Ero sivun ”Opintojen malliaikataulu” versioiden välillä

Fuksiwikistä
← Vanhempi muutos
VisuaalinenWikiteksti
Ei muokkausyhteenvetoa
Pniko (keskustelu | muokkaukset)
23 muokkausta
Korostettu mallilukujärjestyslinkkejä
 
(100 välissä olevaa versiota 16 käyttäjän tekeminä ei näytetä)
Rivi 1: Rivi 1:
== Mallilukujärjestys ==
[[Category:Vaatii_päivityksen]]


Mallilukujärjestys löytyy laitoksen sivuilta osoitteessa http://www.cs.helsinki.fi/opiskelu/mallilukuj-rjestys-luk-ja-fm. Myös opinto-oppaasta löytyy jotakuinkin vastaava mallilukujärjestys. Laitoksen sivuilla (ylempi linkki) tämä on kuitenkin hahmoteltu selkeämmin ja on varmasti aina päivitetyssä muodossa.
'''Mallilukujärjestykset löytyvät osaston sivuilta:'''


Mallilukujärjestys kertoo, miten kursseja kannattaa ottaa jotta valmistuu kolmessa vuodessa luonnontieteen kandidaatiksi ilman suurempia vaikeuksia. Käpistelykurssit riippuvat tiedollisesti toisistaan varsin paljon, joten oikeaan suoritusjärjestykseen pitää kiinnittää huomiota enemmän kuin joissakin muissa aineissa. Jotkin teoria-asiat ovat varsin haastavia, jos pohjalla ei ole pitkän matematiikan tai muiden muodollista ajattelua kehittävien aineiden opintoja lukiosta. Koneet eivät tajua epätäsmällistä selitystä, joten meidän pitää opetella muotoilemaan asioita mahdollisimman yksiselitteisesti ja etenemään systemaattisesti. Tätä matematiikka opettaa, ja siksi siitä kohkataan niin paljon. Vaikka mallilukujärjestystä tutkailemalla näyttää siltä, että selviää vain parilla matematiikan kurssilla, ei kannata tuudittautua turvallisuuden tunteeseen - monella kurssilla oletetaan matematiikan kursseilla opetettavaa edellämainittua formaalista ajattelutapaa. Tämä tarkoittaa että vaikka pakollista matematiikkaa on varsin vähän, käpistelijälle ei ole valitettavasti mitään muuta kuin hyötyä istua matematiikan kursseja vaikka se olisi kuinka ikävää. On siis tärkeää tiedostaa että tietyntasoinen matematiikan osaaminen vaaditaan implisiittisesti tietojenkäsittelytieteen opinnoissa. Tämä ei tarkoita ettetkö ikinä pärjäisi opinnoissasi. Tarkoituksena on kannustaa opiskelemaan matematiikkaa, koska siitä on vain hyötyä.
'''[https://www.helsinki.fi/fi/koulutusohjelmat/tietojenkasittelytieteen-kandiohjelma/opiskelu/tietojenkasittelytieteen-opintojen-rakenne-ja-aikataulu Tietojenkäsittelytieteen kandiohjelma] Ks. myös pdf-tiedostot täällä: https://studies.helsinki.fi/ohjeet/node/323?degree_programme_code=KH50_005'''


Pakollisia kursseja järjestetään vähintään '''kerran vuodessa''', pääasiassa '''silloin kun ne on sijoitettu malliaikatauluun'''. Lähinnä perusopintoja järjestetään useammin. Kesäisin voi käydä ilmaiseksi opintoja Avoimessa yliopistossa TKT:n perusopintokursseja, ja laitoksella (ei siis Avoimessa) harjoitustyökursseja (Ohjelmoinnin harjoitustyö, Tietokantasovellus, Tietorakenteiden harjoitustyö ja Ohjelmistotuotantoprojekti). Tässä kohtaa kannattaa taktikoida ja vähentää omaa työtaakkaa lukuvuoden aikana, koska edellämainittuja kursseja voi lähes varmuudella suorittaa myös kesäisin. Harjoitustyökurssit sopivat vallan mainiosti kesätöiden oheen suoritettavaksi.
[https://www.helsinki.fi/en/degree-programmes/data-science-masters-programme/studying/course-and-teaching-information-2024-2025 '''Master's Programme in Data Science''']


TKO-äly järjestää tukiopetusta keskeisissä ja vaikeaksi todetuissa kursseissa. Jos et ole kuullut tällaisesta mahdollisuudesta, kysy opintovastaavilta.
Osaston tarjoamat mallilukujärjestykset eivät kuitenkaan suoraan kerro miten kaikki opinnot kannattaisi suorittaa. Apua omien opintojen suunnitteluun saa Kumpulan opiskelijapalveluista osoitteesta [mailto:kumpula-student@helsinki.fi kumpula-student@helsinki.fi].


