Academic year 2022 - 2023

•   Data Analyzation and Visualization YY00CB89-3003 14.11.2022-31.12.2022  5 credits  (TLTIYITT22SV) +-
  Mode of delivery

  Distance learning

  Learning material and recommended literature

  Opiskelija etsii itsenäisesti sekä kirjallisuuslähteitä että internetin kautta löydettävissä olevia luotettavia lähteitä. Opintojaksolla on esitysmateriaalia. (not translated)

  Implementation and methods of teaching

  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. (not translated)

  Assessment methods and criteria

  Arvioinnin perusteena käytetään opintojaksolla tehtäväksi annettujen tehtävien suorittamisen tasoa. (not translated)

  Language of instruction

  Finnish

  Timing

  14.11.2022 - 31.12.2022

  Enrollment date

  15.08.2022 - 04.09.2022

  • 5 credits

  Group(s)

  • TLTIYITT22SV

  Seats

  10 - 40

  Small group(s)

  • Verkkoluento 1 (Size: 0. Open university: 0.)

  Teacher(s)

  Henri Koukka, Erjaleena Koljonen, Minna Asplund

  Additional information for students: previous knowledge etc.

  Lukion lyhyttä matematiikkaa vastaava osaaminen.
  Ohjelmoinnin perusteet tai vastaava osaaminen. (not translated)

  Unit, in charge

  Faculty of Technology (LAB)

  Degree Programme(s)

  Master’s Degree Programme in Engineering, from IoT to AI

  Unit location

  E-campus

  Virtual proportion

  5 credits

  Assessment methods

  1-5

  Dates for exams and retakes

  Opintojaksolla ei ole tenttiä. (not translated)

  Learning environment

  Kurssin informointi- ja järjestely-ympäristönä käytetään virtuaalista Moodle verkko-oppimisalustaa. (not translated)

  Students use of time and workload

  Yhteisiä tunteja on 23. Kokonaisajankäyttö opiskelijalle on mitoitettu keskimäärin 135 tunniksi. (not translated)

  Contents

  Kurssi pitää sisällään
  - datan tutkimista tilastollisten tunnuslukujen ja visualisoinnin avulla
  - estimoinnin perusteet ja tilastolliset testit
  - R analytiikan käyttö
  - Datan visualisointi web-ympäristössä. (not translated)

  Assessment criteria

  Opiskelija ei ole saavuttanut opintojakson osaamistavoitteita. (not translated)

  Assessment criteria - level 1

  Opiskelija osaa käyttää hyväkseen saatavilla olevia tietolähteitä sekä tehdä itsenäisiä ratkaisuja jossain määrin.
  Palautettavat tehtävät tulee olla suoritettuina läpipääsyn tasolla. (not translated)

  Assessment criteria - level 3

  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. (not translated)

  Assessment criteria - level 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. (not translated)

•   Gamification LA00BO58-3007 24.04.2023-27.04.2023  5 credits  (TLTIYITT22SV) +-
  Mode of delivery

  Distance learning

  Learning material and recommended literature

  Opiskelija etsii itsenäisesti sekä kirjallisuuslähteitä että internetin kautta löydettävissä olevia luotettavia lähteitä. Opintojaksolla käytettävä esitysmateriaalia on käytettävissä lähiviikosta alkaen. (not translated)

  Implementation and methods of teaching

  Opintojakso koostuu intensiiviviikosta (Ma-To) sekä pakollisista esi- ja jälkitehtävistä.
  Opetusmenetelminä käytetään etäopetusta luennoiden, sekä esimerkkeihin perustuvia soveltavia harjoituksia. Osa opintojakson tehtävistä toteutetaan ryhmätyönä. Luennot tallennetaan mahdollisuuksien mukaan. (not translated)

  Assessment methods and criteria

  Arvioinnin perusteena käytetään opintojaksolla tehtäväksi annettujen tehtävien suorittamisen tasoa. (not translated)

  Language of instruction

  Finnish

  Timing

  24.04.2023 - 27.04.2023

  Enrollment date

  21.11.2022 - 08.01.2023

  • 5 credits

  Group(s)

  • TLTIYITT22SV

  Small group(s)

  • Luennot 1 (Size: 50. Open university: 0.)

