- Opettaja
Kirsi Gunther
Kategoria: Sosiaalityö
Turun yliopiston Moodle
Hakutulokset
Moodle-alue on tarkoitettu kaikille Sote-akatemian opintojaksoja ja/tai opintokokonaisuuksia suorittaville.
Yhteydenotot: sote@utu.fi
- Opettaja
Jussi Lehtonen
Kategoria: Sote-akatemia
Laajuus: 10 op
Tavoitteet: Opiskelija oppii tekemään omalla tieteenalallaan vaativia teoreettisia, metodologisia ja temaattisia ratkaisuja, hallitsemaan vaativaa ja laajaa lähteiden käyttöä sekä käymään rakentavaa tieteellistä keskustelua. Seminaarin aikana hän etenee väitöstutkimuksessaan jo pitkälle kirjoittamisvaiheeseen.
Sisältö: Tutkijaseminaari tukee jatkotutkinto-opiskelijan väitöskirjatyötä siten, että hän tuo seminaarikeskusteluun tutkimussuunnitelmansa ja metodipainotteinen työn, jonka tavoitteena on syventyä väitöstutkimuksen erityisongelmiin, kysymyksenasetteluun ja metodeihin sekä jonkin pitkälle kirjoitetun pääluvun.
- Teacher
Jarkko Keskinen
Kategoria: Suomen historia
Tavoitteet
After the course the student understands the main points of clear standard speech on familiar topics regularly encountered in work, studies, free time, etc. The student can communicate in tasks requiring simple information on familiar topics and activities. The student understands texts that consist mainly of high frequency everyday or job-related vocabulary and phrases. The student can write simple text connected with topics which are familiar or of personal interest.
After the course the student understands the main points of clear standard speech on familiar topics regularly encountered in work, studies, free time, etc. The student can communicate in tasks requiring simple information on familiar topics and activities. The student understands texts that consist mainly of high frequency everyday or job-related vocabulary and phrases. The student can write simple text connected with topics which are familiar or of personal interest.
- Opettaja
Päivi Paukku
Tavoitteet
After the course the student understands the main points of clear standard speech on familiar topics regularly encountered in work, studies, free time, etc. The student can communicate in tasks requiring simple information on familiar topics and activities. The student understands texts that consist mainly of high frequency everyday or job-related vocabulary and phrases. The student can write simple text connected with topics which are familiar or of personal interest.
After the course the student understands the main points of clear standard speech on familiar topics regularly encountered in work, studies, free time, etc. The student can communicate in tasks requiring simple information on familiar topics and activities. The student understands texts that consist mainly of high frequency everyday or job-related vocabulary and phrases. The student can write simple text connected with topics which are familiar or of personal interest.
- Opettaja
Susanna Virtanen
Tavoitteet
After the course the student understands the main points of clear standard speech on familiar topics regularly encountered in work, studies, free time, etc. The student can communicate in tasks requiring simple information on familiar topics and activities. The student understands texts that consist mainly of high frequency everyday or job-related vocabulary and phrases. The student can write simple text connected with topics which are familiar or of personal interest.
After the course the student understands the main points of clear standard speech on familiar topics regularly encountered in work, studies, free time, etc. The student can communicate in tasks requiring simple information on familiar topics and activities. The student understands texts that consist mainly of high frequency everyday or job-related vocabulary and phrases. The student can write simple text connected with topics which are familiar or of personal interest.
- Opettaja
Susanna Virtanen
Tavoitteet
After the course the student understands the main points of clear standard speech on familiar topics regularly encountered in work, studies, free time, etc. The student can communicate in tasks requiring simple information on familiar topics and activities. The student understands texts that consist mainly of high frequency everyday or job-related vocabulary and phrases. The student can write simple text connected with topics which are familiar or of personal interest.
After the course the student understands the main points of clear standard speech on familiar topics regularly encountered in work, studies, free time, etc. The student can communicate in tasks requiring simple information on familiar topics and activities. The student understands texts that consist mainly of high frequency everyday or job-related vocabulary and phrases. The student can write simple text connected with topics which are familiar or of personal interest.