Jos ensimmäisen syksyn keskeiset kurssit takkuavat, ei kuitenkaan kannata iskeä kirvestä kiveen vaan ottaa käyttöön [[Sivuainekuvauksia | Plan B]].
Erityisesti koneoppimiseen suunnatessa olennaiset matematiikan ja tilastotieteen esitiedot löytää datatieteen maisteriohjelmassa pakollisen Statistics for Data Science -kurssin kuvauksesta: lineaarialgrebra, differentiaalilaskenta, todennäköisyyslaskenta ja tilastotieteen perusteet. Tiiveimmin nämä saa kursseilta Tilastotiede ja R tutuksi I ja II sekä keväisin Koneoppimisen matematiikan perusteet I ja II, joiden jälkeen kannattaisi jatkaa pian syksyn johdattaville koneoppimiskursseille. Jos lukion pitkää matikkaa ei ole tuoreena taustalla, on suositeltavaa käydä Lukiomatematiikan kertaus näitäkin ennen.


* [[Mallilukujärjestys | Mallilukujärjestys ensimmäiselle syksylle]]
 
 
<strong style="color:red;font-size:1rem">Osin vanhentuneet tiedot alla.</strong>
 
== Mallilukujärjestys? ==
{{katso myös|Fuksisyksyn mallilukujärjestys}}
Mallilukujärjestys kertoo, miten kursseja pitää ottaa, jotta valmistuisi kolmessa vuodessa luonnontieteen kandidaatiksi ilman suurempia vaikeuksia. Käpistelykurssit riippuvat tiedollisesti toisistaan varsin paljon, joten oikeaan suoritusjärjestykseen pitää kiinnittää huomiota enemmän kuin muissa aineissa. Formaalisti (matemaattisesti) ilmaistut teoria-asiat ovat myös varsin haastavia, varsinkin jos pohjalla ei ole pitkän matematiikan tai muiden muodollista ajattelua kehittävien aineiden opintoja lukiosta. Koneet eivät tajua epätäsmällistä selitystä, joten meidän pitää opetella muotoilemaan asioita mahdollisimman yksiselitteisesti ja etenemään systemaattisesti. Matematiikka opettaa formaalia ajattelua, ja siksi siitä meuhkataan niin paljon.
 
Monella kurssilla oletetaan esitietoina edellämainittua formaalista ajattelutapaa. Tämä tarkoittaa, että vaikka pakollista matematiikkaa on varsin vähän, käpistelijälle saattaa olla hyödyllistä istua enemmänkin matematiikan kursseilla. On siis tärkeää tiedostaa, että tietyntasoinen matematiikan osaaminen vaaditaan implisiittisesti tietojenkäsittelytieteen opinnoissa. Tämä ei tarkoita ettetkö pärjäisi opinnoissasi, vaikka et olisikaan matikkavelho.
 
Pakollisia kursseja järjestetään vähintään kerran vuodessa, pääasiassa silloin kun ne on sijoitettu mallilukujärjestykseen. Perusopintojen kursseja järjestetään useimmin. Kesäisin voi käydä ilmaiseksi opintoja Avoimessa yliopistossa (myös TKT:n perusopintokursseja), ja laitoksen omassa kesäopetuksessa harjoitustyökursseja (Ohjelmoinnin harjoitustyö, Tietokantasovellus, Tietorakenteiden harjoitustyö ja Ohjelmistotuotantoprojekti). Tässä kohtaa kannattaa taktikoida ja vähentää omaa työtaakkaa lukuvuoden aikana, koska edellämainittuja kursseja voi lähes varmuudella suorittaa myös kesäisin. Harjoitustyökurssit sopivat hyvin myös kesätöiden oheen suoritettavaksi, koska koululla ei ole pakko käydä montakaan kertaa kurssin aikana.
 
Pajoissa järjestää tukiopetusta keskeisissä ja vaikeaksi todetuissa kursseissa. Paja-ajat ja käytännöt sovitaan kurssi kohtaisesti, joten niitä hyödyntääkseen pitää itse lukea kurssisivulta infot.
 
Mikäli ensimmäisen syksyn keskeiset kurssit takkuavat, ei kannata iskeä kirvestä kiveen vaan ottaa käyttöön [[Sivuainekuvauksia]].


