Data Analytics with Python - Study guide

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.

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

- 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

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.

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.

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

Aiempaa kokemusta koodauksesta ei tarvita.

https://tilastoapu.wordpress.com/python

Pasilan toimipiste

Opintojaksolla ei ole tenttiä

Suomi

16.01.2023 - 19.05.2023

Toteutuksella on 4 tehtävää, joissa sovelletaan opittuja taitoja opettajan tarjoamiin tai omiin datoihin: Tehtävä 1: Kuvaileva analytiikka Tehtävä 2: Selittävä analytiikka Tehtävä 3: Aikasarjat ja aikasarjaennustaminen Tehtävä 4: Ennakoiva analytiikka ja koneoppimisen mallit

02.01.2023 - 13.01.2023

CONTACT
TR3HEANA

Lähiopetukseen osallistuminen ei ole pakollista. Opintojaksonn voi suorittaa osittain tai kokonaan virtuaalisesti

Aki Taanila

15 - 45

Toteutuksen arvosana tehtävien pistemäärien keskiarvo matemaattisesti pyöristettynä

HELI Degree Programme in Business Management, TRALI Business Administration

0.00 op

H-5