Data and Knowledge ManagementLaajuus (5 cr)

Objective

Opiskelija tuntee tietovarastojen perusteet ja toteutustekniikoita, Big Datan perusteet ja erityispiirteet ETL-prosesissa.
Opiskelija tuntee ja osaa soveltaa tietovarastojen toteutustapoja: on-premise, Iaas ja hybridi.
Opiskelija osaa toteuttaa ETL- prosessin.
Opiskelija tuntee data-analytiikan ja datan louhinnan perusteet sekä osaa soveltaa tiedon louhinnan algoritmeja (esim. luokittelut, analyysit ja ennusteet: clustering, decision tree, linear/logical regression, neural networks) analyysien ja ennusteiden toteuttamisessa.
Opiskelija tuntee ja osaa soveltaa liiketoimintatietojen (BI) hallinnan ja visualisoinnin työkaluja.
Opiskelija tuntee tekoälyn avustaman älykkkään automaation merkityksen datan hallinnassa ja analysoinnissa.

Content

Tietovarastojen perusteet ja toteutustekniikoita, ETL- prosessi.
Big Datan perusteet ja erityispiirteet ETL-prosesissa.
Tietovarastojen toteutustapoja: on-premise, Iaas ja hybridi.
Data-analytiikka, datan louhinta (luokittelut, analyysit ja ennusteet: clustering, decision tree, linear/logical regression, neural networks).
Liiketoimintatietojen (BI) hallinta, visualisointi, työkaluja.
Tekoälyn avustama älykäs automaatio datan hallinnassa ja analysoinnissa.

Execution methods

Itsenäinen verkkototeutus, jossa tarjotaan ryhmäohjausta kerran viikossa.

Accomplishment methods

Opintojakso arvioidaan pienien, teemakohtaisten harjoitustehtävien sekä isomman lopputehtävän kautta.