== Kriittinen polku ja kurssien riippuvuudet ==
== Kriittinen polku ja kurssien riippuvuudet ==


Kriittiseen polkuun kuuluvat kaikki kurssit, joiden läpäisy ajoissa on välttämätöntä kolmen vuoden kandiin. Kurssien esitietoriippuvuuksiin katso [http://www.cs.helsinki.fi/u/kurhila/luk_esitietoriippuvuudet.pdf riippuvuuden kaaviona laitoksen sivuilla]. Opinto-oppaan versio sisältänee samat tiedot, mutta sekavammassa muodossa.
Kriittiseen polkuun kuuluvat kaikki kurssit, joiden läpäisy ajoissa on tärkeää, jos mielii valmistua kolmessa vuodessa luonnontieteiden kandidaatiksi (LuK) ilman vaikeuksia. Kurssien välisistä riippuvuuksista ei tällä hetkellä ole tarjolla virallista ja täysin ajantasaista versiota. Lähes virheetön kaavio löytyy osoitteesta [https://www.cs.helsinki.fi/opiskelu/luk-tutkinnon-pakollisten-kurssien-v-liset-esitietoriippuvuudet täältä]. '''Kaaviota lukiessa tulee huomata, että kurssin johdatus tekoälyyn sijaan siinä kohdassa kuuluisi lukea: "johdatus tekoälyyn tai tietoturvan perusteet".'''


=== 1. vuosi ===  
=== 1. vuosi ===  
{| border="1px"
{| border="1px"
! width="200px" align="left" | '''Kurssi'''
! width="250px" align="left" | '''Kurssi'''
! width="75px" align="left" | '''Periodi'''
! width="75px" align="left" | '''Periodi'''
! width="75px" align="left" | '''Op'''
! width="75px" align="left" | '''Op'''
|-
|-
| Ohjelmoinnin perusteet || I || 5
| Digitaidot + Tietokone työvälineenä + Akateemiset taidot || I || 3-4
|-
|-
| Ohjelmoinnin jatkokurssi || II || 4  
| Johdatus tietojenkäsittelytieteeseen + Englanti || I-II || 5 + 4
|-  
|-
| Johdatus diskreettiin matematiikkaan || II || 5  
| Ohjelmoinnin perusteet || I || 5
|-
|-
| Tietorakenteet || III-IV || 8
| Ohjelmoinnin jatkokurssi || II || 5
|-
|-
|}
| Tietokoneen toiminta || II || 5
Myös Ohjelmistojen mallintaminen ja Ohjelmoinnin harjoitustyö on välttämätöntä suorittaa viimeistään esimmäisen vuoden kesällä (Ohjelmistojen mallintaminen on esitietovaatimuksena Ohjelmoinnin harjoitustyölle).
|-
 
| Johdatus yliopistomatematiikkaan || I-II || 5
=== 2. vuosi ===
{| border="1px"
! width="200px" align="left" | '''Kurssi'''
! width="75px" align="left" | '''Periodi'''
! width="75px" align="left" | '''Op'''
|-
|-
| Laskennan mallit || I-II || 6
| Tietokantojen perusteet || III || 5
|-
|-
| Tietoliikenteen perusteet || II || 4
| Tietorakenteet ja algoritmit || III-IV || 10
|-
|-
| Ohjelmistotuotanto || IV || 4
| Ohjelmistotekniikan menetelmät || IV || 5
|-
|-
|}
|}
Lisäksi Tietorakenteiden harjoitustyö ja Tietokantasovellus on suoritettava viimeistään toisen vuoden kesällä. Nämä vaaditaan kolmannen vuoden syksyn Ohjelmistotuotantoprojektiin.


=== 3. vuosi ===
Katso myös [[Fuksisyksyn_mallilukujärjestys]]
 
Ensimmäisen vuoden keväänä on myös hyvä suorittaa tietokantasovellus -harjoitustyö (4 op) ja/tai toinen kotimainen kieli (3 op).
Suunnitellessaan opintojaan on hyvä tarkistaa harjoitustöiden esitietovaatimukset.
 
=== 2. vuosi ===
{| border="1px"
{| border="1px"
! width="200px" align="left" | '''Kurssi'''
! width="250px" align="left" | '''Kurssi'''
! width="75px" align="left" | '''Periodi'''
! width="75px" align="left" | '''Periodi'''
! width="75px" align="left" | '''Op'''
! width="75px" align="left" | '''Op'''
|-
|-
| Ohjelmistotuotantoprojekti || I-II || 10
| Laskennan mallit || I || 5
|-
|-
| Tieteellisen kirjoittamisen kurssi || III-IV || 10
| Ohjelmistotuotanto || II || 5 + 1
|-
|}
Näiden lisäksi tavoiteajassa valmistumiseen vaaditaan myös kaikkien muiden kurssien, sivuaineiden ja pakollisten kieliopintojen (englanti, ruotsi) suorittaminen kolmessa vuodessa.
 