- Opettaja
Eveliina Suuniitty
Tavoitteet
After the course the student understands the main points of clear standard speech on familiar topics regularly encountered in work, studies, free time, etc. The student can communicate in tasks requiring simple information on familiar topics and activities. The student understands texts that consist mainly of high frequency everyday or job-related vocabulary and phrases. The student can write simple text connected with topics which are familiar or of personal interest.
After the course the student understands the main points of clear standard speech on familiar topics regularly encountered in work, studies, free time, etc. The student can communicate in tasks requiring simple information on familiar topics and activities. The student understands texts that consist mainly of high frequency everyday or job-related vocabulary and phrases. The student can write simple text connected with topics which are familiar or of personal interest.
- Opettaja
Eveliina Suuniitty
Tavoitteet
Kurssin jälkeen opiskelija pystyy keskustelemaan tutuista aiheista kuten opiskelusta ja työstä. Hän pystyy lukemaan hieman vaativampiakin tekstejä silloin, kun aihe on tuttu. Hän ymmärtää sanakirjan avulla pääasiat tavallisesta asiatekstistä. Hän osaa kirjoittaa yksinkertaisia, yhtenäisiä tekstejä.
Kurssin jälkeen opiskelija pystyy keskustelemaan tutuista aiheista kuten opiskelusta ja työstä. Hän pystyy lukemaan hieman vaativampiakin tekstejä silloin, kun aihe on tuttu. Hän ymmärtää sanakirjan avulla pääasiat tavallisesta asiatekstistä. Hän osaa kirjoittaa yksinkertaisia, yhtenäisiä tekstejä.
- Opettaja
Päivi Paukku
Tavoitteet
Kurssin jälkeen opiskelija pystyy keskustelemaan tutuista aiheista kuten opiskelusta ja työstä. Hän pystyy lukemaan hieman vaativampiakin tekstejä silloin, kun aihe on tuttu. Hän ymmärtää sanakirjan avulla pääasiat tavallisesta asiatekstistä. Hän osaa kirjoittaa yksinkertaisia, yhtenäisiä tekstejä.
Kurssin jälkeen opiskelija pystyy keskustelemaan tutuista aiheista kuten opiskelusta ja työstä. Hän pystyy lukemaan hieman vaativampiakin tekstejä silloin, kun aihe on tuttu. Hän ymmärtää sanakirjan avulla pääasiat tavallisesta asiatekstistä. Hän osaa kirjoittaa yksinkertaisia, yhtenäisiä tekstejä.
- Opettaja
Päivi Paukku
Tavoitteet
Opiskelija parantaa kommunikaatiotaitojaan ja syventää suomen kielen tuntemustaan kaikilla kielitaidon osa-alueilla. Hän oppii lisää kielen rakenteita ja laajentaa sanavarastoaan ja kulttuurin tuntemustaan. Opiskelija osaa lukea erilaisia tekstejä ja tekstilajeja.
Opiskelija parantaa kommunikaatiotaitojaan ja syventää suomen kielen tuntemustaan kaikilla kielitaidon osa-alueilla. Hän oppii lisää kielen rakenteita ja laajentaa sanavarastoaan ja kulttuurin tuntemustaan. Opiskelija osaa lukea erilaisia tekstejä ja tekstilajeja.
- Opettaja
Päivi Paukku
Tavoitteet
Opintojakso antaa valmiudet ymmärtää niin perinteisiin hakumenetelmiin kuin koneoppimiseenkin perustuvia tekoälyjärjestelmiä. Nämä valmiudet ovat tarpeellinen perusta erityisesti data-analytiikan oppiaineen syventäviin opintoihin.
Opintojakso vahvistaa seuraavia työelämävalmiuksia: luovuus, moniammatillisuus, ongelmanratkaisutaidot sekä tieto- ja viestintätekniikan taidot.
Opintojakso antaa valmiudet ymmärtää niin perinteisiin hakumenetelmiin kuin koneoppimiseenkin perustuvia tekoälyjärjestelmiä. Nämä valmiudet ovat tarpeellinen perusta erityisesti data-analytiikan oppiaineen syventäviin opintoihin.
Opintojakso vahvistaa seuraavia työelämävalmiuksia: luovuus, moniammatillisuus, ongelmanratkaisutaidot sekä tieto- ja viestintätekniikan taidot.
