Data-analytiikka (5op)

Arviointiasteikko

H-5

Tavoitteet

Kurssin jälkeen opiskelija: • tunnistaa tietolähteet ja osaa arvioida niiden käytettävyyttä liiketoiminnan tarpeisiin. • ymmärtää datan valmistelun, mallintamisen ja ennustamisen vaiheet. • ymmärtää koneoppimisen ja tekoälyn peruskäsitteet. • hallitsee kuvailevan ja selittävän analytiikan menetelmiä. • osaa hyödyntää erilaisia visualisoinnin ja raportoinnin tapoja. • ymmärtää informaatiomuotoilun käsitteen.

Suoritustavat

Toteutuksesta riippuen lähiopetusta, itsenäistä työskentelyä, pienryhmätyöskentelyä ja verkko-opintoja. Aikaisemmin hankitun osaamisen tunnistaminen ja tunnustaminen (AHOT) Jos opiskelija omaa työn, opintojen tai muun syyn (esim. sertifiointi) takia kurssin tuottaman osaamisen, voi hän osoittaa osaamisensa näytöllä toteutuksen vastuuopettajan kanssa sovittavalla tavalla. Lisätietoja näyttöprosessista löytyy: https://www.haaga-helia.fi/fi/osaamisen-tunnistaminen-ja-work-study katso kohta "Ohjeet osaamisen tunnistamiseen (master)".

Suoritustavat

Nykyajan organisaatioissa tieto on keskeinen johtamisen väline. Data-analytiikka on väline tiedon jalostamiseen liiketoiminnan tarpeisiin. Opintojakson tavoitteena on ymmärtää data-analytiikan prosessi ja menetelmiä sekä osata soveltaa niitä käytännön esimerkkien avulla. Opintojakso ei edellytä aikaisempaa ohjelmointiosaamista.

Sisältö

Sisältö • prosessiajatteluun perustuva data-analytiikka (CRISP-DM) • kuvailevan ja selittävän analytiikan menetelmät • aikasarjojen analysointi ja aikasarjaennustaminen • ennakoivan analytiikan ja koneoppimisen malleja • soveltavia esimerkkejä Pythonin avulla • visualisoinnin ja raportoinnin työvälineitä

Oppimateriaalit

https://tilastoapu.wordpress.com/python

Opetusmenetelmät

Python-koodauksen käyttöä data-analytiikassa opitaan opettajan johdolla. Aiempaa kokemusta koodauksesta ei tarvita.

Tenttien ajankohdat ja uusintamahdollisuudet

Opintojaksolla ei ole tenttiä

Opiskelijan ajankäyttö ja kuormitus

Toteutuksen tehtävät liittyvät seuraaviin aiheisiin: Tehtävä 1: Kuvaileva analytiikka Tehtävä 2: Selittävä analytiikka Tehtävä 3: Aikasarjat ja aikasarjaennustaminen Tehtävä 4: Ennakoiva analytiikka ja koneoppimisen mallit

Esitietovaatimukset

Opintojaksolla ei ole edeltävyysehtoja. Tämä opintojakso kuuluu ylemmän ammattikorkeakoulun (YAMK) opetussuunnitelmaan. Opintojakson suorittaminen edellyttää ylemmän ammattikorkeakoulun opiskeluoikeutta.