Siirry suoraan sisältöön

Data-alustatLaajuus (5 op)

Tunnus: TT00CM57

Laajuus

5 op

Opetuskieli

  • suomi

Osaamistavoitteet

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.

Sisältö

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

Arviointikriteerit, kiitettävä (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.

Arviointikriteerit, hyvä (3)

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

Arviointikriteerit, tyydyttävä (1)

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

fi
Ilmoittautumisaika

02.07.2025 - 31.07.2025

Ajoitus

01.08.2025 - 31.12.2025

Opintopistemäärä

5 op

Toteutustapa

Lähiopetus

Yksikkö

Teknologia

Opetuskielet
  • Suomi
Paikat

0 - 100

Koulutus
  • Tieto- ja viestintätekniikan koulutus
Opettaja
  • Ali Hosseini
  • Jani Sourander
Ryhmät
  • TTM24SAI
    TTM24SAI

Tavoitteet

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.

Sisältö

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

Oppimateriaalit

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

Opetusmenetelmät

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

Sisällön jaksotus

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.

Arviointiasteikko

0 - 5

Arviointikriteerit, kiitettävä (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.

Arviointikriteerit, hyvä (3)

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

Arviointikriteerit, tyydyttävä (1)

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

Arviointimenetelmät ja arvioinnin perusteet

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

Toteutuksen arviointikriteerit, kiitettävä (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.

Toteutuksen arviointikriteerit, tyydyttävä (1-2)

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.

fi
Ilmoittautumisaika

19.08.2024 - 22.09.2024

Ajoitus

01.08.2024 - 31.12.2024

Opintopistemäärä

5 op

Toteutustapa

Lähiopetus

Yksikkö

Teknologia

Opetuskielet
  • Suomi
Koulutus
  • Tieto- ja viestintätekniikan koulutus
Opettaja
  • Ali Hosseini
  • Jani Sourander
Ryhmät
  • TTM23SAI
    TTM23SAI

Tavoitteet

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.

Sisältö

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

Oppimateriaalit

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

Opetusmenetelmät

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

Sisällön jaksotus

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.

Arviointiasteikko

0 - 5

Arviointikriteerit, kiitettävä (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.

Arviointikriteerit, hyvä (3)

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

Arviointikriteerit, tyydyttävä (1)

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

Arviointimenetelmät ja arvioinnin perusteet

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

Toteutuksen arviointikriteerit, kiitettävä (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.

Toteutuksen arviointikriteerit, tyydyttävä (1-2)

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.