•   Machine Learning and Data Analytics in Technology 5W00EK21-3002 08.01.2021-17.05.2021  5 cr  (21YAR) +-
    Learning outcomes of the course unit
    Student
    - knows the key terms, concepts and principles related to machine learning
    - identifies applications of machine learning, especially in industry
    - knows the key terms and concepts of data analytics
    - knows the main principles of data collection, storage and analysis methods
    - knows the most common data management and visualization methods
    - understands the meaning and uses of data, especially in automation technology processes
    Course contents
    Introduction to algorithms, machine learning and the basics of artificial intelligence
    Machine learning applications
    Introduction to Big Data and its applications in industry
    Data utilization methods
    The most common Big Data systems
    Key concepts: data definition, Big Data, data visualization, algorithms, machine learning, artificial intelligence
    Assessment criteria
    Satisfactory

    The student knows the basics and most important concepts of machine learning and data analytics.

    Good

    The student knows the basics and most important concepts of machine learning and data analytics. The student has applied skills in the key topics of the course.

    Excellent

    In addition to the above, the student is able to apply the ideology of machine learning and data analytics in a versatile way, especially in industry. The student has a broad understanding of the meaning and uses of data, especially in automation technology processes.

    Name of lecturer(s)

    Jere Siivonen

    Recommended or required reading

    Moodle-alustalla jaettava materiaali.
    Muu kirjallinen materiaali (not translated)

    Planned learning activities and teaching methods

    Lähiopetus, verkko-opetus sekä itsenäiset oppimistehtävät. Omalla tietokoneella toteutettavat harjoitukset. Työskentely FielLab -laboratoriossa, mikäli Covid-tilanne mahdollistaa. (not translated)

    Language of instruction

    Finnish

    Timing

    08.01.2021 - 17.05.2021

    Registration

    02.12.2020 - 11.01.2021

    Credits

    5 cr

    Group(s)

    21YAR

    Teacher(s)

    Jere Siivonen, Ossi Nykänen

    Further information for students

    Aikataulu- ja sisältömuutokset mahdollisia.
    Covid-tilanne voi muuttaa lähi/etäopetuksen rytmitystä ja toteutustapoja. (not translated)

    Unit, in charge

    Automation in Smart Industry, Master

    Degree programme(s)

    Master's Degree Programme in Automation in Smart Industry

    Office

    TAMK Main Campus

    Evaluation scale

    0-5

    Exam schedule

    Ei tenttiä. Arviointi harjoitustehtävien perusteella. (not translated)

    Students use of time and load

    Kontaktiopetus n. 8x4h. Itsenäinen työskentely kontaktiopetustilanteiden välillä. (not translated)

    Content periodicity

    1. ETÄ: Johdanto, konseptit, DA/ML työkalut (johdanto, asennukset)
    2. ETÄ: ML & DA teollisuudessa, S-o-t-A
    3. ETÄ: Data-analytiikka ja visualisointi, hands on ("Power BI")
    4. ETÄ: Koneoppiminen ("Jupyter Lab")
    5. LÄHI: Yleisesti ML&DA projektien toteuttaminen teollisuudessa ja datan keräämisen tekniikat
    6. LÄHI: Oman projektin valmistelu: prosessiin tutustuminen ja datan keräämisen sovelluskohtaiset mahdollisuudet ja tekniikat
    7. LÄHI: Projekti
    8. ETÄ: Projektien esittely (not translated)