Siirry suoraan sisältöön

Machine Learning and Data Engineering

Tutkinto:
Tekniikan ammattikorkeakoulututkinto

Tutkintonimike:
Insinööri (AMK), tietotekniikka

Laajuus:
240 op

Bachelor of Engineering, Machine Learning and Data Engineering (full time studies), Rovaniemi, Autumn 2022
Tunnus
(R54D22S)
Bachelor of Engineering, Machine Learning and Data Engineering (full time studies), Rovaniemi, Autumn 2021
Tunnus
(R54D21S)
Ilmoittautumisaika

03.10.2022 - 29.01.2023

Ajoitus

30.01.2023 - 09.04.2023

Laajuus

5 op

Toteutustapa

Lähiopetus

Yksikkö

Insinöörikoulutus, tieto- ja viestintätekniikka

Opetuskielet
  • Englanti
Paikat

0 - 30

Tutkinto-ohjelma
  • Machine Learning and Data Engineering
Opettaja
  • Ari Afflekt
Vastuuhenkilö

Ari Afflekt

Opiskelijaryhmät
  • R54D21S
    Bachelor of Engineering, Machine Learning and Data Engineering (full time studies), 2021

Arviointiasteikko

H-5

Ilmoittautumisaika

14.03.2022 - 31.07.2022

Ajoitus

24.10.2022 - 31.12.2022

Laajuus

5 op

Toteutustapa

Lähiopetus

Yksikkö

Insinöörikoulutus, tieto- ja viestintätekniikka

Opetuskielet
  • Englanti
Paikat

0 - 30

Tutkinto-ohjelma
  • Machine Learning and Data Engineering
Opettaja
  • Ari Afflekt
Vastuuhenkilö

Ari Afflekt

Opiskelijaryhmät
  • R54D21S
    Bachelor of Engineering, Machine Learning and Data Engineering (full time studies), 2021

Arviointiasteikko

H-5

Ilmoittautumisaika

03.10.2022 - 15.01.2023

Ajoitus

16.01.2023 - 30.04.2023

Laajuus

5 op

Toteutustapa

Lähiopetus

Yksikkö

Insinöörikoulutus, tieto- ja viestintätekniikka

Opetuskielet
  • Englanti
Paikat

0 - 30

Tutkinto-ohjelma
  • Machine Learning and Data Engineering
Opettaja
  • Tuomas Valtanen
Vastuuhenkilö

Tuomas Valtanen

Opiskelijaryhmät
  • R54D22S
    Bachelor of Engineering, Machine Learning and Data Engineering (full time studies), 2022

Arviointiasteikko

H-5

Ilmoittautumisaika

03.10.2022 - 08.01.2023

Ajoitus

09.01.2023 - 31.03.2023

Laajuus

5 op

Virtuaaliosuus (op)

3 op

Toteutustapa

40 % Lähiopetus, 60 % Etäopetus

Yksikkö

Insinöörikoulutus, tieto- ja viestintätekniikka

Opetuskielet
  • Englanti
Paikat

0 - 30

Tutkinto-ohjelma
  • Machine Learning and Data Engineering
Opettaja
  • Aku Kesti
Vastuuhenkilö

Aku Kesti

Opiskelijaryhmät
  • R54D22S
    Bachelor of Engineering, Machine Learning and Data Engineering (full time studies), 2022

Aika ja paikka

Lähiopetus järjestetään Rantavitikan kampuksen tietokoneluokissa syksyllä 2022.

Oppimateriaalit

Moodlessa jaettava materiaali. Lisäksi kirjallisuutta voi käyttää tukemaan oppimista. Esimerkiksi:

SQL QuickStart Guide: The Simplified Beginner's Guide to Managing
Author: Shields, Walter

The Art of SQL
Author:Faroult, Stephane

Opetusmenetelmät

Luennot, harjoitukset / tutoriaalit. Lisäksi pidetään koodityöpajoja, joiden aikana ohjataan harjoitusten tekemistä.

Kansainvälisyys

Opintojakso toteutetaan englanniksi ja soveltuu siten vaihto-opiskelijoille.