- Opettaja
Jari Björne
Kategoria: Tietotekniikan laitos
Tavoitteet
Opintojakso antaa valmiudet ymmärtää niin perinteisiin hakumenetelmiin kuin koneoppimiseenkin perustuvia tekoälyjärjestelmiä. Nämä valmiudet ovat tarpeellinen perusta erityisesti data-analytiikan oppiaineen syventäviin opintoihin.
Opintojakso vahvistaa seuraavia työelämävalmiuksia: luovuus, moniammatillisuus, ongelmanratkaisutaidot sekä tieto- ja viestintätekniikan taidot.
Opintojakso antaa valmiudet ymmärtää niin perinteisiin hakumenetelmiin kuin koneoppimiseenkin perustuvia tekoälyjärjestelmiä. Nämä valmiudet ovat tarpeellinen perusta erityisesti data-analytiikan oppiaineen syventäviin opintoihin.
Opintojakso vahvistaa seuraavia työelämävalmiuksia: luovuus, moniammatillisuus, ongelmanratkaisutaidot sekä tieto- ja viestintätekniikan taidot.
- Opettaja
Jari Björne
Kategoria: Tietotekniikan laitos
- Opettaja
Jari Björne
Kategoria: Teknillinen tiedekunta
- Opettaja
Jari Björne
Kategoria: Tekoälyakatemia
- Opettaja
Jari Björne
Kategoria: Tietotekniikan laitos
- Opettaja
Jari Björne
Kategoria: Projektit ja hankkeet
Tavoitteet
Opiskelija hahmottaa maantieteen teoreettiset ja metodologiset lähtökohdat ja osaa yhdistää nämä alueiden tutkimukseen. Hän tunnistaa tieteenfilosofiset, menetelmälliset ja maantieteen teoreettiset kysymykset sekä niiden suhteen maantieteen metodologiaan ja tiedon intresseihin. Opiskelija tietää, kuinka erilaiset metodologiat ovat vaikuttaneet maantieteen tradition muovautumiseen. Metodologioita ovat esimerkiksi positivismi, humanismi, strukturalismi, realismi, konstruktionismi, postmodernismi, poststrukturalismi, postkolonialismi, feminismi ja integroiva maantiede. Kurssin työskentelytavat parantavat opiskelu-, esiintymis-, projektinhallinta- ja ryhmätyotaitoja seka harjaannuttavat tieteelliseen kirjoittamiseen.
Opiskelija hahmottaa maantieteen teoreettiset ja metodologiset lähtökohdat ja osaa yhdistää nämä alueiden tutkimukseen. Hän tunnistaa tieteenfilosofiset, menetelmälliset ja maantieteen teoreettiset kysymykset sekä niiden suhteen maantieteen metodologiaan ja tiedon intresseihin. Opiskelija tietää, kuinka erilaiset metodologiat ovat vaikuttaneet maantieteen tradition muovautumiseen. Metodologioita ovat esimerkiksi positivismi, humanismi, strukturalismi, realismi, konstruktionismi, postmodernismi, poststrukturalismi, postkolonialismi, feminismi ja integroiva maantiede. Kurssin työskentelytavat parantavat opiskelu-, esiintymis-, projektinhallinta- ja ryhmätyotaitoja seka harjaannuttavat tieteelliseen kirjoittamiseen.
