Datan analysointi ja visualisointiLaajuus (5 op)
Tunnus: YY00CB89
Laajuus
5 op
Opetuskieli
- suomi
Osaamistavoitteet
Opiskelija osaa
- tutkia datan ominaisuuksia jatkokäsittelyn kannalta
- hyödyntää matemaattisia menetelmiä datan analysoinnissa
- hyödyntää modernia tilastollista työkalua
- visualisoida datan ja analyysin jatkokäyttöä hyödyntävällä tavalla
- tuottaa toistettavan tutkimuksen
Ilmoittautumisaika
06.05.2024 - 25.08.2024
Ajoitus
26.08.2024 - 29.08.2024
Opintopistemäärä
5 op
Virtuaaliosuus
5 op
Toteutustapa
Etäopetus
Yksikkö
Teknologia (LAB)
Toimipiste
Verkkokampus
Opetuskielet
- Suomi
Paikat
10 - 60
Koulutus
- Tekniikan alan koulutus (ylempi AMK), Uudistava johtaminen
- Tekniikan koulutus (ylempi AMK), IoT:stä tekoälyyn
Opettaja
- Minna Asplund
- Henri Koukka
- Erjaleena Koljonen
Opetusryhmät
- Luennot 1 (Koko: 100. Avoin AMK: 0.)
Ryhmät
-
TLTIYITT24KVIoT:stä tekoälyyn (YAMK) 24KV Lahti
-
LLPRYASLI23KVAsiakassuuntautuneen liiketoiminnan kehittäminen (YAMK) 23KV Lappeenranta
-
LLTIYLDR23SVLiiketoiminnan digitaaliset ratkaisut (YAMK) 23SV Lahti
-
TLTIYUJT24SVUudistava johtaminen (YAMK), tekniikan ala 24SV Lahti
Pienryhmät
- Luennot 1
Osaamistavoitteet
Opiskelija osaa
- tutkia datan ominaisuuksia jatkokäsittelyn kannalta
- hyödyntää matemaattisia menetelmiä datan analysoinnissa
- hyödyntää modernia tilastollista työkalua
- visualisoida datan ja analyysin jatkokäyttöä hyödyntävällä tavalla
- tuottaa toistettavan tutkimuksen
Toteutustapa ja opetusmenetelmät
Kurssi toteutetaan yhteensä neljän päivän intensiiviopetuksena. Kaksi viikkoa ennen intensiiviviikkoa avautuvat kurssin ennakkotehtävät.
Opetusmenetelminä käytetään etäopetusta luennoiden, sekä esimerkkeihin perustuvia soveltavia harjoituksia. Mahdollisuuksien mukaan myös äänitteitä.
Ajoitus ja läsnäolo
Intensiivijakso on viikolla 35, ma 26.8. - to 29.8.2024.
Oppimateriaali ja suositeltava kirjallisuus
Opiskelija etsii itsenäisesti sekä kirjallisuuslähteitä että internetin kautta löydettävissä olevia luotettavia lähteitä. Opintojaksolla on esitysmateriaalia.
Uusintamahdollisuudet
Opintojaksolla ei ole tenttiä.
Oppimisympäristö
Kurssin informointi- ja järjestely-ympäristönä käytetään virtuaalista Moodle verkko-oppimisalustaa.
Opiskelijan ajankäyttö ja kuormitus
Yhteisiä tunteja on 23. Kokonaisajankäyttö opiskelijalle on mitoitettu keskimäärin 135 tunniksi.
Sisältö
Kurssi pitää sisällään
- datan tutkimista tilastollisten tunnuslukujen ja visualisoinnin avulla
- estimoinnin perusteet ja tilastolliset testit
- R analytiikan käyttö
- Datan visualisointi web-ympäristössä.
Lisätietoja opiskelijalle: mm. edeltävä osaaminen
Lukion lyhyttä matematiikkaa vastaava osaaminen.
Ohjelmoinnin perusteet tai vastaava osaaminen.
Arviointimenetelmät
Arvioinnin perusteena käytetään opintojaksolla tehtäväksi annettujen tehtävien suorittamisen tasoa.
Arviointiasteikko
1-5
Hylätty (0)
Opiskelija ei ole saavuttanut opintojakson osaamistavoitteita.
Arviointikriteerit: taso 1: (arviointiasteikko 1-5)
Opiskelija osaa käyttää hyväkseen saatavilla olevia tietolähteitä sekä tehdä itsenäisiä ratkaisuja jossain määrin.
Palautettavat tehtävät tulee olla suoritettuina läpipääsyn tasolla.
Arviointikriteerit: taso 3 (arviointiasteikko 1-5)
Opiskelija osaa käyttää itsenäisesti hyväkseen ja soveltaa käytettävissä olevia tietolähteitä.
Palautettavat tehtävät tulee olla suoritettuina siten, että ne ovat tehtäväksiannon mukaisesti oikein ja hyväksytysti suoritettuina.
