Skip to main content

Data platformsLaajuus (5 cr)

Code: TT00CM57

Credits

5 op

Objective

Opiskelija ymmärtää data-alustojen tarpeen liiketoiminnan menestyksen lähtökohdista. Opiskelija osaa hyödyntää ja kehittää nykyaikaisia data-alustoja ja automatisoida datan käsittelyn ja data-analyysin työnkulkuja (MLOps, DataOps) tehostaakseen työvaiheita ja parantaakseen analyysin laatua.

Content

Data-alustojen kehittämisen parhaita käytäntöjä, datan käsittelyn työvaiheiden automatisointia ja data-alustojen arkkitehtuurin suunnittelua.

Assessment criteria, excellent (5)

Opiskelija ymmärtää data-alustan merkityksen liiketoiminnalle ja osaa toteuttaa liiketoimintaa tukevan data-alustan. Opiskelija osaa automatisoida datan käsittelyn työvaiheita ja jalostaa raakadatasta monipuolisen data-alustan.

Assessment criteria, good (3)

Opiskelija ymmärtää data-alustan merkityksen, työvaiheiden automatisoinnin ja osaa kehittää yrityksen tarpeisiin soveltuvan data-alustan.

Assessment criteria, satisfactory (1)

Opiskelija ymmärtää data-alustan merkityksen liiketoiminnalle ja osaa avustettuna kehittää yksinkertaisen data-alustan.

en
Enrollment

02.07.2025 - 31.07.2025

Timing

01.08.2025 - 31.12.2025

Number of ECTS credits allocated

5 op

Mode of delivery

Contact teaching

Unit

Teknologia

Teaching languages
  • Finnish
Seats

0 - 100

Degree programmes
  • Bachelor’s Degree in Information and Communication Technology
Teachers
  • Ali Hosseini
  • Jani Sourander
Groups
  • TTM24SAI
    TTM24SAI

Objective

Opiskelija ymmärtää data-alustojen tarpeen liiketoiminnan menestyksen lähtökohdista. Opiskelija osaa hyödyntää ja kehittää nykyaikaisia data-alustoja ja automatisoida datan käsittelyn ja data-analyysin työnkulkuja (MLOps, DataOps) tehostaakseen työvaiheita ja parantaakseen analyysin laatua.

Content

Data-alustojen kehittämisen parhaita käytäntöjä, datan käsittelyn työvaiheiden automatisointia ja data-alustojen arkkitehtuurin suunnittelua.

Materials

Linkit oppimateriaaliin, mahdollisiin luentojen tallenteisiin sekä lukuvinkit löytyvät Reppu-alustan "Aloita tästä"-osiosta.

Teaching methods

Teams-luennot, etukäteen nauhoitetut tutoriaalit sekä itsenäisesti tehtävät harjoitukset. Luentojen tallennekäytäntö sovitaan kurssin alussa yhteisesti.

Content scheduling

Kurssin ensimmäinen puolisko (noin 6 viikkoa); hankittu osaaminen todennetaan tentin avulla. Kurssin toinen puolisko (noin 4 viikkoa); hankittu osaaminen näytetään 10 minuutin videon avulla, jossa esittelet toteuttamasi, tehtävänannon mukaisen data-alustan.

Evaluation scale

0 - 5

Assessment criteria, excellent (5)

Opiskelija ymmärtää data-alustan merkityksen liiketoiminnalle ja osaa avustettuna kehittää yksinkertaisen data-alustan.

Assessment criteria, good (3)

Opiskelija ymmärtää data-alustan merkityksen, työvaiheiden automatisoinnin ja osaa kehittää yrityksen tarpeisiin soveltuvan data-alustan.

Assessment criteria, satisfactory (1)

Opiskelija ymmärtää data-alustan merkityksen liiketoiminnalle ja osaa toteuttaa liiketoimintaa tukevan data-alustan. Opiskelija osaa automatisoida datan käsittelyn työvaiheita ja jalostaa raakadatasta monipuolisen data-alustan.

Assessment methods and criteria

Kurssin arvioitavia artefakteja ovat tentti ja luentovideo. Kummastakin tulee saada arvosana 1 tai parempi; lopullinen arvosana on näiden arvosanojen keskiarvo.

Assessment criteria, excellent (5)

Opiskelija käyttää asiantuntevasti ja laaja-alaisesti ammattialansa käsitteitä sekä yhdistää niitä kokonaisuuksiksi. Opiskelija osaa analysoida, reflektoida ja arvioida kriittisesti omaa osaamistaan ja ammattialansa toimintatapoja hankkimansa tiedon avulla. Opiskelija osaa myös valita ja arvioida kriittisesti ammattialansa tekniikoita ja malleja sekä käyttää niitä toiminnassaan ja soveltaa kriittisesti ammattieettisiä periaatteita toiminnassaan.

Toteutuksen arviointikriteerit, hyvä (3-4)

Opiskelija käyttää johdonmukaisesti ammattialansa käsitteitä ja osaa nimetä, kuvailla ja perustella ammattialansa perustiedot. Opiskelija valitsee tarkoituksenmukaisia toimintatapoja hankkimansa tiedon ja ohjeistuksen perusteella sekä soveltaa tarkoituksenmukaisesti ammattialansa toimintaan soveltuvia tekniikoita ja malleja. Opiskelija arvioi ja reflektoida omaa osaamistaan ja osaa perustella toimintansa ammattieettisten periaatteiden mukaisesti.

