Datan käsittelyn kehittyneet menetelmät (5 op)
Toteutuksen tunnus: TT00CC57-3004
Toteutuksen perustiedot
- Ilmoittautumisaika
-
30.12.2024 - 26.01.2025
Ilmoittautuminen toteutukselle on päättynyt.
- Ajoitus
-
01.01.2025 - 31.07.2025
Toteutus on käynnissä.
- Opintopistemäärä
- 5 op
- Lähiosuus
- 5 op
- Toteutustapa
- Lähiopetus
- Yksikkö
- Teknologia
- Opetuskielet
- suomi
- Koulutus
- Tieto- ja viestintätekniikan koulutus
Toteutuksella on 7 opetustapahtumaa joiden yhteenlaskettu kesto on 9 t 0 min.
| Aika | Aihe | Tila |
|---|---|---|
|
To 09.01.2025 klo 17:00 - 19:00 (2 t 0 min) |
Aloitusluento_Datan käsittelyn kehittyneet menetelmät TT00CC57-3004 |
Teams
|
|
To 16.01.2025 klo 17:00 - 18:00 (1 t 0 min) |
Q&A_Datan käsittelyn kehittyneet menetelmät TT00CC57-3004 |
Teams
|
|
To 23.01.2025 klo 17:00 - 18:00 (1 t 0 min) |
Q&A Datan käsittelyn kehittyneet menetelmät TT00CC57-3004 |
Teams
|
|
To 30.01.2025 klo 17:00 - 18:00 (1 t 0 min) |
Q&A Datan käsittelyn kehittyneet menetelmät TT00CC57-3004 |
Teams
|
|
To 13.02.2025 klo 17:00 - 18:00 (1 t 0 min) |
Q&A Datan käsittelyn kehittyneet menetelmät TT00CC57-3004 |
Teams
|
|
To 27.02.2025 klo 17:00 - 18:00 (1 t 0 min) |
Q&A Datan käsittelyn kehittyneet menetelmät TT00CC57-3004 |
Teams
|
|
To 13.03.2025 klo 17:00 - 19:00 (2 t 0 min) |
Q&A_Datan käsittelyn kehittyneet menetelmät TT00CC57-3004 |
Teams
|
Tavoitteet
Kurssin tavoitteena on tutustua datan käsittelyn kehittyneisiin menetelmiin, käyttäen python-kirjastoja NumPy, Pandas, ja Matplotlib. Kurssilla käydään läpi datan ominaisuuksien (characteristic) laskemista, data-jakaumia, datana visualisointia ja säännöllisten lausekkeiden (regular expression, regex) käyttöä. Kurssilla tutustutaan myös datan klusterointiin.
Näitä menetelmiä käyttäen kurssilla luodaan datankäsittelyketju (pipeline), jolla tehdään datasta ominaisuussuunnittelua (feature engineering).
Arviointiasteikko
0 - 5
Arviointikriteerit, kiitettävä (5)
Kurssi muodostuu useista harjoitustehtävistä. Arvosanaan 5 kurssin harjoituspisteistä täytyy kertyä vähintään 92%.
Arviointikriteerit, tyydyttävä (1)
Kurssi muodostuu useista harjoitustehtävistä. Arvosanaan 1 kurssin harjoituspisteistä täytyy kertyä vähintään 50%.
Esitietovaatimukset
Python-ohjelmointi, Nykyaikainen ohjelmistokehitys, Algebra