  Teacher(s)

  Matti Welin, Henri Koukka

  Additional information for students: previous knowledge etc.

  Ymmärrys ohjelmoinnista. (not translated)

  Unit, in charge

  Faculty of Technology (LAB)

  Degree Programme(s)

  Master’s Degree Programme in Engineering, from IoT to AI

  Unit location

  E-campus, Lahti

  Virtual proportion

  5 credits

  Assessment methods

  1-5

  Dates for exams and retakes

  Opintojaksolla ei ole tenttiä. (not translated)

  Learning environment

  Moodle oppimisalusta sekä zoom. (not translated)

  Students use of time and workload

  Kokonaisajankäyttö on keskimäärin 135 tuntia, josta lähiopetusta 24 h. (not translated)

  Contents

  Opintojaksolla perehdytään pelillisyyden tuomaan lisäarvoon ja sen erilaisiin toteutustapohin.
  Lisäksi tutustutaan nykyaikaiseen pelimoottoriin, sen arkkitehtuuriin ja toimintatapaan erityisesti digitaalisten kaksosten näkökulmasta. Kurssilla toteutetaan pienimuotoinen digitaalinen kaksonen, joka näyttää simuloitua dataa reaaliaikaisesti. (not translated)

  Assessment criteria

  Opiskelija ei ole saavuttanut opintojakson osaamistavoitteita. (not translated)

  Assessment criteria - level 1

  Opiskelija osaa käyttää hyväkseen saatavilla olevia tietolähteitä sekä tehdä itsenäisiä ratkaisuja jossain määrin.
  Palautettavat tehtävät tulee olla suoritettuina läpipääsyn tasolla (not translated)

  Assessment criteria - level 3

  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. (not translated)

  Assessment criteria - level 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. (not translated)

•   Introduction to artificial intelligence YT00CF50-3002 27.02.2023-06.04.2023  5 credits  (TLTIYITT22SV) +-
  Mode of delivery

  Distance learning

  Learning material and recommended literature

  Opiskelija etsii itsenäisesti sekä kirjallisuuslähteitä että internetin kautta löydettävissä olevia luotettavia lähteitä. Opintojaksolla on esitysmateriaalia. (not translated)

  Implementation and methods of teaching

  Kurssi toteutetaan neljän päivän intensiiviopetuksena.
  Opetusmenetelminä käytetään lähiopetusta luennoiden, sekä esimerkkeihin perustuvia soveltavia harjoituksia. Mahdollisuuksien mukaan myös äänitteitä. (not translated)

  Assessment methods and criteria

  Arvioinnin perusteena käytetään opintojaksolla tehtäväksi annettujen tehtävien suorittamisen tasoa. (not translated)

  Language of instruction

  Finnish

  Timing

  27.02.2023 - 06.04.2023

  Enrollment date

  21.11.2022 - 08.01.2023

  • 5 credits

  Group(s)

  • TLTIYITT22SV

  Seats

  5 - 30

  Small group(s)

  • Luennot 1 (Size: 500. Open university: 0.)

  Teacher(s)

  Matti Welin, Minna Asplund, Rami Viksilä

  Additional information for students: previous knowledge etc.

  Edeltävä osaaminen:
  - Lukion lyhyttä matematiikkaa vastaava osaaminen.
  - Ohjelmoinnin perusteet tai vastaava osaaminen.
  - Datan analysointi ja visualisointi, tai vastaava osaaminen.
  - Koneoppiminen tai vastaava osaaminen. (not translated)

  Unit, in charge

  Faculty of Technology (LAB)

  Degree Programme(s)

  Master’s Degree Programme in Engineering, from IoT to AI

  Unit location

  E-campus, Lahti

  Virtual proportion

  5 credits

  Assessment methods

  1-5

  Dates for exams and retakes

  Opintojaksolla ei ole tenttiä. (not translated)

  Learning environment

  Kurssin informointi - ja järjestely-ympäristönä käytetään virtuaalista Moodle verkko-oppimisalustaa. (not translated)

