Data-analytiikka - TKI2HM002 - Opinto-opas

Data-analytiikka, 5 op - TKI2HM002

Tulevat toteutukset

Data-analytiikka TKI2HM002-3020 27.03.2023-19.05.2023 5 op (MAICTF, ...) +-
Toimipiste

Pasilan toimipiste

Opetuskieli

Suomi

Ajoitus

27.03.2023 - 19.05.2023

Ilmoittautumisaika

02.01.2023 - 24.03.2023
Ryhmä
- MAICTF
- EVENING
- CONTACT
- MAENTF
- MADIGF
Opettaja

Aki Taanila

Paikkoja

31 - 50

Koulutus

LUJOM Liiketoiminnan uudistamisen ja johtamisen koulutus, LITEM Liiketoiminnan teknologiat -koulutus, PAKEM Palveluliiketoiminnan johtamisen ja kehittämisen koulutus

Arviointiasteikko

H-5

Käynnissä olevat toteutukset

Ei käynnissä olevia toteutuksia.

Päättyneet toteutukset

Data-analytiikka TKI2HM002-3018 16.01.2023-17.03.2023 5 op (MALEAF, ...) +-
Toimipiste

Pasilan toimipiste

Opetuskieli

Suomi

Ajoitus

16.01.2023 - 17.03.2023

Ilmoittautumisaika

02.01.2023 - 13.01.2023
Ryhmä
- MALEAF
- MAPO
- EVENING
- MACOMF
- MASTRF
- ONLINE
Opettaja

Veijo Vänttinen

Paikkoja

31 - 60

Koulutus

LUJOM Liiketoiminnan uudistamisen ja johtamisen koulutus, LITEM Liiketoiminnan teknologiat -koulutus, PAKEM Palveluliiketoiminnan johtamisen ja kehittämisen koulutus

Virtuaaliosuus

5 op

Arviointiasteikko

H-5
Data-analytiikka TKI2HM002-3019 16.01.2023-17.03.2023 5 op (MASTROMF, ...) +-
Toimipiste

Pasilan toimipiste

Opetuskieli

Suomi

Ajoitus

16.01.2023 - 17.03.2023

Ilmoittautumisaika

02.01.2023 - 13.01.2023
Ryhmä
- MASTROMF
- VIRTUAL
Opettaja

Aki Taanila

Paikkoja

31 - 100

Koulutus

LUJOM Liiketoiminnan uudistamisen ja johtamisen koulutus, LITEM Liiketoiminnan teknologiat -koulutus, PAKEM Palveluliiketoiminnan johtamisen ja kehittämisen koulutus, STROM Strategiatyö organisaatioissa

Virtuaaliosuus

5 op

Arviointiasteikko

H-5
Data-analytiikka TKI2HM002-3016 22.08.2022-14.10.2022 5 op (MAICTF, ...) +-
Toimipiste

Pasilan toimipiste

Opetuskieli

Suomi

Ajoitus

22.08.2022 - 14.10.2022

Ilmoittautumisaika

13.06.2022 - 19.08.2022
Ryhmä
- MAICTF
- EVENING
- CONTACT
- MAENTF
- MADIGF
Opettaja

Veijo Vänttinen

Paikkoja

15 - 40

Koulutus

LUJOM Liiketoiminnan uudistamisen ja johtamisen koulutus, LITEM Liiketoiminnan teknologiat -koulutus, PAKEM Palveluliiketoiminnan johtamisen ja kehittämisen koulutus

Arviointiasteikko

H-5
Data-analytiikka TKI2HM002-3017 22.08.2022-14.10.2022 5 op (MAICTF, ...) +-
Opetusmenetelmät ja ohjaus

Videoluennoilla opetetaan datojen valmistelua, kuvailevaa analytiikkaa, selittävää analytiikkaa, ennakoivaa analytiikkaa ja mallintamista (koneoppimisen malleja).

Opiskelija syventää oppimista omatoimisesti tehtävillä harjoituksilla, joiden aiheet ja datat opiskelija voi vapaasti valita. Jos opiskelijalla ei ole omia datoja, niin harjoittelun voi tehdä opettajan tarjoamilla datoilla.