- Opettaja
Lauri Hooli
Kategoria: Maantieteen ja geologian laitos
Objectives
The student will:
- apply and further expand the understanding of deep neural network models gained in the Deep Learning in Human Language Technology course
- recognize and understand the most important text analysis tasks typically faced in research and data science industry
- understand what methods and datasets apply to these tasks, and their limitations
- be able to gather relevant data and critically assess its quality as well as the quality of the method output
- be able to independently implement basic text analysis tasks using modern neural network models and Python libraries
The student will:
- apply and further expand the understanding of deep neural network models gained in the Deep Learning in Human Language Technology course
- recognize and understand the most important text analysis tasks typically faced in research and data science industry
- understand what methods and datasets apply to these tasks, and their limitations
- be able to gather relevant data and critically assess its quality as well as the quality of the method output
- be able to independently implement basic text analysis tasks using modern neural network models and Python libraries
- Opettaja
Filip Ginter
Kategoria: Tietotekniikan laitos
- Opettaja
Mikko-Jussi Laakso
Kategoria: Tietotekniikan laitos
Kurssin "Tietokantojen perusteet" verkkosivu keväälle 2022
- Opettaja
Lasse Bergroth
Kategoria: Tietotekniikan laitos
Kurssin Tietokantojen perusteet verkkosivu / kevät 2024
- Opettaja
Lasse Bergroth
Kategoria: Tietotekniikan laitos
- Luennoitsija
Lasse Bergroth
Kategoria: Tietotekniikan laitos
Tavoitteet
Kurssin suoritettuaan opiskelija ymmärtää tiedonhallinnan ja tietokantajärjestelmien perusteet sekä erityisesti relaatiotietokantojen toimintaperiaatteet. Hän oppii mallintamaan pienen tietokannan ER-mallin mukaisesti ja muuntamaan sen edelleen relaatiotietokannaksi. Kurssin suorittanut opiskelija osaa lisäksi SQL-kieltä hyväksi käyttäen toteuttaa suunnittelemansa relaatiotietokannan sekä käyttää sitä kohdistamalla tietokantaan SQL:n tavallisimpia kysely- ja päivitysoperaatioita.
Opintojakso vahvistaa seuraavia työelämävalmiuksia: luovuus, moniammatillisuus, ongelmanratkaisutaidot, tieto- ja viestintätekniikan taidot ja viestintätaidot.
Kurssin suoritettuaan opiskelija ymmärtää tiedonhallinnan ja tietokantajärjestelmien perusteet sekä erityisesti relaatiotietokantojen toimintaperiaatteet. Hän oppii mallintamaan pienen tietokannan ER-mallin mukaisesti ja muuntamaan sen edelleen relaatiotietokannaksi. Kurssin suorittanut opiskelija osaa lisäksi SQL-kieltä hyväksi käyttäen toteuttaa suunnittelemansa relaatiotietokannan sekä käyttää sitä kohdistamalla tietokantaan SQL:n tavallisimpia kysely- ja päivitysoperaatioita.
Opintojakso vahvistaa seuraavia työelämävalmiuksia: luovuus, moniammatillisuus, ongelmanratkaisutaidot, tieto- ja viestintätekniikan taidot ja viestintätaidot.
- Opettaja
Vilho Kivihalme
Kategoria: Tietojenkäsittelytieteet
Tavoitteet
Kurssin suoritettuaan opiskelija ymmärtää tiedonhallinnan ja tietokantajärjestelmien perusteet sekä erityisesti relaatiotietokantojen toimintaperiaatteet. Hän oppii mallintamaan pienen tietokannan ER-mallin mukaisesti ja muuntamaan sen edelleen relaatiotietokannaksi. Kurssin suorittanut opiskelija osaa lisäksi SQL-kieltä hyväksi käyttäen toteuttaa suunnittelemansa relaatiotietokannan sekä käyttää sitä kohdistamalla tietokantaan SQL:n tavallisimpia kysely- ja päivitysoperaatioita.
Opintojakso vahvistaa seuraavia työelämävalmiuksia: luovuus, moniammatillisuus, ongelmanratkaisutaidot, tieto- ja viestintätekniikan taidot ja viestintätaidot.
Kurssin suoritettuaan opiskelija ymmärtää tiedonhallinnan ja tietokantajärjestelmien perusteet sekä erityisesti relaatiotietokantojen toimintaperiaatteet. Hän oppii mallintamaan pienen tietokannan ER-mallin mukaisesti ja muuntamaan sen edelleen relaatiotietokannaksi. Kurssin suorittanut opiskelija osaa lisäksi SQL-kieltä hyväksi käyttäen toteuttaa suunnittelemansa relaatiotietokannan sekä käyttää sitä kohdistamalla tietokantaan SQL:n tavallisimpia kysely- ja päivitysoperaatioita.
Opintojakso vahvistaa seuraavia työelämävalmiuksia: luovuus, moniammatillisuus, ongelmanratkaisutaidot, tieto- ja viestintätekniikan taidot ja viestintätaidot.