<!--
== Miten mallilukujärjestystä luetaan ==
 
===1. vuosi===
 
[http://www.cs.helsinki.fi/opinnot/opinto-opas/ Opinto-oppaan] ajoitusmallissa neuvotaan lukemaan ensimmäisenä vuonna näin (ns. kriittisen polun kurssit, joista riippuu ajallisesti läheisten kurssien suoritus, on lihavoitu - poikkeuksena Ohjelmistotuotantoprojektin ja Tieteellisen kirjoittamisen kurssin riippuvuudet, koska tämä kattaisi jo kaikki muut kurssit):
 
'''Huom.''' Opinto-oppaassa on Johdatus tietojenkäsittelytieteen -kurssin kohdalla kaksi virhettä: kurssi on '''kahden''' periodin laajuinen (se sisältää nykyään joukon osasuorituksia), eikä sitä pidä siirtää myöhemmin luettavaksi. Ensimmäisen syksyn malliaikataulua on tältä osin peukaloitu ahkerasti.
 
'''1. periodi'''
{| border="1px"
! width="150px" align="left" | '''Kurssi'''
! width="50px" align="left" | '''Periodi'''
! width="50px" align="left" | '''Op'''
|-
|-
| Johdatus tietojenkäsittelytieteeseen || I-II || 10
| Käyttöjärjestelmät || III || 5
|-
|-
| Ohjelmoinnin perusteet || I || 5
| Tietoliikenteen perusteet || IV || 5
|-
| Tietokone työvälineenä || I || 1-2
|-
| TVT-ajokortti || I || 3
|-
| Matematiikka tutuksi || I || 5
|-
|}
 
Ensimmäisellä periodilla aloitetaan myös LuK-HOPS, joka jatkuu koko kandiopintojen ajan. Periodin tärkein kurssi on Ohjelmoinni perusteet, johon kannattaa panostaa. JTKT:n suorittaminen myöhemmin saattaa aiheuttaa erittäin suurta harmistumista, eli suorittakaa se vaikka pelkällä vihalla. Matematiikka tutuksi toimii kevyenä johdatuksena yliopistomatematiikkaan ja helpottaa toisen periodin diskreetin matematiikan suorittamista.
 
Matematiikka tutuksi -kurssi kertaa lukiomatematiikkaa, ja moni sen käynyt katsoo että sitä voi suositella otettavaksi Johdatuksen lisäksi. Näillä kahdella kurssilla ei juuri jäädä teorian vaikeudesta kiinni, vaan niistä selviää kun jaksaa tehdä töitä. (LuK-HOPSista nopat tulevat kandin lopussa.)
 
Ykkösperiodin paniikkihäiriöistä, ks. tiivistelmä kakkosperiodin jälkeen.
 
'''2. periodi'''
{| border="1px"
! width="150px" align="left" | '''Kurssi'''
! width="50px" align="left" | '''Periodi'''
! width="50px" align="left" | '''Op'''
! width="50px" align="left" | '''Esitiedot'''
|-
|-
| Johdatus tietojenkäsittelytieteeseen || I-II || 10||
|-
| Ohjelmoinnin jatkokurssi || II || 4|| OhPe
|-
| Ohjelmistojen mallintaminen || II || 4 || OhPe
|-
| Johdatus diskreettiin matematiikkaan || II || 5 ||
|-
|}
|}


Kakkosperiodissa tärkeimmät kurssit ovat Johdatus diskreettiin matematiikkaan ja Ohjelmoinnin jatkokurssi. Edelleen on toki muistettavaa myös jtkt:n suoritus. Johdatus diskreettiin matematiikkaan sisältää käytännössä induktion, vähän joukko-oppia, vähän kombinatoriikkaa, vähän verkkoja ja todistamista
Toisen vuoden aikana on viimeistään tehtävä ensimmäinen harjoitustyö, eikä ole huono idea suorittaa toistakin.  
 
Jos toisen ja kolmannen vuoden välisenä kesänä on aikaa eli ohjelmistotuotantoprojektin suorittaminen silloin ole hassumpi ajatus.
Vaikka OhPe vaaditaankin Ohjelmoinnin jatkokurssiin ja Ohjelmistojen mallintamiseen, niin tulokset eivät ole näiden kurssien alkaessa vielä tuleet. Jos OhPesta paukahtaa oodiin hylätty, mutta OhJassa ja OhMassa on mukana edes jollain tasolla, niin kumpaakaan ei tietenkään kannatta jättää kesken.
 