  Students use of time and workload

  Yhteisiä tunteja on noin 24. Kokonaisajankäyttö opiskelijalle on mitoitettu keskimäärin 135 tunniksi. (not translated)

  Assessment criteria

  Opiskelija ei ole saavuttanut opintojakson osaamistavoitteita. (not translated)

  Assessment criteria - level 1

  Opiskelija osaa käyttää hyväkseen saatavilla olevia tietolähteitä sekä tehdä itsenäisiä ratkaisuja jossain määrin.
  Palautettavat tehtävät tulee olla suoritettuina läpipääsyn tasolla. (not translated)

  Assessment criteria - level 3

  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. (not translated)

  Assessment criteria - level 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. (not translated)

•   IoT TE00BR03-3005 17.10.2022-20.10.2022  5 credits  (TLTIYITT22SV) +-
  Mode of delivery

  Distance learning

  Language of instruction

  Finnish

  Timing

  17.10.2022 - 20.10.2022

  Enrollment date

  01.07.2022 - 04.09.2022

  • 5 credits

  Group(s)

  • TLTIYITT22SV

  Seats

  10 - 40

  Small group(s)

  • Opetus (Size: 200. Open university: 0.)

  Teacher(s)

  Matti Welin, Tommi Veijalainen, Juha Hyytiäinen

  Unit, in charge

  Faculty of Technology (LAB)

  Degree Programme(s)

  Master’s Degree Programme in Engineering, from IoT to AI

  Unit location

  E-campus

  Virtual proportion

  5 credits

  Assessment methods

  1-5

•   Machine Learning YY00CC67-3002 16.01.2023-10.02.2023  5 credits  (TLTIYITT22SV) +-
  Mode of delivery

  Distance learning

  Learning material and recommended literature

  Opiskelija etsii itsenäisesti sekä kirjallisuuslähteitä että internetin kautta löydettävissä olevia luotettavia lähteitä. Opintojaksolla on esitysmateriaalia. (not translated)

  Implementation and methods of teaching

  Kurssi toteutetaan neljän päivän intensiiviopetuksena.
  Opetusmenetelminä käytetään lähiopetusta luennoiden, sekä esimerkkeihin perustuvia soveltavia harjoituksia. Mahdollisuuksien mukaan myös äänitteitä. (not translated)

  Assessment methods and criteria

  Arvioinnin perusteena käytetään opintojaksolla tehtäväksi annettujen tehtävien suorittamisen tasoa. (not translated)

  Language of instruction

  Finnish

  Timing

  16.01.2023 - 10.02.2023

  Enrollment date

  21.11.2022 - 08.01.2023

  • 5 credits

  Group(s)

  • TLTIYITT22SV

  Seats

  5 - 30

  Small group(s)

  • Luennot 1 (Size: 500. Open university: 0.)

  Teacher(s)

  Matti Welin, Minna Asplund, Rami Viksilä

  Additional information for students: previous knowledge etc.

  Edeltävä osaaminen:
  - Lukion lyhyttä matematiikkaa vastaava osaaminen.
  - Ohjelmoinnin perusteet tai vastaava osaaminen.
  - Datan analysointi ja visualisointi, tai vastaava osaaminen. (not translated)

  Unit, in charge

  Faculty of Technology (LAB)

  Degree Programme(s)

  Master’s Degree Programme in Engineering, from IoT to AI

  Unit location

  E-campus, Lahti

  Virtual proportion

  5 credits

  Assessment methods

  1-5

  Dates for exams and retakes

  Opintojaksolla ei ole tenttiä. (not translated)

  Learning environment

  Kurssin informointi - ja järjestely-ympäristönä käytetään virtuaalista Moodle verkko-oppimisalustaa. (not translated)

  Students use of time and workload

  Yhteisiä tunteja on noin 24. Kokonaisajankäyttö opiskelijalle on mitoitettu keskimäärin 135 tunniksi. (not translated)

  Assessment criteria

  Opiskelija ei ole saavuttanut opintojakson osaamistavoitteita. (not translated)

