Luennoilla harjoitellaan datojen valmistelua, kuvailevaa analytiikkaa, selittävää analytiikkaa, ennakoivaa analytiikkaa ja mallintamista (koneoppimisen malleja) opettajan johdolla. Lähiopetuksesta poissa olleet voivat suorittaa samat harjoitukset itsenäisesti oppimateriaalien avulla.
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.
Luentojen jälkeen opettaja ohjaa tarvittaessa omatoimisten harjoitusten tekemistä.
https://tilastoapu.wordpress.com/python/
Työssä käyviä opiskelijoita kannustetaan hyödyntämään omalta työpaikalta löytyviä datoja.
Pasilan toimipiste
Ei tenttiä.
Suomi
20.01.2020 - 22.05.2020
Opiskelija analysoi omatoimisesti erilaisia datoja kurssilla opetettavia menetelmiä käyttäen.
02.01.2020 - 24.01.2020
Päivä Aihe Lisätietoa
22.1. Johdanto data-analytiikkaan Asenna Anaconda koneellesi
29.1. Datan valmistelu
5.2. Kuvaileva analytiikka
12.2. Kuvaileva analytiikka
19.2. Ei opetusta
26.2. Selittävä analytiikka
4.3. Selittävä analytiikka
11.3. Aikasarjat
18.3. Aikasarjat
25.3. Ei opetusta
1.4. Aikasarjaennustaminen
8.4. Aikasarjaennustaminen
15.4. Regressio
22.4. Regressio
29.4. Luokittelu
6.5. Luokittelu
13.5.
20.5.
Aki Taanila
15 - 40
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.
HELI Liiketalouden koulutusohjelma
0.00 op
0.00 op
H-5