Kaksi kakkosperiodin käpistelykurssia riippuu OhPessa opitusta, joten jos se ei mennyt asian vaikeudesta johtuen ensiyrittämällä läpi, voi tässä vaiheessa alkaa ahistaa. Mutta ei hätää! Ota rohkeasti Johdatus diskreettiin matematiikkaan (siihen kannattaa panostaa), ja lue tässä välissä [[Sivuainekuvauksia|sivuaineita]]! Vaihtoehtoisia polkuja ja niiden soveltuvuutta selostetaan alempana.  
 
Diskiksen ongelmiin kannattaa kysyä apua muilta opiskelijoilta ja vaikka matematiikan laitoksen [http://wiki.helsinki.fi/display/mathstatOpiskelu/Laskupaja laskupajasta], koska luennon matemaattiseesti kauniit "On olemassa kuvaus siten, että..." voidaan toisinaan korvata vanhemman opiskelijat "Teet näin..." ohjeilla.
 
Jos saat koko syksyn paketin, mukaanlukien matematiikka tutuksi (tai muu matematiikan kurssi), läpi, olet suorittanut 10 + 5 + 5 + 4 + 4 + 5 = 33 op, mikä on 3 op yli virallisen suositustahdin, onneksi olkoon! Jos jätät matematiikka tutuksi -kurssin pois sarjasta, jää sinulle viralliesti suoritettavaksi 2 op "jotain muuta" - tämänkokoisia opintosuorituksia voi kuitenkin olla vaikea löytää. Syksylle voi napata MaTun tilalle jonkin muunkin matematiikan alkupään kurssin, ja jos taustalla on vahva pitkä matematiikka, se voi mennä suhteellisen vähällä vaivalla läpi. Ks. Matematiikan sovittaminen malliaikatauluun, alempana.
 
Jos ykkösperiodissa alkaa pahasti ahdistaa ja koko periodi on hajoamassa käsiin, on pakko tehdä '''priorisointia''' - ei hätää, kokemasi angsti ja sen hallinnan opettelu ovat yksi keskeisistä yliopisto-opiskelun anneista. MaTun suorituksesta ei riipu mikään, joten sen reputtaminen on pienin ongelmasi. Ohjelmoinnin perusteista riippuu huomattava osa kakkosperiodia, joten jos et ole täysin pihalla, älä päästä sitä leviämään käsille pelkän akuutin ajanpuutteen vuoksi. JTKT:tä on vähemmän hyödyllistä ja mielenkiintoista suorittaa uudestaan myöhemmin, mutta sen varsinaisesta suoritusmerkinnästä ei mikään muu kurssi riipu. Tosin kurssin järkälemäinen ote ykkösperiodista on vielä melko uusi ilmiö, joten kokemuspohjaisia neuvoja on paha antaa.
 
Jos ohjelmoinnin teoria aiheuttaa oikeasti paniikkihäiriöitä, kannattaa ottaa JTKT:stä nopat irti työvoitolla, antaa aivoilleen lisäaikaa omaksua ohjelmoinnin vaatima haasteellinen uusi ajattelutapa, ja lohduttautua sillä että aihepiirin kurssien kriittisellä polulla tulee betoniseinää vastaan jossain vaiheessa ''joka tapauksessa'' (keskimäärin TiRassa, LaMassa ja Riossa) jos et anna abstraktiin ajatteluun opettelemiselle sen tarvitsemaa aikaa. OhPe - OhJa - TiRa (vain keväisin) - LaMa ym. TiRasta riippuvat - Ohtuprojekti & TiKi -kriittinen polku menee tästä sekaisin melko varmasti; jos olet yritteliäs ja hyvä hallitsemaan aikaasi, voit ottaa klapin kiinni tekemällä 3. vuonna projektin ja TiKin yhtä aikaa, mutta et edes ehdi jäädä Etappeihin jos käyt toisen niistä ajallaan ja hoitelet toisen samalla kun aloittelet maisterikursseja. (Eikä se 5 vuodessa valmistuminen ole vieläkään pakollista, siihen vain painostetaan yhteiskunnan puolelta enemmän kuin ennen.) Vältät hukkaamasta opiskeluaikaasi käymällä tässä välissä [[Sivuainekuvauksia|sivuainekursseja]].
 
