Sissejuhatus andmeanalüüsi (ITO8010)
PÕHIANDMED
õppeaine register
A - põhiregister
õppeaine kood
ITO8010
õppeaine nimetus eesti k
Sissejuhatus andmeanalüüsi
õppeaine nimetus inglise k
Introduction to Data Analysis
õppeaine maht AP
-
õppeaine maht EAP
6.00
deklareeritav
jah
õppeaine täies mahus läbitav e-õppes
ei
kontrollivorm
eksam
õpetamise semester
sügis-kevad
õppekeel
eesti keel
inglise keel
Õppekavad, millesse aine kuulub
kavaversiooni kood
aine kohustuslik
IADM18/25
jah
Ainet õpetavad struktuuriüksused
IT - tarkvarateaduse instituut
Ainekaardi link
http://ois2.taltech.ee/uusois/aine/ITO8010
Tunniplaani link
Vaata tunniplaani
Versioon:
2017/2018 kevad
  • 2017/2018 kevad
VERSIOONIPÕHISED ANDMED
õppeaine eesmärgid eesti k
Andmeanalüüsi alaste baasoskuste omandamine tasemel, kust on võimalik jätkata iseseisva õppimisega
õppeaine eesmärgid inglise k
Acquiring the skills for Data Analysis at the level from where the students are able to continue independently their future studies
õppeaine õpiväljundid eesti k.
Kursuse läbinud üliõpilane:
- oskab indetifitseerida ärilisi probleeme, mida saab lahendada andmete / ärianalüüsi tehnikatega;
- tunneb andme- ja ärianalüüsi teooria ning praktika kontseptsioone ja põhimõtteid;
- tunneb andmete eeltöötluse meetodeid ja protsesse;
- teab andmekaeve ja masinõppe meetodeid ja meetodite valikuid;
- oskab iseloomustada andmeid;
- suudab visualiseerida andmeid;
- omab praktilist arusaamist andmeanalüüsi etappidest, nende etappide vajadusest ja etappidevahelistest seostest.
õppeaine õpiväljundid ingl k.
After completing the course, the student:
- is able to identify business problems that can solve using data and Data Analysis;
- understands the meanings of Data Analysis concept,
- knows what data preparation is;
- knows data mining and machine learning methods and is able to choose correct method to solve particular problem;
- is able to describe data;
- is able to visualize data;
- has practical knowledge of the Business Analysis stages and phases and, relationships between these stages and phases.
õppeaine sisu lühikirjeldus eesti k
Kursuse käigus õpitakse põhiteadmisi andmeanalüüsi teostamiseks; andmeanalüüsi lähenemist tänapäevases andmeterikkas majanduses ning võimalusi suurest hulgast andmetest peidetud mustrite, regulaarsuste, seaduspärasuste ning trendide leidmiseks. Õpitakse tundma andmeanalüüsiks vajalike andmete hankimise, eeltöötlemise, talletamise, jms. põhimeetodeid ja -kontseptsioone; kursus annab ülevaate andmeanalüüsi ning andmekaevandamise põhimõistetest, meetoditest ning rakendustest. Aine läbimisel omandavad üliõpilased oskuse analüüsida ettevõtte või asutuse äriandmeid ja pakkuda sobilikke lahendusi ettevõtte või asutuse majandusnäitajate parandamiseks andmete abil.
õppeaine sisu lühikirjeldus ingl k
The course is intended to give a broad introduction to the field of Data Analysis/Business Intelligence. Apart from the theoretical foundation of the field of decision analysis, the course also introduces the foundation of data warehouses, data preparation, data visualization, etc. After completing the course, the student is able to analyze business processes, provide and apply tailor-made data-related solutions to improve the performance of business process/company/institution.
hindamisviis eesti k
Arvestus
hindamisviis ingl k
Distinctive assessment
iseseisev töö eesti k
Iseseisva kodutööna tuleb üliõpilasel lahendada õppejõu poolt ettavalmistatud praktilised ülesanded. Ülesanded on seotud kursuse sisuga. Arutelud teiste tudengitega lubatud, hindamiseks esitatakse orininaalsed lahendused ning ideed.
iseseisev töö ingl k
You are expected to finish practical excercises provided by lecturer. The assignments are directly related to the course content and are designed to link the content with real-world problems and practices. You may discuss homework with other students, but the specific ideas and their expression must be yours and yours alone.
õppekirjandus
Õppeaine koduleht: https://moodle.taltech.ee/course/view.php?id=21936
õppevormid ja mahud
päevaõpe: nädalatunnid
2.5
sessioonõppe töömahud (semestris):
loenguid
0.5
loenguid
6.0
praktikume
2.0
praktikume
33.5
harjutusi
0.0
harjutusi
0.0
vastutav õppejõud
-
ÕPPEJÕU AINEKAVA INFO
õppetöö semester
õpetav õppejõud / üksus
õppetöö keel
Laiendatud ainekava või link Moodle või kodulehele
2024/2025 kevad
Kristian Allikmaa, IT - tarkvarateaduse instituut
eesti keel
    ITO8010_Sissejuhatus_andmeanalüüsi_hindamiskriteeriumid.pdf 
    kuva rohkem
    2024/2025 sügis
    Kristian Allikmaa, IT - tarkvarateaduse instituut
    eesti keel
      ITO8010__Sissejuhatus_andmenalyysi_laiendatud_ainekava_21082024.pdf 
      2023/2024 kevad
      Kristian Allikmaa, IT - tarkvarateaduse instituut
      eesti keel
        2023/2024 sügis
        Kristian Allikmaa, IT - tarkvarateaduse instituut
        eesti keel
          ITO8010_laiendatud_ainekava_21082023.pdf 
          2022/2023 kevad
          Kristian Allikmaa, IT - tarkvarateaduse instituut
          eesti keel
            2022/2023 sügis
            Kristian Allikmaa, IT - tarkvarateaduse instituut
            eesti keel
              2021/2022 kevad
              Kristian Allikmaa, IT - tarkvarateaduse instituut
              eesti keel
                ITO8010_Sissejuhatus_andmeanalüüsi_hindamiskriteeriumid.pdf 
                2021/2022 sügis
                Kristian Allikmaa, IT - tarkvarateaduse instituut
                eesti keel
                  ITO8010_Sissejuhatus_andmeanalüüsi_hindamiskriteeriumid.pdf 
                  2020/2021 kevad
                  Kristian Allikmaa, IT - tarkvarateaduse instituut
                  eesti keel
                    ITO8010_Sissejuhatus_andmeanalüüsi_hindamiskriteeriumid.pdf 
                    2020/2021 sügis
                    Kristian Allikmaa, IT - tarkvarateaduse instituut
                    eesti keel
                      ITO8010_Sissejuhatus_andmeanalüüsi_hindamiskriteeriumid.pdf 
                      2019/2020 kevad
                      Kristian Allikmaa, IT - tarkvarateaduse instituut
                      eesti keel
                        ITO8010_Sissejuhatus_andmeanalüüsi_hindamiskriteeriumid.pdf 
                        2019/2020 sügis
                        Kristian Allikmaa, IT - tarkvarateaduse instituut
                        eesti keel
                          ITO8010_Sissejuhatus_andmeanalüüsi_hindamiskriteeriumid.pdf 
                          2018/2019 sügis
                          Kristian Allikmaa, IT - tarkvarateaduse instituut
                          eesti keel
                            ITO8010_Sissejuhatus_andmeanalüüsi_hindamiskriteeriumid.pdf 
                            Ainekaart eesti keeles
                            Ainekaart inglise keeles