{"id":null,"code":"521156S","name":{"valueFi":"Matkalla tiedonlouhintaan","valueEn":"Towards Data Mining","valueSv":""},"credits":5.0,"minCredits":3,"maxCredits":5,"tags":[{"code":"opinfi-teema-new_technologies","title":{"valueFi":"Uudet teknologiat","valueEn":"New technologies","valueSv":"Nya teknologier"}},{"code":"opinfi_fitech","title":{"valueFi":"opinfi_fitech","valueEn":"opinfi_fitech","valueSv":"opinfi_fitech"}}],"createdAt":1790534828780,"contentList":[{"title":{"valueFi":"Osaamistavoitteet","valueEn":"Learning outcomes","valueSv":""},"content":{"valueFi":"Kurssin suoritettuaan opiskelija osaa tunnistaa, millaista dataa hän aikoo tutkia ja millaisia esikäsittelyitä se vaatii ennen analysointia. Kurssin konkreettiset osaamistavoitteet ovat:\r\n- Opiskelija osaa suunnitella ja totettaa datan keräsprosessin,\r\n- Opiskelija osaa yhdistää dataa eri lähteistä,\r\n- Opiskelija osaa normalisoida ja transformoida dataa sekä käsitellä puuttuvaa tai virheellistä dataa,\r\n- Opiskelija osaa varmistaa tulosten yleistettävyyden.","valueEn":"After completing this course, student can recognize data types and perform required pre-processing steps before further analysis:\r\n- Student can design and implement a data collection process,\r\n- Student can combine data from different sources,\r\n- Student can normalize and transform data, and handle missing or incorrect values,\r\n- Student can ensure generalizability of the results.","valueSv":""}},{"title":{"valueFi":"Sisältö","valueEn":"Content","valueSv":""},"content":{"valueFi":"Opi tekoälyn ja koneoppimisen keskeiset datan esikäsittelytaidot. Kurssi kattaa datan keräyksen, puuttuvien arvojen ja poikkeamien käsittelyn, tietosuojan, signaalien yhdistämisen, tietokantojen hyödyntämisen ja datan normalisoinnin. Opi varmistamaan tulosten yleistettävyys käyttäen train-test-validate, cross-validation ja leave-one-out menetelmiä.","valueEn":"Learn essential data preprocessing skills for AI and machine learning. This course covers data gathering, handling missing values and outliers, privacy considerations, signal merging, database utilization, and data normalization. Learn to ensure result generalizability with techniques like train-test-validate, cross-validation, and leave-one-out methods.","valueSv":""}},{"title":{"valueFi":"Suoritustavat","valueEn":"Study Methods","valueSv":""},"content":{"valueFi":"Huomio! \r\nTutkinto-opiskelijat suorittavat kurssin Matkalla tiedonlouhintaan 521156S viiden opintopisteen laajuudessa (5op).\r\nAinoastaan FITech-opiskelijat voivat valita 3 opintopisteen suoritustavan. FiTech-opiskelijat: Kurssi on vapaasti suoritettavissa välillä 1.10-15.6.\r\n\r\n5 op: Palautettavat ja arvioitavat viikkotehtävät sekä lopputentti.\r\n\r\n3 op: Palautettavat ja arvioitavat luentotehtävät. Ilmoita vastuuopettajalle sähköpostilla, kun olet saanut tehtävät suoritettua, jotta hän kirjaa opintosuorituksen.","valueEn":"Note that University of Oulu degree programme students must take 521156S (5 ECTS), while 3 ECTS are available only for FITech students.\r\n\r\n5 ECTS: The course is completed by passing the learning assignments and the final exam.\r\n\r\n3 ECTS: The course is completed by passing the learning assignments. You need to notify the teacher when you are ready to receive credits from your attainments.","valueSv":""}},{"title":{"valueFi":"Toteutustavat","valueEn":"Teaching Methods","valueSv":""},"content":{"valueFi":"Tutkinto-opiskelijat (5 op): Luento-opetus 16h, harjoitukset 16h ja itsenäistä opiskelua 103h.\r\nKurssilla on monimuoto-opetus periodissa 1 (luennot tai itsenäinen opiskelu, viikkotehtävät) ja aikataulutettu verkko-opetus periodissa 4 (itsenäinen opiskelu omassa aikataulussa). Molemmissa toteutuksissa on sähköinen tentti exam.oulu.fi:ssa yliopistolla.\r\n\r\nFitech -opiskelijat (3 op): Itsenäinen opiskelu 87 h. Opiskelu omaan tahtiin joustavasti, ei tenttiä.","valueEn":"Degree Students (5 ETCS): Lectures 16h, exercises 16h and self-study 103h.