Data-analytiikka (5 op)

Arviointiasteikko

H-5

Aikataulu

Päivä Aihe Lisätietoa
Johdanto data-analytiikkaan Asenna Anaconda koneellesi
Datan valmistelu
Kuvaileva analytiikka
Selittävä analytiikka
Aikasarjat
Aikasarjaennustaminen
Regressio
Luokittelu

Toteutustavat, näyttö ja opinnollistaminen

Opintojakson osaamistavoitteet saavuttaa parhaiten osallistumalla lähiopetukseen. Lähiopetus sisältää
• esimerkkejä, jotka käydään läpi perusteellisesti opettajan johdolla
• yhdessä tehtäviä harjoituksia, joissa ongelmiin etsitään ratkaisuja yhdessä opiskelijakollegojen kanssa
• yksilötehtävien tekemistä, jolloin opettaja auttaa tarvittaessa.
Opiskelija viimeistelee yksilötehtävät omalla ajalla lähiopetuksen ulkopuolella.

Oppimateriaalit

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

Opetusmenetelmät ja ohjaus

Verkkoluennoilla harjoitellaan datojen valmistelua, kuvailevaa analytiikkaa, selittävää analytiikkaa, ennakoivaa analytiikkaa ja mallintamista (koneoppimisen malleja) opettajan johdolla. Verkkoluennot ovat tarjolla myös nauhoitteina.

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.

Opettaja ohjaa tarvittaessa omatoimisten harjoitusten tekemistä verkossa.

Työelämäyhteydet

Työssä käyviä opiskelijoita kannustetaan hyödyntämään omalta työpaikalta löytyviä datoja.

Tenttien ajankohdat ja uusintamahdollisuudet

Ei tenttiä.

Oppimistehtävät

Opiskelija analysoi omatoimisesti erilaisia datoja kurssilla opetettavia menetelmiä käyttäen.

Arviointitavat

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.