Study Guide

Objective

You know the meaning of big data and how to use it in data driven decision making. You understand how to manage and apply large datasets in decision making. You are familiar with data driven decision making techniques and know how to communicate efficiently with data. You can also be critical

Content

What is big data?
How to transform data to knowledge?
What is data driven decision making?
How to apply massive datasets in decision-making and in management?

Opiskelumateriaali

Opintojakso muodostuu aloitustehtävästä ja sitä seuraavista kolmesta osasta, jotka ovat:
- Osa 1: Big data ja sen soveltaminen
- Osa 2: Päätöksen teko
- Osa 3: Tietoon perustuvan päätöksenteon harjoitukset

Kaikkien osien aineistot (videoluennot, harjoitustehtävät ja muu opiskelumateriaali) löytyvät Xamkin oppimisympäristöstä.

Yksilölliset oppimisväylät

Opintoja nopeuttava oppimisväylä:
Opintojakso toteutetaan kokonaan verkossa annetun aikataulun mukasesti.
Opiskelija voi halutessaan suorittaa opintojakson myös nopeammassa tahdissa, sillä koko materiaali aukeaa aloitustehtävän jälkeen.

TKI ja työelämäyhteistyö

Opintojaksolla käytetään todellisia aineistoja ja yritysesimerkkejä.

Tentit ja muut määräajat

Opintojakson aikataulu on seuraava:

22.1. 2024 Opintojakso alkaa
1.2.2024 Aloitustehtävän deadline*
5.2.2024 Oppimateriaali aukeaa aloitustehtävän suorittaneille
3.3.2024 Osan 1 deadline
1.4.2024 Osan 2 deadline
28.4.2023 Osan 3 deadline ja opintojakso päättyy

* HUOM! Opiskelijat, jotka eivät ole tehneet aloitustehtävää määräaikaan mennessä poistetaan opintojaksolta eivätkä he voi suorittaa sitä.

Sen jälkeen kun aineisto on avattu opiskejoille, he voivat opiskella täysin omaan tahtiinsa pitäen kuitenkin mielessä tehtävien viimeiset palautuspäivät.

Further information

Opintojakso on tarjolla:
Tutkinto-opiskeljoille 40 paikkaa
CampusOnlineopiskelijoille 60 paikkaa
Avoimen AMKin opiskeljolle 15 paikkaa

Evaluation scale

1-5

Assessment methods and criteria

Opintojakson arviointi perustuu oppimisympäristössä oleviin tehtäviin, jotka opiskelija voi suorittaa itsenäisesti verkossa itselleen sopivana aikana pitäen kuitenkin mielessä tehtävien viimeiset palautuspäivät.

Mikäli opiskelija palauttaa tehtävät määräajan jälkeen hän saa kyseisestä tehtävästä 0 pistettä. Opiskelijan ei ole pakko tehdä opintojakson kaikkia tehtäviä vaan arvosana määräytyy aikataulussa palautettujen tehtävien pisteiden perusteella.

LIsätietoja arvioinnista saat opintojakson opintokuvauksesta, joka löytyy oppimisympäristöstä

Qualifications

No prerequisities

Objective

You know the meaning of big data and how to use it in data driven decision making. You understand how to manage and apply large datasets in decision making. You are familiar with data driven decision making techniques and know how to communicate efficiently with data. You can also be critical

Content

What is big data?
How to transform data to knowledge?
What is data driven decision making?
How to apply massive datasets in decision-making and in management?

Opiskelumateriaali

Opintojakso muodostuu aloitustehtävästä ja sitä seuraavista kolmesta osasta, jotka ovat:
- Osa 1: Big data ja sen soveltaminen
- Osa 2: Päätöksen teko
- Osa 3: Tietoon perustuvan päätöksenteon harjoitukset

Kaikkien osien aineistot (videoluennot, harjoitustehtävät ja muu opiskelumateriaali) löytyvät Xamkin oppimisympäristöstä.

Yksilölliset oppimisväylät

Opintoja nopeuttava oppimisväylä:
Opintojakso toteutetaan kokonaan verkossa annetun aikataulun mukasesti.
Opiskelija voi halutessaan suorittaa opintojakson myös nopeammassa tahdissa, sillä koko materiaali aukeaa aloitustehtävän jälkeen.

TKI ja työelämäyhteistyö

Opintojaksolla käytetään todellisia aineistoja ja yritysesimerkkejä.

Tentit ja muut määräajat

Opintojakson aikataulu on seuraava:

16.1. 2023 Opintojakso alkaa
29.1.2023 Aloitustehtävän deadline*
1.2.2023 Oppimateriaali aukeaa aloitustehtävän suorittaneille
28.2.2023 Osan 1 deadline
31.3.2023 Osan 2 deadline
30.4.2023 Osan 3 deadline ja opintojakso päättyy

* HUOM! Opiskelijat, jotka eivät ole tehneet aloitustehtävää määräaikaan mennessä poistetaan opintojaksolta eivätkä he voi suorittaa sitä.