\r\nThe course has blended teaching mode during 1st period (lectures or self-study material, weekly assignments), and scheduled online teaching mode during period 4 (self-study material, no fixed schedule). In both implementations, the exam will be given in exam.oulu.fi at the university.\r\n\r\nFitech Students (3 ECTS): Self-study 87 h. Studying is self-paced, no exam.","valueSv":""}},{"title":{"valueFi":"Oppimateriaalit","valueEn":"Learning material","valueSv":""},"content":{"valueFi":"","valueEn":"","valueSv":""}},{"title":{"valueFi":"Lisätiedot","valueEn":"Further information","valueSv":""},"content":{"valueFi":"Kurssilla opiskellaan Moodlessa.\r\n\r\n3 op FiTech-opiskelijoille: Kurssi on vapaasti suoritettavissa välillä 1.10-15.6.","valueEn":"The course is accessible via Moodle.\r\n\r\nIn 3 ECTS implementation for FiTech, there is no fixed schedule, allowing students flexibility to complete it between October 1st and June 15th.","valueSv":""}},{"title":{"valueFi":"Kurssikirjallisuus","valueEn":"Literature","valueSv":""},"content":{"valueFi":"","valueEn":"","valueSv":""}},{"title":{"valueFi":"Esitietovaatimukset","valueEn":"Qualifications","valueSv":""},"content":{"valueFi":"Esitietoina suositellaan 031021P Tilastomatematiikka tai vastaavan kurssin suorittamista ennen opintojaksolle ilmoittautumista.","valueEn":"The recommended prerequisite is the completion of 031021P Probability and Mathematical Statistics or similar prior to enrolling for the course.","valueSv":""}},{"title":{"valueFi":"Arviointiasteikko","valueEn":"Assessment scale","valueSv":""},"content":{"valueFi":"1-5/HYL","valueEn":"1-5/FAIL","valueSv":"1-5/FAIL"}},{"title":{"valueFi":"Arviointikriteerit","valueEn":"Assessment criteria","valueSv":""},"content":{"valueFi":"Arviointiasteikko\r\nTutkinto-opiskelijat: 5 op 1-5/HYL\r\nFiTech-opiskelijat: 3 op HYV/HYL\r\n\r\n\r\nArviointikriteerit\r\n\r\n5 op: Kurssilla on viikoittain palautettavat esitehtävät ja harjoitustehtävät sekä loppukoe. Puolet arvosanasta määräytyy palautustehtävien ja puolet loppukokeen perusteella.\r\n\r\n3 op: Kurssin läpäisemiseksi kaikki palautustehtävät on suoritettava hyväksytysti.\r\n\r\nLue lisää opintosuoritusten arvostelusta yliopiston verkkosivulta.","valueEn":"Assessment scale\r\nDegree programme students: 5 ECTS 1-5/FAIL\r\nFiTech students: 3 ECTS PASS/FAIL\r\n\r\n\r\nAssessment criteria\r\n\r\n5 ECTS: During the course, there are submissions, and a final exam. Half of the grade will be based on the weekly pre-lecture assignment and exercise submissions and half on the final exam.\r\n\r\n3 ECTS: To pass the course, all the assignments must be successfully completed.\r\n\r\nRead more about assessment criteria at the University of Oulu webpage.","valueSv":""}},{"title":{"valueFi":"Arviointikriteerit 2","valueEn":"Evaluation criteria 2","valueSv":""},"content":{"valueFi":"","valueEn":"","valueSv":""}},{"title":{"valueFi":"Arviointikriteerit 3","valueEn":"Evaluation criteria 3","valueSv":""},"content":{"valueFi":"","valueEn":"","valueSv":""}},{"title":{"valueFi":"Arviointikriteerit 4","valueEn":"Evaluation criteria 4","valueSv":""},"content":{"valueFi":"","valueEn":"","valueSv":""}},{"title":{"valueFi":"Pääasiallinen opetuskieli","valueEn":"Primary Teaching Language","valueSv":""},"content":{"valueFi":"englanti","valueEn":"English","valueSv":"engelska"}},{"title":{"valueFi":"Taso","valueEn":"Level","valueSv":""},"content":{"valueFi":"Syventävät opinnot","valueEn":"Advanced Studies","valueSv":"Syventävät opinnot"}},{"title":{"valueFi":"Oppiaine","valueEn":"Subject","valueSv":""},"content":{"valueFi":"Tietotekniikka","valueEn":"Computer Science and Engineering","valueSv":""}},{"title":{"valueFi":"Vastuuhenkilöt","valueEn":"Person in charge","valueSv":""},"content":{"valueFi":"Henna Tiensuu","valueEn":"Henna Tiensuu","valueSv":"Henna Tiensuu"}},{"title":{"valueFi":"Luokittelu","valueEn":"Classification","valueSv":""},"content":{"valueFi":"Uudet teknologiat, opinfi_fitech","valueEn":"New technologies, opinfi_fitech","valueSv":"Nya teknologier, opinfi_fitech"}},{"title":{"valueFi":"Linkit","valueEn":"Links","valueSv":""},"content":{"valueFi":"","valueEn":"","valueSv":""}}]}