Opinto-opas

Osaamistavoitteet

Opiskelija osaa
- kuvata ja tunnistaa big datan; pääkomponentit, teknologiat ja mahdollisuudet
- suunnitella big datan käyttöä kilpailuedun ja joustavuuden näkökannalta
- keskustella ilmiöstä ja perustella kantansa.

Toteutustapa ja opetusmenetelmät

Kurssi toteutetaan neljän päivän intensiivikurssina.
Opetusmenetelminä käytetään lähiopetusta luennoiden, sekä esimerkkeihin perustuvia soveltavia harjoituksia. Kurssissa on lisäksi ennakko- ja jälkitehtäviä.

Ajoitus ja läsnäolo

Intensiivikurssi järjestetään ma 13.1.2020 - to 16.1.2020.
Läsnäolo ei ole pakollinen, mutta suotava.

Oppimateriaali ja suositeltava kirjallisuus

Opiskelija etsii itsenäisesti sekä kirjallisuuslähteitä että internetin kautta löydettävissä olevia luotettavia lähteitä. Opintojaksolla on esitysmateriaalia.

Toteutuksen valinnaiset suoritustavat

Erikseen sovittaessa näyttö.

Uusintamahdollisuudet

Opintojaksolla ei ole tenttiä.

Oppimisympäristö

Kurssin informointi ja järjestely-ympäristönä käytetään virtuaalista Reppu verkko-oppimisalustaa. Käytännön tehtäviä varten tarvitaan tietokone, jossa ajetaan virtuaalikonetta (esim VirtualBox tai vastaava), johon on asennettu Hadoop soveltuvin osin.

Opiskelijan ajankäyttö ja kuormitus

Yhteisiä tunteja on 28. Kokonaisajankäyttö opiskelijalle on mitoitettu keskimäärin 135 tunniksi.

Sisältö

Kurssi pitää sisällään
- Big Dataan liittyvien pääkomponenttien ja pipelinen määrittely
- Big Datan ominaisuuksien selittäminen
- HDFS:n perusteet
- Hadoopin sekä MapReducen käytön perusteet
- IoT:n mahdollisuuksia ja haasteita Big Datassa.

Lisätietoja opiskelijalle: mm. edeltävä osaaminen

Virtualisointi ja pilvipalvelut -kurssin suoritus on eduksi.

Arviointimenetelmät

Arvioinnin perusteena käytetään opintojaksolla tehtäväksi annettujen tehtävien suorittamisen tasoa. Lisäksi arviointiin vaikuttavat aktiivinen kurssiosallistuminen ja ryhmätyö.

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.
- käyttää hyväkseen Big Data verkostoja.
Opiskelijalta vaaditaan aktiivista osallistumista
- keskusteluun ja
- ryhmätyöhön.
Palautettavat tehtävät
- tulee olla suoritettuina läpipääsyn tasolla.

Arviointikriteerit: taso 3 (arviointiasteikko 1-5)

Opiskelija osaa
- käyttää itsenäisesti hyväkseen ja soveltaa käytettävissä olevia tietolähteitä.
- tehokkaasti hyödyntää Big Data verkostoja.
- asettaa perustellen tavoitteita, joiden avulla kurssia voi sisällöllisesti parantaa.
Opiskelijalta vaaditaan aktiivista osallistumista
- keskusteluun
- ja ryhmätyöhön; jossa voi toimia muiden apuna pyydettäessä.
Palautettavat tehtävät
- tulee olla suoritettuina siten, että ne ovat tehtäväksiannon mukaisesti oikein ja hyväksytysti suoritettuina.

Arviointikriteerit: taso 5 (arviointiasteikko 1-5)

Opiskelija osaa
- itsenäisesti hallita kurssiprosessin siten että Big Datan eri aspektit tulevat opituiksi kokonaisuutena alusta loppuun.
- käyttää hyväkseen, kriittisesti arvioida ja soveltaa käytettävissä olevia tietolähteitä.
- osaa hyödyntää Big Data verkostoja monipuolisella ja innovatiivisella tavalla.
- asettaa perusteltuja strategisia tavoitteita, joiden avulla kurssia voi sisällöllisesti parantaa.
Opiskelijalta vaaditaan aktiivista osallistumista
- keskusteluun; on positiivinen keskustelukumppani, edistää keskustelua olennaiseen suuntaan ja perustelee mielipiteensä
- ja ryhmätyöhön;
Palautettavat tehtävät
- tulee olla suoritettuina siten, että ne ylittävät annetun tehtäväksiannon tavoitteet.