•   Data Analytics with Python ANA001AS2A-3002 16.01.2023-19.05.2023  5   (CONTACT, ...) +-
    Osaamistavoitteet
    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.
    Lähtötaso ja sidonnaisuudet muihin opintojaksoihin
    Opintojakso suositellaan suoritettavaksi perusopintojen jälkeen. Opintojaksoa täydentämään sopii opintojakso Pythonin ja Excelin yhteiskäyttö (ANA007AS2A) joko ennen, yhtäaikaa tai jälkeen.
    Sisältö
    - 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
    Arviointikriteerit
    Arviointikriteeri - arvosana 1
    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.
    Arviointikriteeri - arvosana 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.
    Arviointikriteeri - arvosana 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.
    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 Degree Programme in Business Management, TRALI Business Administration

    Arviointiasteikko

    H-5