- Opettaja
Vilho Kivihalme
Kategoria: Tietojenkäsittelytieteet
Tavoitteet
Kurssin suoritettuaan opiskelija ymmärtää tiedonhallinnan ja tietokantajärjestelmien perusteet sekä erityisesti relaatiotietokantojen toimintaperiaatteet. Hän oppii mallintamaan pienen tietokannan ER-mallin mukaisesti ja muuntamaan sen edelleen relaatiotietokannaksi. Kurssin suorittanut opiskelija osaa lisäksi SQL-kieltä hyväksi käyttäen toteuttaa suunnittelemansa relaatiotietokannan sekä käyttää sitä kohdistamalla tietokantaan SQL:n tavallisimpia kysely- ja päivitysoperaatioita.
Opintojakso vahvistaa seuraavia työelämävalmiuksia: luovuus, moniammatillisuus, ongelmanratkaisutaidot, tieto- ja viestintätekniikan taidot ja viestintätaidot.
Kurssin suoritettuaan opiskelija ymmärtää tiedonhallinnan ja tietokantajärjestelmien perusteet sekä erityisesti relaatiotietokantojen toimintaperiaatteet. Hän oppii mallintamaan pienen tietokannan ER-mallin mukaisesti ja muuntamaan sen edelleen relaatiotietokannaksi. Kurssin suorittanut opiskelija osaa lisäksi SQL-kieltä hyväksi käyttäen toteuttaa suunnittelemansa relaatiotietokannan sekä käyttää sitä kohdistamalla tietokantaan SQL:n tavallisimpia kysely- ja päivitysoperaatioita.
Opintojakso vahvistaa seuraavia työelämävalmiuksia: luovuus, moniammatillisuus, ongelmanratkaisutaidot, tieto- ja viestintätekniikan taidot ja viestintätaidot.
- Opettaja
Vilho Kivihalme
Kategoria: Tietotekniikan laitos
Kurssin TKO_3107-3009: Tietorakenteet ja algoritmit verkkosivu
- Opettaja
Lasse Bergroth
Kategoria: Tietotekniikan laitos
Tavoitteet
Kurssin alkupuolella opiskelija tutustuu algoritmiikan kannalta tärkeimpien matemaattisten funktioiden kasvunopeuden vertailuun ja sittemmin algoritmien suoritustehokkuuden analysointiin aikavaativuuden osalta. Tämän jälkeen hän perehtyy tärkeimpien yleiskäyttöisten järjestämis- ja valinta-algoritmien toimintaan sekä mahdollisuuksiin niiden tehostamiseksi erikoistapauksissa. Kurssin loppuosassa opiskelija oppii puolestaan keskeisimpien tallennus- ja hakurakenteiden ominaisuudet sekä niiden mahdollisia toteutustapoja eri perustietorakenteita käyttämällä.
Opintojakso vahvistaa seuraavia työelämävalmiuksia: luovuus, moniammatillisuus, ongelmanratkaisutaidot, tieto- ja viestintätekniikan taidot sekä viestintätaidot.
Kurssin alkupuolella opiskelija tutustuu algoritmiikan kannalta tärkeimpien matemaattisten funktioiden kasvunopeuden vertailuun ja sittemmin algoritmien suoritustehokkuuden analysointiin aikavaativuuden osalta. Tämän jälkeen hän perehtyy tärkeimpien yleiskäyttöisten järjestämis- ja valinta-algoritmien toimintaan sekä mahdollisuuksiin niiden tehostamiseksi erikoistapauksissa. Kurssin loppuosassa opiskelija oppii puolestaan keskeisimpien tallennus- ja hakurakenteiden ominaisuudet sekä niiden mahdollisia toteutustapoja eri perustietorakenteita käyttämällä.
Opintojakso vahvistaa seuraavia työelämävalmiuksia: luovuus, moniammatillisuus, ongelmanratkaisutaidot, tieto- ja viestintätekniikan taidot sekä viestintätaidot.
