Data Analytics (5cr)

Evaluation scale

1-5

Content scheduling

Data-analytiikan prosessi liiketoiminnassa Tiedon kokoaminen erilaisista tietolähteistä ja tiedon esikäsittely sekä yhdisteleminen data-analyysissa käyttökelpoiseksi havaintomatriisiksi toimistotyökaluja (MS Excel & PowerQuery) hyödyntäen. Tunnuslukujen laskeminen ja tulkinta, datan visualisointi ja kuvaajien tulkinta Yksinkertaisen ennustavan mallin tuottaminen koneoppimisen menetelmillä, mallin validointi

Objective

The student can: - describe the steps of the data analytics process and understand the role of data analytics in modern business - combine information sources of different content and different forms into usable data matrices - use tools in gathering, describing, and visualizing various types of information - produce and interpret key statistical measures and figures - construct a simple predictive model using machine learning methods and evaluate its quality

Location and time

Kurssi alkaa viikolla 2 ja päättyy viikolla 16 Viikkoharjoitukset julkaistaan aina luento/demosession päätteeksi, ratkaisu palautettava aina ennen seuraavan viikon luentokertaa.

Teaching methods

Lectures, weekly lab exercises, miniproject. Lectures in class, streamed.

Exam schedules

Kurssilla ei ole kurssitenttiä. Jos viikkoharjoituksista ja miniprojektista kerätyt pisteet eivät riitä kurssin läpäisemiseen, puuttuvat harjoitukset voi tehdä yhdessä kurssin seuraavan toteutuksen kanssa.

International connections

Materiaali ja harjoitustehtävät julkaistaan ja palautetaan Moodlessa

Completion alternatives

Kurssin osaamistavoitteita vastaavan data-analytiikan projektin suunnittelu, toteutus ja dokumentointi. Tehtävästä sovitaan erikseen opettajan kanssa ennen projektin aloittamista.

Student workload

Harjoitustehtävät vaativat aikaa myös oppituntien ulkopuolella n. 5 tuntia viikottain.