Assessment criteria, satisfactory (1)

Opiskelija käyttää asianmukaisesti keskeisiä kurssin aihepiirin käsitteitä ja osaa nimetä ammattialansa perustiedot. Opiskelija toimii tarkoituksenmukaisesti, joskin toiminta voi olla vielä epävarmaa ja vaatii ohjausta. Opiskelija käyttää toiminnassaan tarkoituksenmukaisesti ammattialansa tekniikoita ja malleja sekä toimii ammattieettisten periaatteiden mukaisesti.

en
Enrollment

19.08.2024 - 22.09.2024

Timing

01.08.2024 - 31.12.2024

Number of ECTS credits allocated

5 op

Mode of delivery

Contact teaching

Unit

Teknologia

Teaching languages
  • Finnish
Degree programmes
  • Bachelor’s Degree in Information and Communication Technology
Teachers
  • Ali Hosseini
  • Jani Sourander
Groups
  • TTM23SAI
    TTM23SAI

Objective

Opiskelija ymmärtää data-alustojen tarpeen liiketoiminnan menestyksen lähtökohdista. Opiskelija osaa hyödyntää ja kehittää nykyaikaisia data-alustoja ja automatisoida datan käsittelyn ja data-analyysin työnkulkuja (MLOps, DataOps) tehostaakseen työvaiheita ja parantaakseen analyysin laatua.

Content

Data-alustojen kehittämisen parhaita käytäntöjä, datan käsittelyn työvaiheiden automatisointia ja data-alustojen arkkitehtuurin suunnittelua.

Materials

Linkit oppimateriaaliin, mahdollisiin luentojen tallenteisiin sekä lukuvinkit löytyvät Reppu-alustan "Aloita tästä"-osiosta.

Teaching methods

Teams-luennot, etukäteen nauhoitetut tutoriaalit sekä itsenäisesti tehtävät harjoitukset. Luentojen tallennekäytäntö sovitaan kurssin alussa yhteisesti.

Content scheduling

Kurssin ensimmäinen puolisko (noin 6 viikkoa) on Alin osuus; hankittu osaaminen todennetaan tentin avulla. Kurssin toinen puolisko (noin 4 viikkoa) on Janin osuus; hankittu osaaminen näytetään 10 minuutin videon avulla, jossa esittelet toteuttamasi, tehtävänannon mukaisen data-alustan.

Evaluation scale

0 - 5

Assessment criteria, excellent (5)

Opiskelija ymmärtää data-alustan merkityksen liiketoiminnalle ja osaa avustettuna kehittää yksinkertaisen data-alustan.

Assessment criteria, good (3)

Opiskelija ymmärtää data-alustan merkityksen, työvaiheiden automatisoinnin ja osaa kehittää yrityksen tarpeisiin soveltuvan data-alustan.

Assessment criteria, satisfactory (1)

Opiskelija ymmärtää data-alustan merkityksen liiketoiminnalle ja osaa toteuttaa liiketoimintaa tukevan data-alustan. Opiskelija osaa automatisoida datan käsittelyn työvaiheita ja jalostaa raakadatasta monipuolisen data-alustan.

Assessment methods and criteria

Kurssin arvioitavia artefakteja ovat tentti ja luentovideo. Kummastakin tulee saada arvosana 1 tai parempi; lopullinen arvosana on näiden arvosanojen keskiarvo.

Assessment criteria, excellent (5)

Opiskelija käyttää asiantuntevasti ja laaja-alaisesti ammattialansa käsitteitä sekä yhdistää niitä kokonaisuuksiksi. Opiskelija osaa analysoida, reflektoida ja arvioida kriittisesti omaa osaamistaan ja ammattialansa toimintatapoja hankkimansa tiedon avulla. Opiskelija osaa myös valita ja arvioida kriittisesti ammattialansa tekniikoita ja malleja sekä käyttää niitä toiminnassaan ja soveltaa kriittisesti ammattieettisiä periaatteita toiminnassaan.

Toteutuksen arviointikriteerit, hyvä (3-4)

Opiskelija käyttää johdonmukaisesti ammattialansa käsitteitä ja osaa nimetä, kuvailla ja perustella ammattialansa perustiedot. Opiskelija valitsee tarkoituksenmukaisia toimintatapoja hankkimansa tiedon ja ohjeistuksen perusteella sekä soveltaa tarkoituksenmukaisesti ammattialansa toimintaan soveltuvia tekniikoita ja malleja. Opiskelija arvioi ja reflektoida omaa osaamistaan ja osaa perustella toimintansa ammattieettisten periaatteiden mukaisesti.

Assessment criteria, satisfactory (1)

Opiskelija käyttää asianmukaisesti keskeisiä kurssin aihepiirin käsitteitä ja osaa nimetä ammattialansa perustiedot. Opiskelija toimii tarkoituksenmukaisesti, joskin toiminta voi olla vielä epävarmaa ja vaatii ohjausta. Opiskelija käyttää toiminnassaan tarkoituksenmukaisesti ammattialansa tekniikoita ja malleja sekä toimii ammattieettisten periaatteiden mukaisesti.