Datan käsittely ja koneoppiminen (5 op)

Tavoitteet

Opintojakson suoritettuaan opiskelijalla on näkemys datan käsittelyn, mallinnuksen ja erityisesti koneoppimisen mahdollisuuksista. Osallistujat ovat tutustuneet käytännössä datan tallentamiseen, hakuun ja käsittelyyn sekä koneoppimisen menetelmiin ja työkaluihin.

Sisältö

- Suuret datamäärät tieto-ja viestintätekniikan liiketoiminnassa: sovellettavuus, mallit, mahdollisuudet ja prosessit, lainsäädännölliset ja eettiset rajoitteet.
- Tiedon hankinta ja esikäsittely.
- Tiedonhallintaratkaisut.
- Koneoppimisen menetelmät (luokittelu, assosiaatioanalyysi, klusterointi, numeeristen arvojen ennustaminen) sekä niiden käyttömahdollisuudet ja soveltaminen.
- Koneoppimisohjelmistot.
- Tulosten validointi ja visualisointi.
- Koneoppiminen ja luonnollisen kielen käsittely.

Arviointiasteikko

0-5

Arviointikriteerit, tyydyttävä (1)

Opiskelija on saavuttanut kurssin tavoitteet tyydyttävästi. Hän tunnistaa ja osaa nimetä opintojaksolla käsiteltyjä käsitteitä, menetelmiä ja työkaluja. Hän on suorittanut opintojaksolla annetut tehtävät minimivaatimuksin.

Arviointikriteerit, hyvä (3)

Opiskelija on saavuttanut kurssin tavoitteet hyvin. Hän tunnistaa, osaa nimetä ja pystyy käyttämään opintojaksolla käsiteltyjä käsitteitä, menetelmiä ja työkaluja. Hän on suorittanut opintojaksolla annetut tehtävät hyvin.

Arviointikriteerit, kiitettävä (5)

Opiskelija on saavuttanut kurssin tavoitteet erinomaisesti. Hän tunnistaa, osaa nimetä, pystyy käyttämään ja soveltamaan opintojaksolla käsiteltyjä käsitteitä, menetelmiä ja työkaluja monipuolisesti. Hän on suorittanut opintojaksolla annetut tehtävät erinomaisesti ja on pystynyt tuomaan ratkaisuihin merkittävästi omaa panostaan.

Arviointikriteeri, hyväksytty/hylätty

Opiskelija on saavuttanut kurssin tavoitteet tyydyttävästi. Hän tunnistaa ja osaa nimetä opintojaksolla käsiteltyjä menetelmiä ja työkaluja. Hän on suorittanut opintojaksolla annetut tehtävät minimivaatimuksin.

Osaamistavoitteet

Opintojakson suoritettuaan opiskelijalla on näkemys datan käsittelyn, mallinnuksen ja erityisesti koneoppimisen mahdollisuuksista. Osallistujat ovat tutustuneet käytännössä datan tallentamiseen, hakuun ja käsittelyyn sekä koneoppimisen menetelmiin ja työkaluihin.

Sisältö

- Suuret datamäärät tieto-ja viestintätekniikan liiketoiminnassa: sovellettavuus, mallit, mahdollisuudet ja prosessit, lainsäädännölliset ja eettiset rajoitteet.
- Tiedon hankinta ja esikäsittely.
- Tiedonhallintaratkaisut.
- Koneoppimisen menetelmät (luokittelu, assosiaatioanalyysi, klusterointi, numeeristen arvojen ennustaminen) sekä niiden käyttömahdollisuudet ja soveltaminen.
- Koneoppimisohjelmistot.
- Tulosten validointi ja visualisointi.
- Koneoppiminen ja luonnollisen kielen käsittely.