•   Data Analytics with Python ANA001AS2A-3012 13.01.2025-16.05.2025  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.
    Lisätiedot
    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.
    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.

    Oppimateriaali ja suositeltava kirjallisuus

    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

    Työelämäyhteydet

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

    Toimipiste

    Pasilan toimipiste

    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.

    Opetuskieli

    Suomi

    Kansainvälisyys

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

    Ajoitus

    13.01.2025 - 16.05.2025

    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.

    Ilmoittautumisaika

    02.01.2025 - 10.01.2025

    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.

    Ryhmä
    • CONTACT
    • TR3HEANA
    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.

    Opettaja

    Juha Nurmonen

    Paikkoja

    15 - 45

    Arviointitavat

    Toteutuksen arvosanan määräytyminen ilmoitetaan toteutuksen alussa.

    Koulutus

    TRALI Business Administration

    T&K-osuus

    0.00 op

    Virtuaaliosuus

    0.00 op

    Arviointiasteikko

    H-5