Luennoilla harjoitellaan datojen kuvailevaa analysointia, 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. Lähiopetuksen luentojen jälkeen opettaja ohjaa tarvittaessa myös omatoimisten harjoitusten tekemistä.
https://tilastoapu.wordpress.com/python/
Työssä käyviä opiskelijoita kannustetaan hyödyntämään omalta työpaikalta löytyviä datoja.
Pasilan toimipiste
Ei tenttiä.
Suomi
19.08.2019 - 13.12.2019
Opiskelija kerää omatoimisten harjoitusten tuotokset portfolioksi, jonka perusteella määräytyy arvosana.
17.06.2019 - 23.08.2019
ti 20.9. klo 14 - 17 luokka 3013
Anaconda, Jupyter notebook, ohjelmakirjastot
Asenna Anaconda omalle läppärille
27.8.
Datan valmistelu
3.9.
Lukumääriä ja prosentteja
10.9.
Lukumääriä ja prosentteja
17.9.
Pivot
24.9.
Ei lähiopetusta
1.10.
Tunnuslukuja
8.10.
Aikasarjat
15.10.
Intensiiviviikko, ei lähiopetusta
22.10. klo 14-17 luokka 4003
Aikasarjaennustaminen
29,10.
Regressiomallit
5.11.
Luokittelumallit
12.11.
Tilatollinen merkitsevyys, tulosten raportointi
19.11.
Muita välineitä data-analytiikkaan
26.11.
Omaa harjoittelua
3.12.
Omaa harjoittelua
10.12.
Omaa harjoittelua
Aki Taanila
15 - 40
Arvosana määräytyy portfolion perusteella. Jaossa on 30 pistettä (10 pistettä datan kuvailusta, 10 aikasarjoista, 10 pistettä mallintamisesta). Kurssin arvosana on pistemäärä jaettuna kuudella.
HELI Liiketalouden koulutusohjelma
0.00 op
0.00 op
H-5