Toteutuksen valinnaiset suoritustavat

Itsenäinen opiskelu ja harjoitusten suorittaminen

Sisällön jaksotus

SQL tietokannat
Taulut
Kyselyt ja datan manipulointioperaatiot
Datan suodatus
Aggregaattifunktiot
Dataset operaatiot
Datan järjestäminen ja ryhmittely
Useiden taulujen kanssa työskentely
Tietokantojen suunnittelu ja mallintaminen
Muita vaihtoehtoja, NOSQL

Arviointiasteikko

H-5

Ilmoittautumisaika

14.03.2022 - 26.09.2022

Ajoitus

03.10.2022 - 16.12.2022

Laajuus

5 op

Toteutustapa

Lähiopetus

Yksikkö

Insinöörikoulutus, tieto- ja viestintätekniikka

Opetuskielet
  • Englanti
Paikat

0 - 35

Tutkinto-ohjelma
  • Machine Learning and Data Engineering
Opettaja
  • Anu Nikkeri
Vastuuhenkilö

Anu Nikkeri

Opiskelijaryhmät
  • R54D21S
    Bachelor of Engineering, Machine Learning and Data Engineering (full time studies), 2021

Aika ja paikka

Luennot tiistaisin ja torstaisin 5.10.-15.12.2022. klo 14-16.30

Oppimateriaalit

A Guide to the Project Management Body Of Knowledge (PMBOK). Lisäksi kurssin aikana käsiteltävä muu materiaali ja artikkelit.

Opetusmenetelmät

Luokkaopetus. Opetuksen aikana tehdään esimerkiksi ryhmätöitä.

Arviointiasteikko

H-5

Arviointikriteerit, tyydyttävä (1-2)

Opiskelija ymmärtää ketterän kehittämisen menetelmien perusteet prosessi - ja järjestelmäkehittämisessä.

Opiskelija osaa suunnitella yksinkertaisen ketterän projektin mutta toteutuksen hallinta on puutteellista eikä ketterän kehittämisen viitearvoja huomioida.

Arviointikriteerit, hyvä (3-4)

Opiskelija pystyy hyödyntämään ketterän kehittämisen periaatteita projekteissa.

Opiskelija pystyy läpiviemään projektin käyttäen sovittua ketterää menetelmää ja seurata projektin viitearvoja.

Arviointikriteerit, kiitettävä (5)

Opiskelija pysyy läpiviemään kompleksisemman ketterän kehittämisen projektin ja seuramaan viitearvoja ja projektin kehittymistä.

Opiskelija osaa soveltaa DevOps kulttuuria, - menetelmiä ja työkaluja monipuolisesti erilaisissa tilanteissa.

Ilmoittautumisaika

14.03.2022 - 31.07.2022

Ajoitus

19.09.2022 - 25.12.2022

Laajuus

5 op

Toteutustapa

Lähiopetus

Yksikkö

Insinöörikoulutus, tieto- ja viestintätekniikka

Opetuskielet
  • Englanti
Paikat

0 - 30

Tutkinto-ohjelma
  • Machine Learning and Data Engineering
Opettaja
  • Tuomas Valtanen
Vastuuhenkilö

Tuomas Valtanen

Opiskelijaryhmät
  • R54D21S
    Bachelor of Engineering, Machine Learning and Data Engineering (full time studies), 2021

Arviointiasteikko

H-5

Ilmoittautumisaika

03.10.2022 - 08.01.2023

Ajoitus

09.01.2023 - 31.03.2023

Laajuus

5 op

Virtuaaliosuus (op)

3 op

Toteutustapa

40 % Lähiopetus, 60 % Etäopetus

Yksikkö

Insinöörikoulutus, tieto- ja viestintätekniikka

Opetuskielet
  • Englanti
Paikat

0 - 30

Tutkinto-ohjelma
  • Machine Learning and Data Engineering
Opettaja
  • Kenneth Karlsson
Vastuuhenkilö

Kenneth Karlsson

Opiskelijaryhmät
  • R54D21S
    Bachelor of Engineering, Machine Learning and Data Engineering (full time studies), 2021