Sen jälkeen kun aineisto on avattu opiskejoille, he voivat opiskella täysin omaan tahtiinsa pitäen kuitenkin mielessä tehtävien viimeiset palautuspäivät.

Further information

Opintojakso on tarjolla:
Tutkinto-opiskeljoille 40 paikkaa
CampusOnlinopiskelijoille 60 paikkaa
Avoimen AMKin opiskeljolle 15 paikkaa

Evaluation scale

1-5

Assessment methods and criteria

Opintojakson arviointi perustuu oppimisympäristössä oleviin tehtäviin, jotka opiskelija voi suorittaa itsenäisesti verkossa itselleen sopivana aikana pitäen kuitenkin mielessä tehtävien viimeiset palautuspäivät.

Mikäli opiskelija palauttaa tehtävät määräajan jälkeen hän saa kyseisestä tehtävästä 0 pistettä. Opiskelijan ei ole pakko tehdä opintojakson kaikkia tehtäviä vaan arvosana määräytyy aikataulussa palautettujen tehtävien pisteiden perusteella.

LIsätietoja arvioinnista saat opintojakson opintokuvauksesta, joka löytyy oppimisympäristöstä

Qualifications

No prerequisities

Objective

You know the meaning of big data and how to use it in data driven decision making. You understand how to manage and apply large datasets in decision making. You are familiar with data driven decision making techniques and know how to communicate efficiently with data. You can also be critical

Content

What is big data?
How to transform data to knowledge?
What is data driven decision making?
How to apply massive datasets in decision-making and in management?

Opiskelumateriaali

Opintojakso muodostuu aloitustehtävästä ja sitä seuraavista kolmesta osasta, jotka ovat:
- Osa 1: Big data ja sen soveltaminen
- Osa 2: Päätöksen teko
- Osa 3: Tietoon perustuvan päätöksenteon harjoitukset

Kaikkien osien aineistot (videoluennot, harjoitustehtävät ja muu opiskelumateriaali) löytyvät Xamkin oppimisympäristöstä.

Yksilölliset oppimisväylät

Opintoja nopeuttava oppimisväylä:
Opintojakso toteutetaan kokonaan verkossa annetun aikataulun mukasesti.
Opiskelija voi halutessaan suorittaa opintojakson myös nopeammassa tahdissa, sillä koko materiaali aukeaa aloitustehtävän jälkeen.

TKI ja työelämäyhteistyö

Opintojaksolla käytetään todellisia aineistoja ja yritysesimerkkejä.

Tentit ja muut määräajat

Opintojakson aikataulu on seuraava:

17.1. 2022 Opintojakso alkaa
28.1.2022 Aloitustehtävän deadline*
1.2.2022 Oppimateriaali aukeaa aloitustehtävän suorittaneille
28.2.2022 Osan 1 deadline
31.3.2022 Osan 2 deadline
30.4.2022 Osan 3 deadline ja opintojakso päättyy

* HUOM! Opiskelijat, jotka eivät ole tehneet aloitustehtävää määräaikaan mennessä poistetaan opintojaksolta eivätkä he voi suorittaa sitä.

Sen jälkeen kun aineisto on avattu opiskejoille, he voivat opiskella täysin omaan tahtiinsa pitäen kuitenkin mielessä tehtävien viimeiset palautuspäivät.poistetaan opintojaksolta eivätkä he voi suorittaa sitä.

Sen jälkeen kun aineisto on avattu opiskejoille, he voivat opiskella täysin omaan tahtiinsa pitäen kuitenkin mielessä tehtävien viimeiset palautuspäivät.

Completion alternatives

Opintojakso toteutetaan kokonaan verkossa annetun aikataulun mukasesti.
Opiskelija voi halutessaan suorittaa opintojakson myös nopeammassa tahdissa, sillä koko materiaali aukeaa aloitustehtävän jälkeen.

Further information

Opintojakso on tarjolla:
- Tutkinto-opiskelijoille
- Avoimen AMKin opiskelijoille
- CampusOnlineopiskelijoille

Evaluation scale

1-5

Assessment methods and criteria

Opintojakson arviointi perustuu oppimisympäristössä oleviin tehtäviin, jotka opiskelija voi suorittaa itsenäisesti verkossa itselleen sopivana aikana pitäen kuitenkin mielessä tehtävien viimeiset palautuspäivät.

Mikäli opiskelija palauttaa tehtävät määräajan jälkeen hän saa kyseisestä tehtävästä 0 pistettä. Opiskelijan ei ole pakko tehdä opintojakson kaikkia tehtäviä vaan arvosana määräytyy aikataulussa palautettujen tehtävien pisteiden perusteella.

LIsätietoja arvioinnista saat opintojakson opintokuvauksesta, joka löytyy oppimisympäristöstä

Assessment criteria, satisfactory (1-2)

Arvosana 1: vähintään 40 pistettä
Arvosana 2; vähintään 52 pistettä

Assessment criteria, good (3-4)

Arvosana 3: vähintään 65 pistettä
Arvosana 4; vähintään 77 pistettä

Assessment criteria, excellent (5)

Arvosana 5: vähintään 90 pistettä

Qualifications

No prerequisities