  Assessment criteria - level 1

  Opiskelija osaa käyttää hyväkseen saatavilla olevia tietolähteitä sekä tehdä itsenäisiä ratkaisuja jossain määrin.
  Palautettavat tehtävät tulee olla suoritettuina läpipääsyn tasolla (not translated)

  Assessment criteria - level 3

  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. (not translated)

  Assessment criteria - level 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. (not translated)

•   Research-Based Development LA00BQ04-3018 05.09.2022-16.12.2022  5 credits  (LLTIYLDR22S, ...) +-
  Name of lecturer(s)

  Eija Mustonen

  Mode of delivery

  Face-to-face

  Learning material and recommended literature

  Materials given in Moodle.

  Implementation and methods of teaching

  Learning assignment 1, pre-course assignment 1.9. - 3.10.2022: Defining the concepts and process of research-based development.
  Virtual contact teaching13.10 2022: Introduction to the themes of the research-based development.
  Learning assignment 2 online 14.10. -31.10.2022: The evaluation of the research reports.
  Learning assignment 3: Development plan, deadline 14.11.2022.
  Seminar online: Presentations of the development plans. Student attends seminar 23.11.

  Assessment methods and criteria

  Assessment is based on active participation in contact and distant learning and completing the assignments. Learning assignments 1-2: pass/to be revised/fail. Learning assignment 3 and overall assessment: E5 - S1.

  Language of instruction

  Finnish

  Timing

  05.09.2022 - 16.12.2022

  Enrollment date

  01.07.2022 - 04.09.2022

  • 5 credits

  Group(s)

  • LLTIYLDR22S
  • MLTIYMDR22S
  • TLTIYUJT22S
  • TLTIYITT22SV

  Small group(s)

  • Luennot 1 (Size: 0. Open university: 0.)

  Teacher(s)

  Ritva Kinnunen

  Unit, in charge

  Faculty of Technology (LAB)

  Degree Programme(s)

  Master of Engineering, Regenerative Leadership, Master’s Degree Programme in Business Administration, Digital Solutions in Business, Master’s Degree Programme in Engineering, from IoT to AI, Master’s Degree Programme in Culture and Arts, Digital Solutions for the Design and Media

  Unit location

  Lahti Campus

  Assessment methods

  1-5

  Alternative completion methods

  No other completion methods.

  Dates for exams and retakes

  No exam included.

  Learning environment

  Distance learning and lectures

  Students use of time and workload

  Assignments 50%
  Development plan 50%

  Assessment criteria

  Assessment criteria - level 1

  The student is able to:
  - search knowledge and justify its' use and usefulness.
  - plan, perform and evaluate a working life-based development project.
  - communicate to one's own professional target group.

  Assessment criteria - level 3

  The student is able to:
  - search knowledge and justify its' use and usefulness.
  - plan, perform and evaluate a working life-based development project.
  - communicate to one's own professional target group.

  Assessment criteria - level 5

  The student is able to:
  - search, evaluate and use knowledge and justify critically its' use and usefulness.
  plan, perform and evaluate a working life-based development project and resolve challenging problems related to development practices.
  - communicate critically to one's own professional target group in a justified way.

•   Virtualization and servers as data pipeline tools YT00CF51-3002 12.09.2022-15.09.2022  5 credits  (TLTIYITT22SV) +-
  Mode of delivery

  Distance learning

  Language of instruction

  Finnish

  Timing

  12.09.2022 - 15.09.2022

  Enrollment date

  01.07.2022 - 04.09.2022

  • 5 credits

  Group(s)

  • TLTIYITT22SV

  Seats

  10 - 40

  Small group(s)

  • Opetus (Size: 0. Open university: 0.)

  Teacher(s)

  Matti Welin, Rami Viksilä

  Unit, in charge

  Faculty of Technology (LAB)

  Degree Programme(s)

  Master’s Degree Programme in Engineering, from IoT to AI

  Unit location

  E-campus

  Virtual proportion

  5 credits

  Assessment methods

  1-5

Academic year 2023 - 2024

There is no implementations attached to this degree programme.