Arviointiasteikko

H-5

Ilmoittautumisaika

03.10.2022 - 15.01.2023

Ajoitus

16.01.2023 - 27.04.2023

Laajuus

5 op

Toteutustapa

Lähiopetus

Yksikkö

Insinöörikoulutus, tieto- ja viestintätekniikka

Opetuskielet
  • Englanti
Paikat

0 - 30

Tutkinto-ohjelma
  • Machine Learning and Data Engineering
Opettaja
  • Jyri Kivinen
  • Aku Kesti
  • Tuomas Valtanen
  • Maisa Mielikäinen
  • Tanja Kyykkä
Vastuuhenkilö

Maisa Mielikäinen

Opiskelijaryhmät
  • R54D22S
    Bachelor of Engineering, Machine Learning and Data Engineering (full time studies), 2022

Tavoitteet

Opiskelija osaa tehdä analytikan ja visualisoinnin tehtävät.
Opiskelija tuntee tarvittavat datan analysoinnin ja visualisoinnin välineet ja teknologiat.
Opiskelija osaa projektinhallinnan perusteet. Opiskelija osaa toimia projektissa ja tuottaa projektin keskeisen dokumentaation. Opiskelija osaa toimia tiimissä yhteisen päämäärän saavuttamiseksi. Opiskelija osaa projektiviestinnän. Opiskelija osaa esiintyä erilaisissa projektiin liittyvissä tilanteissa.

Sisältö

Projektinhallinnan perusteet: prosessi ja dokumentaatio

Arviointiasteikko

H-5

Ilmoittautumisaika

14.03.2022 - 29.08.2022

Ajoitus

05.09.2022 - 23.10.2022

Laajuus

5 op

Virtuaaliosuus (op)

3 op

T&K-osuus

1 op

Toteutustapa

40 % Lähiopetus, 60 % Etäopetus

Yksikkö

Insinöörikoulutus, tieto- ja viestintätekniikka

Opetuskielet
  • Englanti
Paikat

0 - 30

Tutkinto-ohjelma
  • Machine Learning and Data Engineering
Opettaja
  • Aku Kesti
Vastuuhenkilö

Aku Kesti

Opiskelijaryhmät
  • R54D21S
    Bachelor of Engineering, Machine Learning and Data Engineering (full time studies), 2021

Aika ja paikka

Lähioptus järjestetään Rantavitikan kampuksen tietokoneluokissa syksyllä 2022.

Oppimateriaalit

Moodlessa jaettava materiaali. Lisäksi kirjallisuutta voi käyttää tukemaan oppimista. Esimerkiksi:

SQL QuickStart Guide: The Simplified Beginner's Guide to Managing
Author: Shields, Walter

The Art of SQL
Author:Faroult, Stephane

Opetusmenetelmät

Luennot, harjoitukset / tutoriaalit. Lisäksi pidetään koodityöpajoja, joiden aikana ohjataan harjoitusten tekemistä.

Kansainvälisyys

Opintojakso toteutetaan englanniksi ja soveltuu siten vaihto-opiskelijoille

Sisällön jaksotus

SQL tietokannat
Taulut
Kyselyt ja datan manipulointioperaatiot
Datan suodatus
Aggregate funktiot
Dataset operaatiot
Datan järjestäminen ja ryhmittely
Useiden taulujen kanssa työskentely
Tietokantojen suunnittelu ja mallintaminen
Muita vaihtoehtoja, NOSQL

Arviointiasteikko

H-5

Ilmoittautumisaika

03.10.2022 - 08.01.2023

Ajoitus

09.01.2023 - 31.03.2023

Laajuus

5 op

Toteutustapa

Lähiopetus

Yksikkö

Insinöörikoulutus, tieto- ja viestintätekniikka

Opetuskielet
  • Englanti
Paikat

0 - 30

Tutkinto-ohjelma
  • Machine Learning and Data Engineering
Opettaja
  • Ari Karjalainen
Vastuuhenkilö

Ari Karjalainen

Opiskelijaryhmät
  • R54D21S
    Bachelor of Engineering, Machine Learning and Data Engineering (full time studies), 2021

