Data-analytiikka Pythonilla (5 op)

Arviointiasteikko

H-5

Aikataulu

Kurssilla on tunteja viikoittain lukujärjestyksen mukaisesti. Yksityiskohtainen viikkoaikataulu tulee saataville Moodle-oppimisympäristöön, mikäli tutkintojohtaja päättää tämän toteutuksen perustaa. Palautettavien oppimistehtävien aikataulu noudattaa luentojen aikataulua.

Toteutustavat, näyttö ja opinnollistaminen

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

Intro

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.

Oppimateriaalit

Oppimateriaali jaetaan pääasiassa Moodle-oppimisympäristön kautta. Kurssi kokoaa yhteen tärkeimmät tarvittavat data-analytiikan perusteiden tekniikat. Se tarjoaa myös työvälineitä analytiikkaa soveltavaan opinnäytetyöhön. Tällaiset asia muuttuvat koko ajan ja kurssilla hyödynnetään pääsääntöisesti opettajan tekemää ja muuten ajantasaista materiaalia.


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

Opetusmenetelmät ja ohjaus

Kurssitoteutuksella on oppitunteja viikoittain. Tunneilla opitaan opettajan johdolla Python-koodauksen käyttöä data-analytiikassa. Osa tunneista on kohdennettu kurssitehtävien tukemiseen. Erityisesti jokaista kurssitehtävää kohden on siihen liittyvä luento- ja myös ohjausosuus.

Kurssitoteutuksella suhtaudutaan myönteisesti asioiden itsenäiseen opiskeluun valmiiden esimerkkien ja videoiden avulla, Haaga-Helia amk:n linjausten puitteissa.

Aiempaa kokemusta koodauksesta ei tarvita.

Työelämäyhteydet

Opintojakson kurssitoteutukset on tarkoitettu työelämään lähivuosina siirtyville tai siellä jo vaikuttaville opiskelijoille. Kurssin sisältö huomioi alalla käytettävät sisällöt.

Tenttien ajankohdat ja uusintamahdollisuudet

Tentistä ja uusintamahdollisuuksista päätetään toteutuksen osallistujien kesken.

Koe ja uusintakokeet tehdään läsnäkokeena, joissa varmistetaan kokeen tekijän henkilöllisyys.

Kokeissa tekijällä on laaja materiaalien käyttömahdollisuus ja internet-yhteyden hyödyntäminen. Näin ollen koetta ei ole mahdollista tehdä Exam-kokeena.

Kansainvälisyys

Data-analytiikan osaaminen on kansainvälistä osaamista. Menetelmäosaaminen on kansainvälistä.

Toteutuksen valinnaiset oppimistavat

Oppimiselle ei oikoteitä juuri ole ja siinä oleellista on työn tekeminen. Muita tapoja suorituksen saamiseksi Haaga-Helia amk:n opintosuoritusrekisteriin tulee tiedustella opintojakson vastaavalta opettajalta.

Oppimistehtävät

Kurssilla luennoilla esiteltyjä asioita opitaan tekemällä niihin liittyviä tehtäviä. Tehtäviä palautetaan kurssin aikana säännöllisesti, pääsääntöisesti prin, muutaman viikon välein. Tehtävät annetaan ja palautetaan oppimisympäristö Moodlen kautta välityksellä.

Tehtävät koostuvat seuraavista aihealueista: kuvaileva analytiikka, selittävä analytiikka, aikasarjat ja aikasarjaennustaminen, ennakoiva analytiikka ja koneoppimisen mallit.

Arviointitavat

Toteutuksen arvosanan määräytyminen ilmoitetaan toteutuksen alussa.