Opettaja ohjaa tarvittaessa omatoimisten harjoitusten tekemistä verkossa.

Oppimateriaali ja suositeltava kirjallisuus

https://tilastoapu.wordpress.com/python/

Työelämäyhteydet

Työssä käyviä opiskelijoita kannustetaan hyödyntämään omalta työpaikalta löytyviä datoja.

Toimipiste

Pasilan toimipiste

Tenttien ajankohdat ja uusintamahdollisuudet

Ei tenttiä.

Opetuskieli

Suomi

Ajoitus

22.08.2022 - 14.10.2022

Oppimistehtävät

Opiskelija analysoi omatoimisesti erilaisia datoja kurssilla opetettavia menetelmiä käyttäen.

Ilmoittautumisaika

13.06.2022 - 19.08.2022

Aikataulu

22.8. - 26.8. Johdanto data-analytiikkaan / Asenna Anaconda koneellesi
29.8. - 2.9. Kuvaileva analytiikka
5.9. - 9.9. Selittävä analytiikka
12.9. - 16.9. Aikasarjat
19.9. - 23.9. Aikasarjaennustaminen
26.9. - 30.9. Luokittelumallit
3.10. - 7.10. Regressiomallit
Ryhmä
- MAICTF
- MALEAF
- MAPO
- MACOMF
- MAEXPFHA
- MAENTF
- VIRTUAL
- MADIGF
- MASTRF
- MASALF
Opettaja

Aki Taanila

Paikkoja

15 - 40

Arviointitavat

Arvosana määräytyy omien tuotosten perusteella. Jaossa on 20 pistettä neljästä eri osiosta (5 pistettä datan valmistelusta ja kuvailevasta analytiikasta, 5 pistettä selittävästä analytiikasta, 5 pistettä aikasarjoista, ja 5 pistettä mallintamisesta). Kurssin läpäisyyn vaaditaan vähintään 4 pistettä ja arvosana on eri osioiden pisteiden keskiarvo matemaattisesti pyöristettynä.

Koulutus

LUJOM Liiketoiminnan uudistamisen ja johtamisen koulutus, LITEM Liiketoiminnan teknologiat -koulutus, PAKEM Palveluliiketoiminnan johtamisen ja kehittämisen koulutus

Virtuaaliosuus

5 op

Arviointiasteikko

H-5
Data-analytiikka TKI2HM002-3015 28.03.2022-20.05.2022 5 op (MALEAF, ...) +-
Toimipiste

Pasilan toimipiste

Opetuskieli

Suomi

Ajoitus

28.03.2022 - 20.05.2022

Ilmoittautumisaika

03.01.2022 - 25.03.2022
Ryhmä
- MALEAF
- EVENING
- CONTACT
- MADIGF
- MASTRF
- MASALF
Opettaja

Aki Taanila

Paikkoja

15 - 40

Koulutus

LUJOM Liiketoiminnan uudistamisen ja johtamisen koulutus, LITEM Liiketoiminnan teknologiat -koulutus, PAKEM Palveluliiketoiminnan johtamisen ja kehittämisen koulutus

Arviointiasteikko

H-5
Näytä kaikki (5) Piilota

- Prosessiajatteluun perustuva data-analytiikka
- Deskriptiivinen, prediktiivinen ja preskriptiivinen analytiikka
- Strukturoitu, strukturoimaton ja semistrukturoitu aineisto
- Edistynyt/kehittynyt data-analytiikka
- Data-analyysien algoritmit kuten koneoppimisen algoritmit ennakoinnissa
- Merkittävyys, relevanssi ja muut tilastollisesti tärkeät käsitteet tulosten arvioinnissa
- Data-analytiikan sovellusperheitä kuten Microsoft, SAP ja Qlik, SPSS
- Analytiikan ohjelmointikieliä kuten R, Python, C, SQL
- Sosiaalisen median analytiikka ja analyysityövälineet kuten Google Analytics ja SAP Predictive Analytics
- Visualisoinnin ja raportoinnin työvälineitä

Toteutuksesta riippuen lähiopetusta, itsenäistä työskentelyä, pienryhmätyöskentelyä ja verkko-opintoja. Opintojaksolla toteutetaan coaching-työpajoja ja harjoitussessioita (peer-coaching) sekä fasilitointiharjoituksia. Opintojaksoon sisältyy myös pakollisena oman oppimisen arviointi.