Arviointikriteerit: taso 5 (arviointiasteikko 1-5)
Opiskelija osaa käyttää hyväkseen, kriittisesti arvioida ja soveltaa käytettävissä olevia tietolähteitä.
Opiskelijalta vaaditaan aktiivista osallistumista keskusteluun, hän on positiivinen keskutelukumppani sekä edistää keskustelua olennaiseen suuntaan ja perustelee mielipiteensä.
Palautettavat tehtävät tulee olla suoritettuina siten, että ne ylittävät annetun tehtäväksiannon tavoitteet.
Ilmoittautumisaika
15.05.2023 - 01.09.2023
Ajoitus
27.11.2023 - 30.11.2023
Opintopistemäärä
5 op
Virtuaaliosuus
5 op
Toteutustapa
Etäopetus
Yksikkö
Teknologia (LAB)
Toimipiste
Verkkokampus, Lahti
Opetuskielet
- Suomi
Paikat
10 - 40
Koulutus
- Täydentävä osaaminen, YAMK
- Tekniikan koulutus (ylempi AMK), IoT:stä tekoälyyn
Opettaja
- Henri Koukka
- Erjaleena Koljonen
- Minna Asplund
Opetusryhmät
- Verkkoluento 1 (Koko: 0. Avoin AMK: 0.)
Ryhmät
-
TLTIYITT23SVIoT:stä tekoälyyn (YAMK) 23SV Lahti
Pienryhmät
- Verkkoluento 1
Osaamistavoitteet
Opiskelija osaa
- tutkia datan ominaisuuksia jatkokäsittelyn kannalta
- hyödyntää matemaattisia menetelmiä datan analysoinnissa
- hyödyntää modernia tilastollista työkalua
- visualisoida datan ja analyysin jatkokäyttöä hyödyntävällä tavalla
- tuottaa toistettavan tutkimuksen
Toteutustapa ja opetusmenetelmät
Kurssi toteutetaan yhteensä neljän päivän intensiiviopetuksena. Kaksi viikkoa ennen intensiiviviikkoa avautuvat kurssin ennakkotehtävät.
Opetusmenetelminä käytetään etäopetusta luennoiden, sekä esimerkkeihin perustuvia soveltavia harjoituksia. Mahdollisuuksien mukaan myös äänitteitä.
Ajoitus ja läsnäolo
Intensiivijakso on syksyllä viikolla 48, ma 27.11- to 30.11.2023.
Oppimateriaali ja suositeltava kirjallisuus
Opiskelija etsii itsenäisesti sekä kirjallisuuslähteitä että internetin kautta löydettävissä olevia luotettavia lähteitä. Opintojaksolla on esitysmateriaalia.
Uusintamahdollisuudet
Opintojaksolla ei ole tenttiä.
Oppimisympäristö
Kurssin informointi- ja järjestely-ympäristönä käytetään virtuaalista Moodle verkko-oppimisalustaa.
Opiskelijan ajankäyttö ja kuormitus
Yhteisiä tunteja on 23. Kokonaisajankäyttö opiskelijalle on mitoitettu keskimäärin 135 tunniksi.
Sisältö
Kurssi pitää sisällään
- datan tutkimista tilastollisten tunnuslukujen ja visualisoinnin avulla
- estimoinnin perusteet ja tilastolliset testit
- R analytiikan käyttö
- Datan visualisointi web-ympäristössä.
Lisätietoja opiskelijalle: mm. edeltävä osaaminen
Lukion lyhyttä matematiikkaa vastaava osaaminen.
Ohjelmoinnin perusteet tai vastaava osaaminen.
Arviointimenetelmät
Arvioinnin perusteena käytetään opintojaksolla tehtäväksi annettujen tehtävien suorittamisen tasoa.
Arviointiasteikko
1-5
Hylätty (0)
Opiskelija ei ole saavuttanut opintojakson osaamistavoitteita.
Arviointikriteerit: taso 1: (arviointiasteikko 1-5)
Opiskelija osaa käyttää hyväkseen saatavilla olevia tietolähteitä sekä tehdä itsenäisiä ratkaisuja jossain määrin.
Palautettavat tehtävät tulee olla suoritettuina läpipääsyn tasolla.
Arviointikriteerit: taso 3 (arviointiasteikko 1-5)
Opiskelija osaa käyttää itsenäisesti hyväkseen ja soveltaa käytettävissä olevia tietolähteitä.
Palautettavat tehtävät tulee olla suoritettuina siten, että ne ovat tehtäväksiannon mukaisesti oikein ja hyväksytysti suoritettuina.
Arviointikriteerit: taso 5 (arviointiasteikko 1-5)
Opiskelija osaa käyttää hyväkseen, kriittisesti arvioida ja soveltaa käytettävissä olevia tietolähteitä.