- Opettaja
Vilho Kivihalme
Kategoria: Tietotekniikan laitos
Tavoitteet
Opintojakso on jatkoa opintojaksolle Tilastollinen päättely I. Opiskelija oppii käyttämään uskottavuuspäättelyn menetelmiä myös kaksi- ja useampiparametristen mallien tapauksessa. Lisäksi opiskelija oppii tilastollisten testien perusteorian.
Opintojakso on jatkoa opintojaksolle Tilastollinen päättely I. Opiskelija oppii käyttämään uskottavuuspäättelyn menetelmiä myös kaksi- ja useampiparametristen mallien tapauksessa. Lisäksi opiskelija oppii tilastollisten testien perusteorian.
- Opettaja
Henri Nyberg
Kategoria: Matematiikan ja tilastotieteen laitos
Tavoitteet
Opintojakso on jatkoa opintojaksolle Tilastollinen päättely I. Opiskelija oppii käyttämään uskottavuuspäättelyn menetelmiä myös kaksi- ja useampiparametristen mallien tapauksessa. Lisäksi opiskelija oppii tilastollisten testien perusteorian.
Opintojakso on jatkoa opintojaksolle Tilastollinen päättely I. Opiskelija oppii käyttämään uskottavuuspäättelyn menetelmiä myös kaksi- ja useampiparametristen mallien tapauksessa. Lisäksi opiskelija oppii tilastollisten testien perusteorian.
- Opettaja
Pekka Nieminen
Kategoria: Matematiikan ja tilastotieteen laitos
Tavoitteet
Kurssi on jatkoa kurssille "TILM3587 (tai TILM3622) Regressioanalyysi ja tilastollinen oppiminen". Kyseisen kurssin teemat ja menetelmät oletetaan ennakkotietoina tällä kurssilla. Tämän kurssin jälkeen opiskelija hallitsee laajan joukon tilastolliseen (ohjattuun ja ohjaamattomaan) oppimiseen liitettäviä kehittyneitä menetelmien ml. niiden ominaisuuksia ja laajennuksia.
Kurssi on jatkoa kurssille "TILM3587 (tai TILM3622) Regressioanalyysi ja tilastollinen oppiminen". Kyseisen kurssin teemat ja menetelmät oletetaan ennakkotietoina tällä kurssilla. Tämän kurssin jälkeen opiskelija hallitsee laajan joukon tilastolliseen (ohjattuun ja ohjaamattomaan) oppimiseen liitettäviä kehittyneitä menetelmien ml. niiden ominaisuuksia ja laajennuksia.
- Opettaja
Henri Nyberg
Kategoria: Matematiikan ja tilastotieteen laitos
Osaamistavoitteet
- Opettaa tilastollisen päättelyn periaatteet monen selittävän muuttujan malleissa
- Tilastollisten analyysien toteutus SPSS-ohjelmistolla
- Tulosten raportointi julkaisuissa
Sisältö
- Monen selittävän muuttujan mallit
- Sekoittavat ja vaikutusta muovaavat tekijät ja yhdysvaikutusten testaus
- Varianssianalyysi
- Lineaarinen regressio
- Kovarianssianalyysi
- Lineaariset mallit
- Binäärinen, multinominen ja kumulatiivinen logistinen regressio
- Poisson regressio
- Opettaja
Tero Vahlberg
Kategoria: PGE, UTUGS
Kurssilla käydään läpi eräitä kasvatustieteissä tyypillisiä kvantitatiivisen tutkimusaineiston käsittelyyn
liittyviä menetelmiä ja niiden toteuttamista SPSS-ohjelmalla. Työpajoissa (12 h) tutustutaan erilaisiin varianssi- ja regressioanalyysien sovelluksiin sekä
harjoitellaan niiden toteutusta ja tulosteiden tulkintaa SPSS-ympäristössä. Käsiteltäviä menetelmiä ovat
mm. kovarianssianalyysi, toistettuihin mittauksiin liittyvät analyysit, askeltava ja hierarkkinen mallinnus,
kategoristen muuttujien analyysit ja monitasoanalyysit. Näiden yhteydessä pohditaan myös ei-parametrisia
vaihtoehtoja sekä efektikoon arviointia ja käyttöä tulosten raportoinnissa.