Aikaisemmin hankitun osaamisen tunnistaminen ja tunnustaminen (AHOT)
Jos opiskelija omaa työn, opintojen tai muun syyn (esim. sertifiointi) takia kurssin tuottaman osaamisen, voi hän osoittaa osaamisensa näytöllä toteutuksen vastuuopettajan kanssa sovittavalla tavalla. Lisätietoja näyttöprosessista löytyy: https://www.haaga-helia.fi/fi/osaamisen-tunnistaminen-ja-work-study katso kohta "Ohjeet osaamisen tunnistamiseen (master)".

Opintojakso korvaa edellisen opetussuunnitelman kurssit Kvantitatiivinen tutkimus sekä Tiedonhankinta ja –hallinta.

Opintojaksolla ei ole edeltävyysehtoja.

Opiskelija ymmärtää data-analytiikkaprosessin ja pystyy soveltamaan sitä liiketoiminnan kehittämisessä opettajan ohjeistuksen avulla. Opiskelija ymmärtää seuraavat käsitteet: deskriptiivinen, prediktiivinen ja preskriptiivinen analytiikka sekä edistyneen aineiston erityispiirteet. Opiskelija pystyy ratkaisemaan yksinkertaisen liiketoimintaan liittyvän ongelman opettajan ohjauksessa.

Opiskelija osaa tehdä johtopäätöksiä tuloksista ja visualisoida niitä sekä julkaista niitä käyttämällä sopivia digitaalisia työvälineitä. Opiskelija pystyy soveltamaan yhtä tai useampia ennakointialgoritmejä ratkaistakseen liiketoimintaan liittyvän ongelman, mutta tarvitsee siinä opettajan apua. Opiskelija osaa arvioida liiketoimintaraporttien luotettavuutta ja merkityksellisyyttä.

Opiskelija ymmärtää data-analytiikkaprosessin ja pystyy soveltamaan sitä itsenäisesti liiketoimintaan kehittämisessä. Opiskelija ymmärtää seuraavat käsitteet: deskriptiivinen, prediktiivinen ja preskriptiivinen analytiikka sekä edistyneen aineiston erityispiirteet. Opiskelija pystyy ratkaisemaan yksinkertaisen liiketoimintaan liittyvän ongelman itsenäisesti.

Opiskelija osaa tehdä johtopäätöksiä tuloksista ja visualisoida niitä sekä julkaista niitä käyttämällä sopivia digitaalisia työvälineitä. Opiskelija pystyy soveltamaan yhtä tai useampia ennakointialgoritmejä ratkaistakseen itsenäisesti liiketoimintaan liittyvän ongelman. Opiskelija osaa arvioida liiketoimintaraporttien luotettavuutta ja merkityksellisyyttä.

Opiskelija ymmärtää data-analytiikkaprosessin ja pystyy soveltamaan sitä itsenäisesti monimutkaisemmassakin liiketoiminnan kehittämistyössä. Opiskelija ymmärtää seuraavat käsitteet: deskriptiivinen, prediktiivinen ja preskriptiivinen analytiikka sekä edistyneen aineiston erityispiirteet. Opiskelija pystyy ratkaisemaan vaativan liiketoimintaan liittyvän ongelman itsenäisesti.

Opiskelija osaa tehdä johtopäätöksiä tuloksista ja visualisoida niitä sekä julkaista niitä käyttämällä sopivia digitaalisia työvälineitä. Opiskelija pystyy soveltamaan useampia ennakointialgoritmejä ratkaistakseen itsenäisesti liiketoimintaan liittyviä ongelmia. Opiskelija osaa arvioida liiketoimintaraporttien luotettavuutta ja merkityksellisyyttä.