Arviointiasteikko

H-5

Ilmoittautumisaika

03.10.2022 - 08.01.2023

Ajoitus

09.01.2023 - 24.03.2023

Laajuus

5 op

Toteutustapa

Lähiopetus

Yksikkö

Insinöörikoulutus, tieto- ja viestintätekniikka

Opetuskielet
  • Englanti
  • Suomi
Paikat

0 - 30

Tutkinto-ohjelma
  • Machine Learning and Data Engineering
Opettaja
  • Tanja Kyykkä
Vastuuhenkilö

Tanja Kyykkä

Opiskelijaryhmät
  • R54D22S
    Bachelor of Engineering, Machine Learning and Data Engineering (full time studies), 2022

Tavoitteet

Student develops and deepens oral and written communication skills at level A1.3 (CEFR) and knowledge of Finnish culture.

Student develops skills in Finnish for simple communication situations in everyday life. Student is able to tell about him/herself, others and the environment and can ask and answer questions about everyday life such as food and clothing as well as daily activities in past tense. He/she can interact in a simple way provided the other person talks slowly and clearly.

Competences: Internationality and Multiculturalism Competence

Sisältö

Practicing
• reading comprehension
• writing
• listening comprehension
• speaking

in/with following contexts and structures:

Travelling and means of transportation
Food and dining
Health and sickness
Nature and environment
Work and professions

Word types
Verbs: past tense, passive voice, infinitives
Object
Partitive plural
More sentence types
More pronouns and postpositions

Arviointiasteikko

H-5

Arviointikriteerit, tyydyttävä (1)

Grade 2
Student
· recognizes some very basic phrases
· can briefly tell and write about him/herself
· can react to some very basic and clearly expressed questions about everyday life


Grade 1
Student
· knows few very basic Finnish phrases
· can briefly tell about him/herself

Grade 0
Student
· does not reach the objectives of the study unit or does not complete or pass the compulsory assignments

Arviointikriteerit, hyvä (3)

Grade 4
Student
· can understand and use some familiar everyday expressions and very basic phrases
· can tell and write about him/herself, others and the environment
· can ask and answer some questions about everyday life
· can interact in a simple way provided the other person talks slowly and clearly and is prepared to help.

Grade 3
Student
· recognizes some familiar everyday expressions and very basic phrases
· can briefly tell and write about him/herself and others and the environment
· can ask and answer some questions about everyday life with assistance

Arviointikriteerit, kiitettävä (5)

Grade 5
Student
· can understand and use familiar everyday expressions and very basic phrases
· can tell and write about him/herself, others and the environment
· can ask and answer questions about everyday life, like food, work and travel
· can interact in a simple way provided the other person talks slowly and clearly and is prepared to help.

Lisätiedot

Finnish 1 tai vastaavat tiedot.

Ilmoittautumisaika

14.03.2022 - 26.09.2022

Ajoitus

03.10.2022 - 16.12.2022

Laajuus

5 op

Toteutustapa

Lähiopetus

Yksikkö

Insinöörikoulutus, tieto- ja viestintätekniikka

Opetuskielet
  • Suomi
Paikat

0 - 25

Tutkinto-ohjelma
  • Machine Learning and Data Engineering
Opettaja
  • Tanja Kyykkä
Vastuuhenkilö

Riikka Partanen

Opiskelijaryhmät
  • R31D21S
    International Business (full time day studies) Rovaniemi autumn 2021
  • R54D21S
    Bachelor of Engineering, Machine Learning and Data Engineering (full time studies), 2021
  • R81D21S
    Tourism, Rovaniemi autumn 2021

Tavoitteet

Student develops oral and written communication skills at level A2.1 (CEFR) and is familiar with Finnish working life. Student expands vocabulary and structures to the topics related to her/his own field of interest, e.g. engineering, international business, nursing or tourism.

Student can communicate in simple, familiar and routine tasks, such as shopping, local geography and employment. Student is able to describe in simple terms aspects of his/her background, immediate environment and matters in areas of immediate need at studies and work, in leisure time and with authorities.