- Opettaja
Eero Laakkonen
Kategoria: Tohtorikoulutus
Turun yliopiston tilastotieteen jatko-opiskelijat järjestävät tilastotieteen luku- ja laskupiirin. Vuoden 2023 kirjana on A.C. Davisonin Statistical Models, joka kattaa laajasti eri tilastotieteen osa-alueita. Piiri kokoontuu 8.3.-13.11.2023 välisenä aikana lopussa esitetyn aikataulun mukaisesti. Kesätaukoa vietetään 13.6.-13.8. ja mukaan saa tulla koska tahansa.
Luku- ja laskupiiri on suunnattu jatko-opiskelijoille ja esitietona oletetaan tilastotieteen perus- ja aineopinnot tai muu soveltuva matemaattinen osaaminen (silmäile kirjaa ja arvioi osaamisesi). Lisäksi oletetaan riittävää suomen ja englannin kielen taitoa (tapaamisissa kielenä on suomi, kirjallisuus on englanniksi).
Ensimmäisessä kokoontumisessa (8.3.2023 klo 14.15) tutustutaan muihin osallistujiin ja jaetaan ensimmäisen luvun tiivistelmän teko sekä laskutehtävät. Oletuksena on, että jokainen osallistuja tekisi vähintään yhden tiivistelmän piirin aikana ja laskisi yhden tehtävän jokaiselle tapaamiskerralle, jolle osallistuu. Mikäli osallistujia on odotettua enemmän, sovitaan tarkemmista käytänteistä erikseen. Tapaamiset toteutetaan hybridinä, mutta osallistujia kannustetaan tapaamaan kasvotusten.
Piirin tapaamisissa tiivistelmästä vastuussa ollut henkilö esittää luvun keskeisimmät asiat. Lisäksi keskustellaan hyvässä hengessä mieleen tulleista asioista sekä mahdollisista epäselvyyksistä ja ongelmista. Lopuksi käydään läpi jaettujen tehtävien ratkaisut tai niiden yritykset. Mikäli jotkut jaetuista tehtävistä jäivät ratkaisematta, yritetään ratkaista ne yhdessä. Lopuksi jaetaan seuraavan luvun tiivistelmän tekovastuu sekä laskutehtävät.
Tarkoituksena on kuitenkin oppia uutta ja virkistää muistia, joten osallistumisen kannalta ei ole tarpeellista kyetä ratkaisemaan laskutehtäviä yksin, vaan ideana on lyödä viisaat päät yhteen ja oppia ja käsitellä aiheita yhdessä. Osallistujat voivat siis halutessaan järjestää keskenään ns. laskupajoja tapaamisten välillä. Toki halutessaan saa tehtäviä tehdä myös yksinäänkin.
Luku- ja laskupiiristä on mahdollista saada opintopisteitä. 3 opintopisteen suoritukseen tarvitaan:
- osallistuminen kaikkiin 11 tapaamiseen
- vähintään yhden tehtävän tekeminen per tapaamiskerta
- yhden tiivistelmän teko
Luku- ja laskupiirin aikataulu on esitetty alla olevassa taulukossa. Tapaamiset järjestetään klo 16.15 alkaen Turun yliopiston Quantum-rakennuksen M2 salissa (poikkeuksena ensimmäinen tapaaminen ke 8.3. klo 14.15). Tapaamisiin on mahdollista osallistua etänä ZOOM:ssa osoitteessa https://utu.zoom.us/j/63290669785.
Piiriin liittyvissä asioissa voit olla yhteydessä Katariinaan kakype@utu.fi.
