Uudet teknologiat businessajureina (3 op)

Tavoitteet

Kurssin tavoitteena on johdattaa opiskelija uusiin teknologioihin, niiden synnyttämiin liiketoimintamahdollisuuksiin sekä oppia uusien teknologioiden termistöä sekä historiaa. Opiskelija osaa soveltaa uusia teknologioita omalla koulutusalallaan sekä tunnistaa niiden erityispiirteet. Opiskelijalle syntyy kuva teknologian nykytilanteesta sekä tulevaisuuden mahdollisuuksista.

Sisältö

• Digitalisaation vaikutukset
• Älypuhelimet ja mobiilisovellukset
• Pilvipalvelut ja Big Data
• Internet of Things (IoT)
• Virtuaalitodellisuus (VR) ja lisätty todellisuus (AR)
• Tekoäly ja koneoppiminen
• Lohkoketju eli blockchain

Aika ja paikka

Opetus lukujärjestyksen mukaisissa luokissa.
Viikot 11-13 (teoriaosuus): kaikki ryhmät yhdessä (LLT22SM, AMA22S, LLT22SH)
Viikot 14-20 (soveltava osuus): kaksi erillistä opetusryhmää (LLT22SH & AMA22S+LLT22SM)

Oppimateriaalit

Reppu-alueella osoitettu materiaali.

Opetusmenetelmät

Lähiopetus lukujärjestyksen mukaisesti. Itsenäiseen opiskeluun soveltuvaa materiaalia (luentodiat, linkit, videot, jne.) tarjolla Repussa.

Opintojakson sisältöjä on muutettu kevään 2024 toteutukselle. Uusi formaatti pitää sisällään teoriaosuuden ja soveltavan Power BI-osuuden.

Tavoitteet

Opintojakson tavoitteena on johdattaa opiskelija uusiin teknologioihin ja niiden synnyttämiin hyödyntämis- ja liiketoimintamahdollisuuksiin. Opintojaksolla perehdytään uusien teknologioiden keskeiseen termistöön ja yleisiin toimintaperiaatteisiin sekä opitaan tunnistamaan uusien teknologioiden sovellus- ja käyttökohteita sekä erityispiirteitä omalla koulutusalalla. Tavoitteena on synnyttää opiskelijoille kokonaiskuva teknologian nykytilanteesta sekä tulevaisuuden mahdollisuuksista. Opintojakson soveltavassa osuudessa tutustutaan liiketoimintatiedon hallintaan ja visualisoimiseen (Business Intelligence, BI) Microsoftin Power BI Desktop -työkalun avulla.

Sisältö

Teoriaosuuden (1 op) sisältöalueet
• Älypuhelimet ja mobiilisovellukset
• Pilvipalvelut ja Big Data
• Internet of Things (IoT)
• Business Intelligence (BI)
• Data-analytiikka ja tekoäly
• Lohkoketjut (blockchain)

Soveltavan Power BI -osuuden (2 op) sisältöalueet
• Microsoft Power BI Desktop -sovelluksen ominaisuudet ja asentaminen
• Datan käsittelyn perusteet
• Datamallien luomisen perusteet
• Datan analysoinnin ja DAX-kielen perusteet
• Visuaalisten ja interaktiivisten raporttien luominen

Tenttien ajankohdat ja uusintamahdollisuudet

Teoriaosuudesta (1 op) Reppu-tentti, jossa hyväksytyn suorituksen raja on 70 % maksimipistemäärästä. Tentin läpäisyyn rajoittamaton määrä yrityskertoja.
Soveltava osuus (2 op): harjoitustehtävien/harjoitustyön suorittaminen hyväksytysti (vähintään 70 % maksimipisteistä). Yksityiskohtaiset harjoitustyön arviointikriteerit esitellään soveltavan osuuden alussa.

Toteutuksen valinnaiset suoritustavat

Esitellään ensimmäisellä luentokerralla:
- Suorittaminen itsenäisesti
- AHOT
- Osittainen hyväksilukeminen
- Opinnollistaminen

Arviointikriteerit, hyväksytty/hylätty

Teoriaosuuden verkkotentti ja harjoitustyö suoritettava hyväksytysti.

Teoriaosuus: verkkotenteissä hyväksytyn suorituksen raja on 70 % maksimipistemäärästä.
Soveltava osuus: harjoitustehtävien/harjoitustyön suorittaminen hyväksytysti (vähintään 70 % maksimipisteistä).

Sisällön jaksotus

Opetus lukujärjestyksen mukaisissa luokissa.
Viikot 11-13 (teoriaosuus): kaikki ryhmät yhdessä (LLT22SM, AMA22S, LLT22SH)
Viikot 14-20 (soveltava osuus): kaksi erillistä opetusryhmää (LLT22SH & AMA22S+LLT22SM)

Lisätietoja opiskelijoille

Soveltavan osuuden suorittaminen edellyttää omaa kannettavaa tietokonetta, jossa on Windows-käyttöjärjestelmä. Mikäli Windows-konetta ei löydy, pyritään MAC-käyttäjille tarjoamaan virtualisoitu ajoympäristö Power BI -sovellukselle.

Arviointiasteikko

Hylätty/Hyväksytty

Arviointimenetelmät ja arvioinnin perusteet

Hyväksytty/Hylätty

Teoriaosuus: verkkotenteissä hyväksytyn suorituksen raja on 70 % maksimipistemäärästä.
Soveltava osuus: harjoitustehtävien/harjoitustyön suorittaminen hyväksytysti (vähintään 70 % maksimipisteistä).