Competences: Internationality and Multiculturalism Competenc

Sisältö

Practicing
• reading comprehension
• writing
• listening comprehension
• speaking

in/with following contexts and structures:
leisure time and hobbies
celebrations and traditions
education and work
shopping
business with Finnish authorities

Verbs: past tenses, verbs requiring a certain case (rektio) and kpt-change, -minen infinitive
Plurals in different cases
Nouns: kpt-change and possessive suffixes
Comparison of adjectives
More pronouns

Arviointiasteikko

H-5

Arviointikriteerit, tyydyttävä (1)

Grade 2
Student
· recognizes some familiar everyday expressions in oral and written communication situations
· can briefly communicate in a routine task requiring a simple and direct exchange of information related to his/her field of interest
· can react to some very basic and clearly expressed questions about everyday life


Grade 1
Student
· knows few very basic everyday expressions
· knows some words related to his/her field of interest

Grade 0
Student
· does not reach the objectives of the study unit or does not complete or pass the compulsory assignments

Arviointikriteerit, hyvä (3)

Grade 4
Student
· can understand and use some familiar everyday expressions related for example to very basic personal and family information and shopping in oral and written communication situations
· can communicate in routine tasks requiring a simple and direct exchange of information related to his/her field of interest
· can describe in some simple terms aspects of his/her background, immediate environment and matters in areas of immediate need.


Grade 3
Student
· recognizes some familiar everyday expressions related for example to very basic personal and family information and shopping in oral and written communication situations
· can communicate in a routine task requiring a simple and direct exchange of information related to his/her field of interest
· can describe in some simple terms aspects of his/her background, immediate environment and matters in areas of immediate need with assistance

Arviointikriteerit, kiitettävä (5)

Grade 5
Student
· can understand and use familiar everyday expressions related for example to very basic personal and family information and shopping in oral and written communication situations
· can communicate in routine tasks requiring a simple and direct exchange of information related to his/her field of interest
· can describe in simple terms aspects of his/her background, immediate environment and matters in areas of immediate need.

Lisätiedot

Finnish 1 tai vastaavat tiedot.

Ilmoittautumisaika

03.10.2022 - 31.12.2022

Ajoitus

09.01.2023 - 31.03.2023

Laajuus

5 op

Toteutustapa

Lähiopetus

Yksikkö

Tradenomikoulutus, liiketalous R

Opetuskielet
  • Suomi
Paikat

0 - 30

Tutkinto-ohjelma
  • Machine Learning and Data Engineering
Opettaja
  • Tanja Kyykkä
Vastuuhenkilö

Tanja Kyykkä

Opiskelijaryhmät
  • R31D21S
    International Business (full time day studies) Rovaniemi autumn 2021
  • R54D21S
    Bachelor of Engineering, Machine Learning and Data Engineering (full time studies), 2021
  • R81D21S
    Tourism, Rovaniemi autumn 2021

Tavoitteet

Student develops and deepens oral and written communication skills at level A2.2 (CEFR) and is familiar with main aspects of Finnish society.

Student is able to interact in Finnish in routine tasks related to areas of immediate relevance and his/her field of interest: for example making an appointment, writing a simple email and telling his/her opinion. He/she recognizes and understands characteristics of Finnish society and values. He/she becomes familiar with the structure and question types of the Finnish National Certificate of Language Proficiency (YKI-test). (The actual YKI-test is not included in this study unit.)

Competences: Internationality and Multiculturalism Competenc

Sisältö

Practicing
• reading comprehension
• writing
• listening comprehension
• speaking

in/with following contexts and structures:
environmental protection and recycling
culture and arts
history and society
emails and other longer messages
family and friends

Verbs: Passive voice, conditional and so called nollapersoona in all tenses
Object
More adjectives and comparison of adjectives
More pronouns and adverbs
More word types
More cases such as translative and essive
More sentence types

Arviointiasteikko

H-5

Arviointikriteerit, tyydyttävä (1)

Grade 2
Student
· recognizes some familiar everyday expressions related areas of immediate need and her/his field of interest
· can briefly communicate in a routine task requiring a simple and direct exchange of information
· can react to some very basic and clearly expressed questions about everyday life


Grade 1
Student
· knows and can react to few very basic everyday expressions related to immediate need and/or his/her field of interest


Grade 0
Student
· does not reach the objectives of the study unit or does not complete or pass the compulsory assignments

Arviointikriteerit, hyvä (3)

Grade 4
Student
· can understand and use some familiar everyday expressions related areas of immediate need and her/his field of interest

· can communicate in routine tasks requiring a simple and direct exchange of information
· can describe in some simple terms aspects of his/her background, immediate environment and matters in areas of immediate need.