Luku | Päivämäärä | Sivut | Sivumäärä |
Variation | 20.3. | 15-51 | 37 |
Uncertainty | 3.4. | 52-93 | 42 |
Likelihood | 24.4. | 94-160 | 67 |
Models | 15.5. | 161-224 | 64 |
Stochastic Models | 12.6. | 225-299 | 75 |
Estimation and Hypothesis Testing | 14.8. | 300-352 | 53 |
Linear Regression Models | 28.8. | 353-416 | 64 |
Designed Experiments | 11.9. | 417-467 | 51 |
Nonlinear Regression Models | 9.10. | 468-564 | 97 |
Bayesian Models | 30.10. | 565-644 | 80 |
Conditional and Marginal Inference | 13.11. | 645-695 | 51 |
- Opettaja
Henri Nyberg
Kategoria: Matematiikan ja tilastotieteen laitos
Opintojakso syventää opiskelijan tietoja ja valmiuksia tilinpäätösinformaatiosta ajatellen sekä vaativia yrityksen talousjohdon tehtäviä (tilinpäätösinformaation tarjonta), vaativia tilinpäätösten analysointitehtäviä (tilinpäätösinformaation kysyntä) että pro gradu -työskentelyä ja mahdollisia jatko-opintoja. Opintojakson suoritettuaan opiskelija tiedostaa teorian merkityksen tilinpäätösinformaation tutkimuksessa, pystyy analysoimaan ja hyödyntämään alan tieteellisiä tekstejä, sekä soveltamaan oppimaansa myös käytäntöön.
- Opettaja
Hannu Schadewitz
Kategoria: Laskentatoimen ja rahoituksen laitos
- Opettaja
Henri Nyberg
Kategoria: Matematiikan ja tilastotieteen laitos
Tavoitteet
Opintojakson suoritettuaan opiskelija ymmärtää ohjelmoinnin perusteet ja osaa laatia VBA-kielellä makroja, joiden tarkoitus on toimia Excelissä suunnittelun, analysoinnin tai tiedon jalostamisen tukena. Opiskelija ymmärtää makrojen roolin Excelin käytön osana ja osaa valita sopivat menetelmät erilaisiin tehtäviin. Makrojen käytön lisäksi opiskelija omaksuu kyvyn hyödyntää Excelin edistyneempiä valmisfunktiota.
Opintojakson suoritettuaan opiskelija ymmärtää ohjelmoinnin perusteet ja osaa laatia VBA-kielellä makroja, joiden tarkoitus on toimia Excelissä suunnittelun, analysoinnin tai tiedon jalostamisen tukena. Opiskelija ymmärtää makrojen roolin Excelin käytön osana ja osaa valita sopivat menetelmät erilaisiin tehtäviin. Makrojen käytön lisäksi opiskelija omaksuu kyvyn hyödyntää Excelin edistyneempiä valmisfunktiota.
- Opettaja
Timo Leino
Kategoria: Kurssit Pepistä
- Opettaja
Anne-Maarit Majanoja
Kategoria: Tietotekniikan laitos
The student gets a clear and well-founded understanding of algorithm design frameworks and techniques. The course introduces advanced data structures, greedy algorithms in graphs, divide and conquer and dynamic programming techniques. The student will also become familiar with the basic theory of computationally hard problems.
- Opettaja
Csaba Raduly-Baka
Kategoria: Tietotekniikan laitos
Objectives
The student will learn about advanced algorithmic techniques, including dynamic programming and network flows. The course also introduces NP-completeness and how to prove NP-completeness of a problem.
The student will learn about advanced algorithmic techniques, including dynamic programming and network flows. The course also introduces NP-completeness and how to prove NP-completeness of a problem.
- Opettaja
Csaba Raduly-Baka
Kategoria: Tietotekniikan laitos
The introspection course of the Sustainable Information Technology Engineering thematic module.
- Opettaja
Tomi Suovuo
Kategoria: Tietotekniikan laitos
The course introduces mixed reality (especially virtual and augmented
reality) and metaverse, the underlying technologies, application areas,
and the design principles, process and tools for creating the
applications.
- Opettaja
Seppo Helle
Kategoria: Tietotekniikan laitos
Perehdytään satunnaisvektoreihin: satunnaismuuttujien yhteisjakaumiin, riippumattomuuteen, muunnosten jakaumiin, todennäköisyydet- ja momentit generoiviin funktioihin, raja-arvolauseisiin ja ehdollisiin jakaumiin.
- Opettaja
Jukka Lempa
Kategoria: Matematiikan ja tilastotieteen laitos
- Opettaja
Stefan Emet
Kategoria: Matematiikan ja tilastotieteen laitos
Moodlealue TT-laitoksen uusille, 2024 aloittaneille opiskelijoille. Kurssia käytetään materiaalien jakoon ja mahdollisesti tiedottamiseen.
- Opettaja
Erno Lokkila
Kategoria: Tietotekniikan laitos