Data-analytiikka Pythonilla - ANA001AS2A - Opinto-opas

Data-analytiikka Pythonilla, 5 op - ANA001AS2A

Tulevat toteutukset

Ei vielä toteutuksia julkaistu.

Käynnissä olevat toteutukset

Data-analytiikka Pythonilla ANA001AS2A-3002 16.01.2023-19.05.2023 5 op (CONTACT, ...) +-
Opetusmenetelmät ja ohjaus

Lähiopetuksessa opitaan opettajan johdolla Python-koodauksen käyttöä data-analytiikassa. Opiskelija voi oppia myös itsenäisesti valmiiden esimerkkien ja videoiden avulla.

Aiempaa kokemusta koodauksesta ei tarvita.

Oppimateriaali ja suositeltava kirjallisuus

https://tilastoapu.wordpress.com/python

Toimipiste

Pasilan toimipiste

Tenttien ajankohdat ja uusintamahdollisuudet

Opintojaksolla ei ole tenttiä

Opetuskieli

Suomi

Ajoitus

16.01.2023 - 19.05.2023

Oppimistehtävät

Toteutuksella on 4 tehtävää: Tehtävä 1: Kuvaileva analytiikka Tehtävä 2: Selittävä analytiikka Tehtävä 3: Aikasarjat ja aikasarjaennustaminen Tehtävä 4: Ennakoiva analytiikka ja koneoppimisen mallit

Ilmoittautumisaika

02.01.2023 - 13.01.2023
Ryhmä
- CONTACT
- TR3HEANA
Toteutuksen valinnaiset oppimistavat

Toteutuksen voi suorittaa osittain tai kokonaan virtuaalisesti

Opettaja

Aki Taanila

Paikkoja

15 - 45

Arviointitavat

Toteutuksen arvosana tehtävien pistemäärien keskiarvo matemaattisesti pyöristettynä

Koulutus

HELI Liiketalouden koulutusohjelma, TRALI Tradenomi liiketalous

Arviointiasteikko

H-5

Päättyneet toteutukset

Data-analytiikka Pythonilla ANA001AS2A-3001 22.08.2022-16.12.2022 5 op (CONTACT, ...) +-
Toimipiste

Pasilan toimipiste

Opetuskieli

Suomi

Ajoitus

22.08.2022 - 16.12.2022

Ilmoittautumisaika

13.06.2022 - 19.08.2022
Ryhmä
- CONTACT
- LH5PACUS
Opettaja

Juha Nurmonen

Paikkoja

15 - 40

Koulutus

TRALI Tradenomi liiketalous

Arviointiasteikko

H-5

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.

- 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

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

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

Haluatko oppia jalostamaan dataa päätöksenteon tueksi, visualisoimaan dataa, käyttämään ennustemalleja ja automatisoimaan datan analysointia? Opintojaksolla opit käyttämään data-analytiikan keskeisimpiä menetelmiä ja samalla opit Python-koodauksen perusteet.

Aiempaa kokemusta koodauksesta ei tarvita.

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

Opiskelija
- tuntee keskeisimmät datojen lähteet ja tallennusmuodot
- osaa käyttää Pythonilla kuvailevan analytiikan menetelmiä ja joitain selittävän analytiikan menetelmiä
- osaa visualisoida tuloksia graafisesti
- tuntee joitain ennakoivan analytiikan ja koneoppimisen malleja.

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.

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.