Grade 3
Student
· recognizes some familiar everyday expressions related areas of immediate need and her/his field of interest
· can communicate in a routine task requiring a simple and direct exchange of information
· can describe in some simple terms aspects of his/her background, immediate environment and matters in areas of immediate need with assistance

Arviointikriteerit, kiitettävä (5)

Grade 5
Student
· can understand and use familiar everyday expressions related to areas of immediate need and her/his field of interest
· can communicate in routine tasks requiring a simple and direct exchange of information in written and oral communication situations
· can describe in simple terms aspects of his/her background, immediate environment and matters in areas of immediate need.

Lisätiedot

Finnish 1 tai vastaavat tiedot.

Ilmoittautumisaika

03.10.2022 - 01.01.2023

Ajoitus

02.01.2023 - 31.03.2023

Laajuus

5 op

Virtuaaliosuus (op)

2 op

Toteutustapa

60 % Lähiopetus, 40 % Etäopetus

Yksikkö

Insinöörikoulutus, tieto- ja viestintätekniikka

Opetuskielet
  • Suomi
Paikat

0 - 30

Tutkinto-ohjelma
  • Machine Learning and Data Engineering
Opettaja
  • Päivi Saari
Vastuuhenkilö

Päivi Saari

Opiskelijaryhmät
  • R54D22S
    Bachelor of Engineering, Machine Learning and Data Engineering (full time studies), 2022

Aika ja paikka

Rovaniemi, kevät -23 (viikot 2-12), Moodle-työtila avataan aiemmin opintojaksoon tutustumista ja lähtökyselyä varten

Oppimateriaalit

Moodle-materiaali Svenska för IT-ingenjörer
Oheismateriaali:
* Kirjallisuus: Flexteknik, Kokous- ja neuvottelutaidon käsikirja
* Liikeviestinnän käsikirjat - viestit vaihtoon 7 kielellä
* Verkkokursseja: Nätfräsch, Bud - Bygg upp din svenska, Språknät

Opetusmenetelmät

Lähitunnit ja muutama ZOOM-luento, materiaali Moodlessa "Svenska för IT-ingenjörer"
Oppimistehtävät: 2 suullista ja 1-2 kirjallista harjoitustehtävää ja tentti
Itsenäinen opiskelu

Tenttien ajankohdat ja uusintamahdollisuudet

Tentti on opintojakson lopussa, uusinnasta sovitaan opiskelijoiden kanssa

Lisätietoja opiskelijoille

Opintojakso on tarkoitettu MLDE:n suomenkielisille opiskelijoille. Moodle avataan ennen opintojakson alkamista lähtökyselyä ja sisältöön tutustumista varten