Opiskelijalta vaaditaan aktiivista osallistumista keskusteluun, hän on positiivinen keskutelukumppani sekä edistää keskustelua olennaiseen suuntaan ja perustelee mielipiteensä.
Palautettavat tehtävät tulee olla suoritettuina siten, että ne ylittävät annetun tehtäväksiannon tavoitteet.
Ilmoittautumisaika
15.08.2022 - 04.09.2022
Ajoitus
14.11.2022 - 31.12.2022
Opintopistemäärä
5 op
Virtuaaliosuus
5 op
Toteutustapa
Etäopetus
Yksikkö
Teknologia (LAB)
Toimipiste
Verkkokampus
Opetuskielet
- Suomi
Paikat
10 - 40
Koulutus
- Tekniikan koulutus (ylempi AMK), IoT:stä tekoälyyn
Opettaja
- Henri Koukka
- Erjaleena Koljonen
- Minna Asplund
Opetusryhmät
- Verkkoluento 1 (Koko: 0. Avoin AMK: 0.)
Ryhmät
-
TLTIYITT22SVIoT:stä tekoälyyn (YAMK) 22SV Lahti
Pienryhmät
- Verkkoluento 1
Osaamistavoitteet
Opiskelija osaa
- tutkia datan ominaisuuksia jatkokäsittelyn kannalta
- hyödyntää matemaattisia menetelmiä datan analysoinnissa
- hyödyntää modernia tilastollista työkalua
- visualisoida datan ja analyysin jatkokäyttöä hyödyntävällä tavalla
- tuottaa toistettavan tutkimuksen
Toteutustapa ja opetusmenetelmät
Kurssi toteutetaan yhteensä neljän päivän intensiiviopetuksena. Kaksi viikkoa ennen intensiiviviikkoa avautuvat kurssin ennakkotehtävät.
Opetusmenetelminä käytetään etäopetusta luennoiden, sekä esimerkkeihin perustuvia soveltavia harjoituksia. Mahdollisuuksien mukaan myös äänitteitä.
Ajoitus ja läsnäolo
Intensiivijakso on ma 28.11.2022 - to 1.12.2022.
Oppimateriaali ja suositeltava kirjallisuus
Opiskelija etsii itsenäisesti sekä kirjallisuuslähteitä että internetin kautta löydettävissä olevia luotettavia lähteitä. Opintojaksolla on esitysmateriaalia.
Uusintamahdollisuudet
Opintojaksolla ei ole tenttiä.
Oppimisympäristö
Kurssin informointi- ja järjestely-ympäristönä käytetään virtuaalista Moodle verkko-oppimisalustaa.
Opiskelijan ajankäyttö ja kuormitus
Yhteisiä tunteja on 23. Kokonaisajankäyttö opiskelijalle on mitoitettu keskimäärin 135 tunniksi.
Sisältö
Kurssi pitää sisällään
- datan tutkimista tilastollisten tunnuslukujen ja visualisoinnin avulla
- estimoinnin perusteet ja tilastolliset testit
- R analytiikan käyttö
- Datan visualisointi web-ympäristössä.
Lisätietoja opiskelijalle: mm. edeltävä osaaminen
Lukion lyhyttä matematiikkaa vastaava osaaminen.
Ohjelmoinnin perusteet tai vastaava osaaminen.
Arviointimenetelmät
Arvioinnin perusteena käytetään opintojaksolla tehtäväksi annettujen tehtävien suorittamisen tasoa.
Arviointiasteikko
1-5
Hylätty (0)
Opiskelija ei ole saavuttanut opintojakson osaamistavoitteita.
Arviointikriteerit: taso 1: (arviointiasteikko 1-5)
Opiskelija osaa käyttää hyväkseen saatavilla olevia tietolähteitä sekä tehdä itsenäisiä ratkaisuja jossain määrin.
Palautettavat tehtävät tulee olla suoritettuina läpipääsyn tasolla.
Arviointikriteerit: taso 3 (arviointiasteikko 1-5)
Opiskelija osaa käyttää itsenäisesti hyväkseen ja soveltaa käytettävissä olevia tietolähteitä.
Palautettavat tehtävät tulee olla suoritettuina siten, että ne ovat tehtäväksiannon mukaisesti oikein ja hyväksytysti suoritettuina.
Arviointikriteerit: taso 5 (arviointiasteikko 1-5)
Opiskelija osaa käyttää hyväkseen, kriittisesti arvioida ja soveltaa käytettävissä olevia tietolähteitä.
Opiskelijalta vaaditaan aktiivista osallistumista keskusteluun, hän on positiivinen keskutelukumppani sekä edistää keskustelua olennaiseen suuntaan ja perustelee mielipiteensä.
Palautettavat tehtävät tulee olla suoritettuina siten, että ne ylittävät annetun tehtäväksiannon tavoitteet.