Siirry suoraan sisältöön

Datan käsittelyn kehittyneet menetelmät (5 op)

Toteutuksen tunnus: TT00CC57-3005

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
Opettajat
Pekka Huttunen
Ryhmät
TTV23SRAA
TTV23SRAA
Opintojakso
TT00CC57

Toteutuksella on 7 opetustapahtumaa joiden yhteenlaskettu kesto on 7 t 30 min.

Aika Aihe Tila
To 09.01.2025 klo 12:45 - 14:15
(1 t 30 min)
Datan käsittelyn kehittyneet menetelmät TT00CC57-3005
Teams
Ma 13.01.2025 klo 12:45 - 13:45
(1 t 0 min)
Q&A_Datan käsittelyn kehittyneet menetelmät TT00CC57-3005
Teams
Ma 20.01.2025 klo 12:45 - 13:45
(1 t 0 min)
Q&A_Datan käsittelyn kehittyneet menetelmät TT00CC57-3005
Teams
Ma 27.01.2025 klo 12:45 - 13:45
(1 t 0 min)
Q&A_Datan käsittelyn kehittyneet menetelmät TT00CC57-3005
Teams
Ma 10.02.2025 klo 12:45 - 13:45
(1 t 0 min)
Q&A_Datan käsittelyn kehittyneet menetelmät TT00CC57-3005
Teams
Ma 24.02.2025 klo 12:45 - 13:45
(1 t 0 min)
Q&A_Datan käsittelyn kehittyneet menetelmät TT00CC57-3005
Teams
Ma 10.03.2025 klo 12:45 - 13:45
(1 t 0 min)
Q&A_Datan käsittelyn kehittyneet menetelmät TT00CC57-3005
Teams
Muutokset varauksiin voivat olla mahdollisia.

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

Siirry alkuun