Olet täällä

Data-analytiikka

Data-analytiikka

Tunnus: TOO8LH105
Laajuus: 5 op
Ajoitus:
Kieli: suomi
OPS: Liiketalouden koulutusohjelma, HELI16-opetussuunnitelma
Opintojakson taso: ammattiopinnot
Opintojakson tyyppi: valinnainen

Sisältö
Opintojakson tavoitteena on syventää määrällisten datojen analysointiosaamista sekä yhdistää tilastollisten menetelmien ja koodauksen osaaminen. Opintojaksolla perehdytään datan visualisointiin Excelin, Power BI Desktopin ja Pythonin avulla. Analysointiosaamisen perusmenetelmät kerrataan oppien samalla Python-koodausta. Opintojaksolla luodaan katsaus keskeisimpiin ennustavan analytiikan ja koneoppimisen menetelmiin Python-esimerkkien avulla. Opintojakso sopii data-analytiikasta ja koodauksesta kiinnostuneille opiskelijoille.

Sisältö:

• Tiedostomuodot (Excel, pilkkueroteltu csv, tietokannat, nettisivut).

• Excelin tietomalli (PowerPivot) isojen aineistojen ja tietokantojen analysoinnissa.

• Datan visualisointia eri välineillä (Excel, Power BI Desktop, Python).

• Analysointiosaamisen perusmenetelmät Pythonilla.

• Ennustavan analytiikan ja koneoppimisen malleja Pythonilla.

Lähtötaso ja sidonnaisuudet muihin opintojaksoihin
Opintojakso suositellaan suoritettavaksi perusopintojen jälkeen. Opiskelijalla ei tarvitse olla aiempaa kokemusta koodauksesta.

Osaamistavoitteet ja arviointi
Suoritus arvioidaan käyttäen asteikkoa kiitettävä (5), erittäin hyvä (4), hyvä (3), tyydyttävä (2), välttävä (1), hylätty (0).

Osaamistaso 1-2: Opiskelija

• Tuntee keskeisimmät datojen lähteet ja tallennusmuodot.
• Osaa laatia visuaalisia raportteja määrällisestä datasta opintojaksolla käytetyillä välineillä.
• Osaa ainakin autettuna automatisoida analysointia ja raportointia koodaamalla.
• Tuntee joitain ennustavan analytiikan ja koneoppimisen malleja.

Osaamistaso 3-4: Opiskelija

• Osaa poimia, siivota ja yhdistellä datoja eri lähteistä.
• Osaa käyttää Pythonin grafiikkakirjastoja.
• Automatisoi analysointia ja raportointia koodaamalla.
• Osaa autettuna käyttää joitain ennustavan analytiikan ja koneoppimisen malleja.

Osaamistaso 5: Opiskelija

• Osaa sujuvasti poimia, siivota ja yhdistellä datoja eri lähteistä.
• Osaa sujuvasti käyttää Pythonin grafiikkakirjastoja.
• Automatisoi sujuvasti analysointia ja raportointia koodaamalla. Osaa omatoimisesti laajentaa Python-osaamistaan.
• Osaa käyttää joitain ennustavan analytiikan ja koneoppimisen malleja.

Työelämäyhteydet
Opintojaksolla analysoidaan työelämälähtöisiä datoja.

Oppimistavat
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.

Tentillä varmistetaan osaamistavoitteiden saavuttaminen.

 

Arviointitavat

- yksilötehtävät 60 %
- tentti 40 %
Opintojaksoon sisältyy myös pakollisena oman oppimisen arvioinnin sekä opintojaksopalautteen antaminen.

Vastuuopettaja

Aki Taanila

 

Oppimateriaalit

Opettajan laatima verkkomateriaali ja opettajan ilmoittama muu verkkomateriaali.