoksia parempien mallien aikaan saamiseksi. Osaa käyttää useita välineitä ja palveluita koneoppimisen malleihin ja/tai monimuuttujamenetelmiin.

Assessment criteria - grade 5

Valitsee käyttötilanteeseen parhaiten soveltuvan työkalun tai palvelun. Kykenee omatoimisesti ottamaan käyttöön uusia työkaluja ja palveluita.

Learning materials

Opettajan ilmoittama materiaali.