Arviointiasteikko

H-5

Arviointimenetelmät ja arvioinnin perusteet

Arviointiperusteet: Hyväksytysti suoritetut suulliset (2 kpl) ja kirjalliset harjoitustyöt (1-2 kpl), tentti sekä jatkuva näyttö. Arviointiasteikko 0-5. Opintojakso täyttää Kielilain (423/2003) edellyttämän ruotsin kielen taidon, joka arvioidaan T/H (suullinen ja kirjallinen taito erikseen)ja merkitään päättötodistuksen liitteelle. Arvosanat 1-3 vastaavat tyydyttävää ja 4-5 hyvää arvosanaa.
Ruotsin taitotasokuvaukset
Tyydyttävä (1)
Kertoo lyhyesti ja yksipuolisesti koulutuksestaan, työkokemuksestaaan ja -tehtävistään sekä alan yrityksistä ja palveluista. Osaa toimia lähteitä apuna käyttäen ennakoitavissa toimenkuvansa viestintätilanteissa ja hakea tietoa helppolukuisista ruotsinkielisistä lähteistä.
Tyydyttävä (2)
Osaa kertoa keskeisiä asioita koulutuksestaan, työkokemuksestaan ja -tehtävistään sekä alan yrityksistä ja palveluista. Osaa toimia ruotsin kielellä ennakoitavissa toimenkuvansa viestintätilanteissa ja hakea tietoa helppolukuisista ruotsinkielisistä lähteistä.
Hyvä (3)
Osaa kertoa koulutuksestaan, työkokemuksestaan ja -tehtävistä sekä alansa organisaatioista eheänä kokonaisuutena sekä selviytyy kohtalaisen hyvin toimenkuvansa työelämäkontakteista, palvelutilanteista sekä alan ruotsinkielisistä lähteistä.Tuntee kohtalaisen hyvin pohjoismaista kulttuuri- ja elinkeinoaluetta.
Hyvä (4)
Esittelee koulutustaan, työkokemustaan ja -tehtäviään monipuolisesti, esiintyy neuvottelutilanteissa sekä selviytyy työelämäkontakteista suhteellisen luontevasti ja asianomaisella tyylillä. Hallitsee työnhaun ja osaa jäsentää itsenäisesti tietoa alansa eri ruotsinkielisistä lähteistä.
Kiitettävä (5)
Esittelee koulutustaan, työkokemustaan ja -tehtäviään monipuolisesti, esiintyy neuvottelutilanteissa sekä selviytyy työelämäkontakteista luontevasti asianomaisella tyylillä ja on aloitteellinen. Hallitsee työnhaun ja osaa jäsentää itsenäisesti tietoa alansa ruotsinkielisistä lähteistä.

Ruotsin taitotasot: http://www02.oph.fi/ops/taitotasoasteikko.pdf

Hylätty (0)

Ei osallistu opintojaksolle tai keskeyttää opintojakson tai ei palauta suullisia/kirjallisia harjoitustehtäviä sovitussa ajassa / viimeistään seuraavan lukukauden loppuun mennessä.

Arviointikriteerit, tyydyttävä (1-2)

Tyydyttävä (1)
Kertoo lyhyesti ja yksipuolisesti koulutuksestaan, työkokemuksestaaan ja -tehtävistään sekä alan yrityksistä ja palveluista. Osaa toimia lähteitä apuna käyttäen ennakoitavissa toimenkuvansa viestintätilanteissa ja hakea tietoa helppolukuisista ruotsinkielisistä lähteistä.
Tyydyttävä (2)
Osaa kertoa keskeisiä asioita koulutuksestaan, työkokemuksestaan ja -tehtävistään sekä alan yrityksistä ja palveluista. Osaa toimia ruotsin kielellä ennakoitavissa toimenkuvansa viestintätilanteissa ja hakea tietoa helppolukuisista ruotsinkielisistä lähteistä.

Arviointikriteerit, hyvä (3-4)

Hyvä (3)
Osaa kertoa koulutuksestaan, työkokemuksestaan ja -tehtävistä sekä alansa organisaatioista eheänä kokonaisuutena sekä selviytyy kohtalaisen hyvin toimenkuvansa työelämäkontakteista, palvelutilanteista sekä alan ruotsinkielisistä lähteistä.Tuntee kohtalaisen hyvin pohjoismaista kulttuuri- ja elinkeinoaluetta.
Hyvä (4)
Esittelee koulutustaan, työkokemustaan ja -tehtäviään monipuolisesti, esiintyy neuvottelutilanteissa sekä selviytyy työelämäkontakteista suhteellisen luontevasti ja asianomaisella tyylillä. Hallitsee työnhaun ja osaa jäsentää itsenäisesti tietoa alansa eri ruotsinkielisistä lähteistä.

