Opinto-opas

Osaamistavoitteet

Opiskelija ymmärtää minkä tyyppisiä ongelmia voidaan ratkaista algoritmisen data-analyysin menetelmillä. Yleisimpien data-analyysimenetelmien toimintaperiaatteet ja -edellytykset sekä niiden algoritmiset periaatteet. Tiedonlouhinnan ja koneoppimisen edellytykset ja tavoitteet sekä algoritmisen data-analyysin työnkulun.

Opiskelija osaa valita oikean analyysin tavoitteen (datan kuvailu vs. ennustavan mallin oppiminen) ja osaa valita yleisimmistä menetelmistä sopivimman sekä datalle parhaiten skaalautuvan. Osaa käyttää yleisimpiä data-analyysimenetelmiä oikein ja osaa tulosten analysoinnin perusteet.

Sisältö

Data-analyysin vaiheet. Kuvailevan ja ennustavan data-analyysin peruskäsitteet. Assosiaatiosääntöjen ja kattavien joukkojen louhinta. Yleisimmät ryhmittelyalgoritmit. Verkkojen analysoinnin perusteet. Päätöspuut, naiivi Bayes -luokkitelijat ja lineaariset luokittelijat. Ydinkikka. Tulosten merkitsevyyden testaus. Poikkeuksien havaitseminen ja analysointi. Yksityisyys ja syrjiminen data-analyysissä. Menetelmien tehokas toteutus

Esitietovaatimukset

Tietorakenteet ja algoritmit I (tai vastaavat tiedot).

Oppimateriaalit

Tenttikirjat, oheismateriaalit, kontaktiopetuksessa jaettava materiaali

Esitietovaatimukset

Tietorakenteet ja algoritmit I (tai vastaavat tiedot).