'''3. periodi, 15 op''' (eli kevään 1. periodi)


=== 3. vuosi ===
{| border="1px"
{| border="1px"
! width="150px" align="left" | '''Kurssi'''
! width="250px" align="left" | '''Kurssi'''
! width="50px" align="left" | '''Periodi'''
! width="75px" align="left" | '''Periodi'''
! width="50px" align="left" | '''Op'''
! width="75px" align="left" | '''Op'''
! width="50px" align="left" | '''Esitiedot'''
|-
|-
| Ohjelmoinnin harjoitustyö || III || 4 || OhJa, OhMa
| Johdatus tekoälyyn / Tietoturvan perusteet || I || 5
|-
|-
| Tietorakenteet || III-IV || 8 || OhJa, Diskis
| Ohjelmistotuotantoprojekti || I, II tai I-II || 10
|-
| Sivuaineita/Valinnaisia || II || X ||
|-
|}
 
Jos syksyn suuri puristus muodostuu ohjelmointikursseista (OhPe ja Java) sekä matematiikasta (Diskis), on kevään vastaava koitos Tietorakenteet-kurssi. Kurssi kestää koko lukukauden, ja sinne ''ei pääse'' jos esitietovaatimukset, eli syksyn rutistuskurssit, eivät ole kunnossa (tai taidot osoitettavissa esitietokokeessa). Ohjelmointikurssien puuttuminen estää myös harjoitustyöhön osallistumisen; sen sijaan käyttöliittymäkurssille ei niitä varsinaisesti vaadita. TiRa kannattaa ottaa sinänsä vakavasti, että sitä tarjotaan kurssina vain kerran vuodessa (ellei laitos löydä resursseja esim. itsenäistä opiskelua tukevaa kevytversiota varten). Harjoitustyökursseilla taas keskeyttämistä ei katsota hyvällä, vaan se vaikuttaa ensi kerralla ryhmään pääsemiseen - pienryhmäopetus kun on kallista.
 
Jos tietorakenteita ja harkkatyötä ei pääse opiskelemaan, otetaan käyttöön sivuainesuunnitelmat ja suoritetaan puuttuvia kursseja (ks. alla).
 
Sivuaineopinnoissa kannattaa suosia turnauskestävyytensä mukaan [http://mathstat.helsinki.fi/opiskelu/ matematiikkaa ja tilastotiedettä], jotta saa pakollisen matematiikan tai [http://www.cs.helsinki.fi/opiskelu/menetelmatieteet/ menetelmätieteiden] sivuainekokonaisuuden kasaan - matematiikan harjoittelusta on hyötyä erityisesti opintojen alkuvaiheessa, kun teorian pyörittelyyn ei ole vielä syntynyt rutiinia - loppuvaiheessa niitä on tylsempää kasata kokoon mielenkiintoisten käpistelykurssien sivussa.
 
Sivuaineopintojen lisäksi voi tähdätä lukevansa [https://alma.helsinki.fi/doclink/29931 pakollisia kielikursseja] pois alta (huomaa, että [http://www.helsinki.fi/kksc/ kielikeskuksen] [http://www.helsinki.fi/weboodi ilmoittautuminen], [https://alma.helsinki.fi/doclink/29935 opinto-opas] ja [https://alma.helsinki.fi/doclink/97990 ilmoittautumisajat] eroavat laitoksen vastaavista), tai vilkuilla jo joitakin tietojenkäsittelytieteen vapaavalintaisia kursseja, jos esitiedot niihin täyttyvät.
Ilman sivuaineopintotäydennystä kevään ensimmäisestä periodista irtoaa 4+8/2+4 = 12 op (TiRa lasketaan puolikkaana), mikä alittaa tasaisen tahdin suosituksen, 15 op, 3 opintopisteellä.
 
Tietokoneen toiminta -kurssi on viime aikoina seilannut kolmos- ja nelosperiodin väliä mystisesti. Mallilukujärjestyksessä on näiltä osin virhe, koska opetusohjelmassa TiTo on pysynyt nelosperiodilla, kuten sen kuuluukin.
 