Arviointikriteerit, kiitettävä (5)

Kiitettävä (5)
Esittelee koulutustaan, työkokemustaan ja -tehtäviään monipuolisesti, esiintyy neuvottelutilanteissa sekä selviytyy työelämäkontakteista luontevasti asianomaisella tyylillä ja on aloitteellinen. Hallitsee työnhaun ja osaa jäsentää itsenäisesti tietoa alansa ruotsinkielisistä lähteistä.

Ilmoittautumisaika

03.10.2022 - 15.01.2023

Ajoitus

16.01.2023 - 21.04.2023

Laajuus

5 op

Toteutustapa

Lähiopetus

Yksikkö

Insinöörikoulutus, tieto- ja viestintätekniikka

Opetuskielet
  • Englanti
Paikat

0 - 30

Tutkinto-ohjelma
  • Machine Learning and Data Engineering
Opettaja
  • Ari Karjalainen
Vastuuhenkilö

Ari Karjalainen

Opiskelijaryhmät
  • R54D21S
    Bachelor of Engineering, Machine Learning and Data Engineering (full time studies), 2021

Arviointiasteikko

H-5

Ilmoittautumisaika

03.10.2022 - 15.01.2023

Ajoitus

16.01.2023 - 30.04.2023

Laajuus

5 op

Toteutustapa

Lähiopetus

Yksikkö

Insinöörikoulutus, tieto- ja viestintätekniikka

Opetuskielet
  • Englanti
Paikat

0 - 30

Tutkinto-ohjelma
  • Machine Learning and Data Engineering
Opettaja
  • Jyri Kivinen
Vastuuhenkilö

Jyri Kivinen

Opiskelijaryhmät
  • R54D22S
    Bachelor of Engineering, Machine Learning and Data Engineering (full time studies), 2022

Arviointiasteikko

H-5

Ilmoittautumisaika

03.10.2022 - 29.01.2023

Ajoitus

30.01.2023 - 23.04.2023

Laajuus

5 op

Virtuaaliosuus (op)

3 op

Toteutustapa

40 % Lähiopetus, 60 % Etäopetus

Yksikkö

Insinöörikoulutus, tieto- ja viestintätekniikka

Opetuskielet
  • Englanti
Paikat

0 - 30

Tutkinto-ohjelma
  • Machine Learning and Data Engineering
Opettaja
  • Aku Kesti
Vastuuhenkilö

Aku Kesti

Opiskelijaryhmät
  • R54D22S
    Bachelor of Engineering, Machine Learning and Data Engineering (full time studies), 2022

Aika ja paikka

Opetus tapahtuu pääsääntöisesti lähiopetuksena.

Oppimateriaalit

Materiaali jaetaan moodlessa. Lisäksi käytetään internetistä löytyviä oheismateriaaleja tehtävien tekemisessä.

Muuta kirjallisuutta:
- Web-ohjelmointi, Ari Rantala
- Web Design with HTML, CSS, JavaScript and Jquery Set, Jon Duckett

Opetusmenetelmät

Opintojaksoon sisältyy teoriaopetusta ja käytännön harjoituksia. Opintojakso tähtää projektissa tarvittavaan osaamiseen. Oppiminen tapahtuu oppimistehtävien kautta, jossa teoriaa sovelletaan käytäntöön.

Toteutuksen valinnaiset suoritustavat

Harjoitusten tekeminen ja harjoitustyö

Sisällön jaksotus

1. HTML, CSS, HTML Forms
2. Responsiivinen www-sivusto
3. Kuvagalleriat, flexbox, grid
4. JavaScript

Lisätietoja opiskelijoille

Opintojaksolla ei ole esitietovaatimuksia

Arviointiasteikko

H-5

Arviointimenetelmät ja arvioinnin perusteet

Opintojaksolla arvioidaan oppimistehtävien perusteella.
PALAUTTEET:
Oppimistilanteissa opiskelijoilta kerätään palautetta oppimisen etenemisestä, ohjauksesta ja ongelmatilanteista. Opintojakson lopussa palautetta kerätään www-pohjaisen palautejärjestelmän avulla.
Palautteita käsitellään opetiimin palavereissa ja tunneilla tarpeen mukaan. Opettaja reagoi saamaansa palautteeseen asianmukaisesti.