You can not select more than 25 topics
Topics must start with a letter or number, can include dashes ('-') and can be up to 35 characters long.
48 lines
3.8 KiB
48 lines
3.8 KiB
<!--
|
|
CO_OP_TRANSLATOR_METADATA:
|
|
{
|
|
"original_hash": "a8f79b9c0484c35b4f26e8aec7fc4d56",
|
|
"translation_date": "2025-08-26T21:36:08+00:00",
|
|
"source_file": "1-Introduction/01-defining-data-science/solution/assignment.md",
|
|
"language_code": "fi"
|
|
}
|
|
-->
|
|
# Tehtävä: Data Science -skenaariot
|
|
|
|
Tässä ensimmäisessä tehtävässä pyydämme sinua pohtimaan joitakin tosielämän prosesseja tai ongelmia eri ongelma-alueilla ja sitä, miten voit parantaa niitä Data Science -prosessin avulla. Mieti seuraavia kysymyksiä:
|
|
|
|
1. Mitä dataa voit kerätä?
|
|
1. Miten keräisit sen?
|
|
1. Miten tallentaisit datan? Kuinka suurta data todennäköisesti on?
|
|
1. Mitä oivalluksia tästä datasta voisi saada? Mitä päätöksiä voisimme tehdä datan perusteella?
|
|
|
|
Yritä miettiä 3 erilaista ongelmaa/prosessia ja kuvaile yllä olevat kohdat jokaiselle ongelma-alueelle.
|
|
|
|
Tässä on joitakin ongelma-alueita ja ongelmia, jotka voivat auttaa sinua pääsemään alkuun:
|
|
|
|
1. Miten voit käyttää dataa parantaaksesi lasten koulutusta kouluissa?
|
|
1. Miten voit käyttää dataa pandemian aikana rokotusten hallintaan?
|
|
1. Miten voit käyttää dataa varmistaaksesi, että olet tuottelias työssäsi?
|
|
|
|
## Ohjeet
|
|
|
|
Täytä seuraava taulukko (korvaa ehdotetut ongelma-alueet omillasi tarvittaessa):
|
|
|
|
| Ongelma-alue | Ongelma | Mitä dataa kerätä | Miten tallentaa data | Mitä oivalluksia/päätöksiä voimme tehdä |
|
|
|--------------|---------|-------------------|-----------------------|-----------------------------------------|
|
|
| Koulutus | Yliopistossa luennoilla on yleensä alhainen osallistumisprosentti, ja meillä on hypoteesi, että opiskelijat, jotka osallistuvat luennoille, pärjäävät keskimäärin paremmin kokeissa. Haluamme kannustaa osallistumista ja testata hypoteesia. | Voimme seurata osallistumista luokassa otettujen valvontakamerakuvien avulla tai seuraamalla opiskelijoiden mobiililaitteiden bluetooth/wifi-osoitteita luokassa. Kokeiden tiedot ovat jo saatavilla yliopiston tietokannassa. | Jos seuraamme valvontakamerakuvia, meidän täytyy tallentaa muutama (5-10) valokuva luennon aikana (jäsentämätön data) ja käyttää tekoälyä opiskelijoiden kasvojen tunnistamiseen (muuntaa data jäsenneltyyn muotoon). | Voimme laskea keskimääräiset osallistumistiedot jokaiselle opiskelijalle ja nähdä, onko sillä korrelaatiota koetulosten kanssa. Puhumme korrelaatiosta tarkemmin [todennäköisyys ja tilastot](../../04-stats-and-probability/README.md) -osiossa. Kannustaaksemme opiskelijoiden osallistumista voimme julkaista viikoittaisen osallistumisluokituksen koulun portaalissa ja arpoa palkintoja parhaiten osallistuneiden kesken. |
|
|
| Rokotus | | | | |
|
|
| Tuottavuus | | | | |
|
|
|
|
> *Annamme vain yhden vastauksen esimerkkinä, jotta saat käsityksen siitä, mitä tältä tehtävältä odotetaan.*
|
|
|
|
## Arviointikriteerit
|
|
|
|
Erinomainen | Riittävä | Parannettavaa
|
|
--- | --- | -- |
|
|
On kyetty tunnistamaan järkevät datalähteet, datan tallennustavat ja mahdolliset päätökset/oivallukset kaikille ongelma-alueille | Joitakin ratkaisun osa-alueita ei ole kuvattu yksityiskohtaisesti, datan tallennusta ei ole käsitelty, vähintään 2 ongelma-aluetta on kuvattu | Vain osia dataratkaisusta on kuvattu, vain yksi ongelma-alue on käsitelty.
|
|
|
|
---
|
|
|
|
**Vastuuvapauslauseke**:
|
|
Tämä asiakirja on käännetty käyttämällä tekoälypohjaista käännöspalvelua [Co-op Translator](https://github.com/Azure/co-op-translator). Vaikka pyrimme tarkkuuteen, huomioithan, että automaattiset käännökset voivat sisältää virheitä tai epätarkkuuksia. Alkuperäistä asiakirjaa sen alkuperäisellä kielellä tulisi pitää ensisijaisena lähteenä. Kriittisen tiedon osalta suositellaan ammattimaista ihmiskäännöstä. Emme ole vastuussa tämän käännöksen käytöstä johtuvista väärinkäsityksistä tai virhetulkinnoista. |