'''4. periodi, 15 op''' (eli kevään 2. periodi)
{| border="1px"
! width="150px" align="left" | '''Kurssi'''
! width="50px" align="left" | '''Periodi'''
! width="50px" align="left" | '''Op'''
! width="50px" align="left" | '''Esitiedot'''
|-
|-
| Tietokoneen toiminta || IV || 4 || OhPe
| Kandidaatintutkielma + Tutkimustiedonhaku + Äidinkieli || III-IV || 10
|-
| Tietorakenteet || III-IV || 8 || OhJa, Diskis
|-
| Tietokantojen perusteet || IV || 4 ||
|-
| Sivuaineita/Valinnaisia || IV || X ||
|-  
|-  
|}
|}
* Tietorakenteet jatkuu, 4 op / 8 op
Näiden lisäksi tavoiteajassa valmistumiseen vaaditaan myös kaikkien muiden kurssien, sivuaineiden ja erityisesti toisen kotimaisen kielen suorittaminen kolmessa vuodessa.
* '''Tietokantojen perusteet''', 4 op (SQL-kielen ja relaatioalgebran alkeet, tietokantojen suunnittelu)
* '''Tietokoneen toiminta''', 4 op (rauta, käyttöjärjestelmä ja miten konekieli toimii)
* Sivuaineita / muita opintoja, 3 op


Tietokantojen perusteet hyötyy Diskiksestä, mutta kurssi ei ole pakollinen esitietovaatimus. Kurssi on esitietovaatimuksena Tietokantasovellus-harjoitustyölle. Tietokoneen toiminta riippuu OhPesta, ja on esitietovaatimus Rinnakkaisohjelmoinnille - kurssille ei ilman sen suoritusta (tai esitietokokeella tietojen osoittamista) pääse aikaansa tuhlaamaan. TiToa on kuvailtu työlääksi, joten siihen kannattaa varautua käyttämään aikaa ja priorisoimaan tarvittaessa pakolliset tekemiset ei-niin-pakollisten edelle, että aika riittää.
== Mallilukujärjestyksen tulkitseminen ensimmäisenä vuotena ==
{{katso|Fuksisyksyn mallilukujärjestys}}


Aiemmin keväällä napatut sivuaineet voivat jatkua tälle periodille TiRan tapaan; ilman mitään sivuaine- tms. täydennyksiä kakkosperiodista tulee 8/2+4+4 = 12 op, eli kevät jäisi 20 op:een suositellusta 30 op:stä.
== Matematiikan ja menetelmätieteen sovittaminen malliaikatauluun ==


===2. vuosi===
Matematiikkaa suositellaan käymään heti opintojen alkuun, jotta siitä saisi hyödyn irti varhaisen kandin teoreettisemmilla kursseilla. Matematiikan ja tilastotieteen kursseja voi käydä mallilukujärjestyksen kanssa suunnilleen näin:


2008 aikana 2. vuoden kohdalle ehtineet fuksit ovat enimmäkseen viime vuoden fukseja, joiden tutkintovaatimukset eroavat hieman uusimmista. Mallilukujärjestys ei ole suuresti muuttunut, mutta vähän sittenkin, ja vanhojenkin mukaan opiskelijat joutuvat huomioimaan, miten yhteisten kurssien tarjoamisajat ovat muuttuneet. Syksyn suhteen muutoksia ei lisättyä tekoälykurssia lukuunottamatta ole.
=== 1. vuosi, syksy===


Muita opintoja valitessa on syytä muistaa, että 2005-2008 tutkintovaatimuksissa pelkät pakolliset käpistelykurssit eivät vielä riitä pääaineen aineopintokokonaisuudeksi, vaan mukaan täytyy heittää 8 op:n ripaus valinnaisia kursseja. 2008- tutkintovaatimuksissa pakollisten kurssien määrä on kasvanut 4 op:llä ja kokonaiskoon vaatimus laskenut, joten minimissään pelkät pakolliset kurssit riittävät. Joka tapauksessa 2008- vaatimuksissa maisterivaiheen linjavalinnasta seuraa joko matematiikan/menetelmätieteen (AlKo-linja) tai yhden TKT:n valinnaisen aineopintokurssin (HajaTili ja OhJä) lisävaatimus. Kurssin voi suorittaa myös maisterintutkinnossa, mutta varsinkin aineopintokurssit näyttävät todistuksessa hitusen verran paremmilta kandissa osana aineopintokokonaisuutta.
Matematiikan laitos järjestää yleensä syksyllä itseopiskelukurssin, jonka sisältönä nimenomaan lukiomatematiikan kertaus. Kurssin käyminen on hyödyllistä, jos kaipaa varmuutta ja lisää laskurutiinia, tai matikka on muuten vain unohtunut lukion jäljiltä. Tämä kurssi ei kuitenkaan ole sama asia kuin Matematiikka tutuksi. Matematiikka tutuksi kurssin käyminen on suositeltavaa kaikille.


