•   Data-analysis, Data Visualization and Artificial Intelligence NY00EK76-3003 09.09.2021-07.10.2021  5 cr  (21YAMK) +-
    Learning outcomes of the course unit
    The student knows the basics of data analysis and the most important methods. The student knows how to process, analyze and visualize data. The student knows the basics of artificial intelligence, the most important concepts and is able to interpret the results and know the limitations and possibilities of the methods.
    Course contents
    The basics of data analysis and the main methods. Processing, analyzing and visualizing data. Basics of Artificial Intelligence, key concepts and methodology evaluation.
    Assessment criteria
    Satisfactory

    The student is able to process data, analyze and make visualizations. The student knows the basics of artificial intelligence and the most important concepts.

    Good

    The student is able to process data, analyze and make visualizations. The student knows the basics of artificial intelligence, the most important concepts and knows the limitations and possibilities of methods.

    Excellent

    The student is able to handle data in a versatile way, analyze and visualize. Students are familiar with the basics of artificial intelligence, the most important concepts and are able to interpret the results and know the limitations and possibilities of the methods.

    Name of lecturer(s)

    Ossi Nykänen

    Recommended or required reading

    Materiaali moodlessa, sisältäen linkkejä aihepiirin englanninkieliseen aineistoon (mm. työkalujen ohjeet ja dokumentaatio). (not translated)

    Planned learning activities and teaching methods

    Etäopetusta teamsissa, oppimistehtävinä opetusviikkojen teemoihin littyviä harjoituksia sekä harjoitustyö. Aikataulut, ohjeistus, aineistot ja tehtävien palautus Moodlessa. (not translated)

    Assessment methods and criteria

    Kurssin arvosana määräytyy harjoituksista ja harjoitustyöstä kerättävien suorituspisteiden perusteella. Läpäisyyn ja arvosanaan 1 vaaditaan vähintään 30% pisteistä, maksimiarvosanaan vähintään 90% pisteistä (muut arvosanat lineaarisesti tältä väliltä). (not translated)

    Language of instruction

    Finnish

    Timing

    09.09.2021 - 07.10.2021

    Registration

    21.05.2021 - 27.09.2021

    Credits

    5 cr

    Group(s)

    21YAMK

    Seats

    0 - 40

    Teacher(s)

    Ossi Nykänen

    Degree programme(s)

    Degree Programme in Forestry

    Office

    TAMK Main Campus

    Evaluation scale

    0-5

    Exam schedule

    Ei tenttiä (not translated)

    Content periodicity

    Kolme intensiivistä lähipäivää ja näihin liittyviä harjoituksia, joista osa on tarkoitus tehdä itseopiskeluna.

    Etäopetuspäivien ajankohdat:
    9.9. to 8:30-16:00 Data-analyysi, datan visualisointi ja tekoäly
    25.9. la 8:30-16:00 Data-analyysi, datan visualisointi ja tekoäly
    7.10. to 8:30-16:00 Data-analyysi, datan visualisointi ja tekoäly (not translated)

    Assessment criteria
    Not approved

    Vaadittavia suorituksia ei ole palautettu tai ne eivät vastaa ilmoitettuja arviointikriteerejä. (not translated)

    Satisfactory

    Ks. opintojaksotason tiedot. (not translated)

    Good

    Ks. opintojaksotason tiedot. (not translated)

    Excellent

    Ks. opintojaksotason tiedot. (not translated)