'''2. vuoden 1. periodi, 15 op'''
* '''Periodi I'''
** '''Pakollinen''' Johdatus yliopistomatematiikkaan (5 op) pitää käydä tässä (I-II periodit), jos haluaa kolmeen vuoteen valmistua.
** Matematiikka tutuksi (2? op) sisältö tuntuu muuttuvan joka vuosi riippuen kurssin pitäjästä. Jos MaTu jostain syystä järjestetään 5 opintopisteet kokoisena, kannattaa se ehdottomasti ottaa. Kuitenkin kahden opintopisteen kokoinen versiota ei ole mahdollista sisällyttää mihinkään muuhun kurssiin tasan 5 op kokoiseksi paketiksi.
** Lineaarialgebra ja matriisilaskenta I (5 op) on hyödyllinen työkalukurssi varsinkin algoritmeista, tekoälystä ja grafiikkaohjelmoinnista kiinnostuneille. Kurssin voi suorittaa ongelmitta lukiomatematiikan pohjalta.
** Raja-arvot, on harkitsemisen arvoinen vaihtoehtoja, jos matematiikka on hyvin hallussa eikä pelkää ylimääräistä työmäärää kakkosperiodissa (esim. jos koodaus on jo valmiiksi tuttua). Matikan perusfuksikurssina nämä opettaa matemaattista ajattelua paremmin kuin mikään muu vaihtoehto.
** Tilastotiede ja R tutuksi 1, jos kiinnostaa datatiede, machine learning tai algo puoli (Suosittelen useita tilastotieteen kursseja jos nämä linjat kiinnostavat.)


* '''Laskennan mallit''', 3 (/6) op (alkaa) (riippuu TiRasta, esitiedot tarkastetaan; automaatteja, kieliä ja Turingin koneita)
* '''Periodi II'''
* '''Tietorakenteiden harjoitustyö''', 4 op (riippuu TiRasta ja Ohjelmoinnin harjoitustyöstä)
** 1. periodin valinnoista riippuen mahdollisesti yksi seuraavista, jos vain jaksaa opiskella lisää matikkaa ylibuukatussa kakkosperiodissa:
* '''Johdatus tekoälyyn''', 4 op (ei pakollinen 2005-2008 tutkintovaatimuksissa) (riippuu TiRasta ja Ohjelmoinnin harjoitustyöstä)
*** Lineaarialgebra ja matriisilaskenta II (5 op) tarjoaa lisää hyödyllisiä matriiseja ja vektoreita ykkösosan käyneille. Kurssissa paljon grafiikkaohjelmointiin liittyvää teoriaa.
* Sivuaineita / muita opintoja, 4 op (8 op ilman tekoälykurssia)
*** Tilastotiede ja R tutuksi 2
*** Differentiaalilaskenta. (Yleishyödyllistä melkein kaikilla linjoilla)


'''2. vuoden 2. periodi, 15 op'''
=== 1. vuosi, kevät===


* Laskennan mallit, 3 (/6) op (jatkuu)
* '''Periodit III - IV'''
* '''Rinnakkaisohjelmointi''', 4 op (riippuu TiTosta, esitiedot tarkastetaan; rinnakkaisuuden hallintaa, semaforit, monitorit)
** Logiikka 1 ja 2, 5 op/kpl
* '''Tietokantasovellus''', 4 op (riippuu TiKaPesta ja OhMasta, harjoitustyö)
** Tai Tilastollinen päättely (IV),
* Sivuaineita / muita opintoja, 4 op
** Tai todennäköisyyslaskenta 1 (III), 5 op.  (Tilastollinen päättely ja todennäköisyyslaskenta erittäin tärkeitä datatieteessä ja machine-learning opinnoissa).
** Integraalilaskenta (III) ja sarjat (IV)


Kevään osalta Tietoliikenteen perusteet on siirtynyt viime vuoden malliin verrattuna kevään alkuun, koska kevään loppuun 4. periodille on ilmestynyt Tietoturvan perusteet, joka riippuu tietoliikenteen perusteista.
=== 2. vuosi, syksy ===


'''2. vuoden 3. periodi, 15 op'''
* Lineaarialgebra ja matriisilaskenta I ja II jos ei aiemmin ehtinyt, tai
* Tilastotieteen johdantokurssi voi tässä vaiheessa piristää, varsinkin jos uranvaihto alkaa olla mielessä
* '''Huom''': 2. syksynä on parasta myös huolehtia tilan puolesta toisen sivuaineen opiskelun aloittamisesta, jos ei aio käydä kandiin pelkästään matematiikkaa ja tilastotiedettä. Monia sivuaineita voi aloittaa (tai jopa koko perusopinnot käydä) vain syksyisin, eikä malliaikataulun mukaan edetessä 3. syksyä ei oikein ehdi ihan kokonaan pyhittää toiselle aineelle, vaikka huomattavan osan kumminkin.


* '''Ohjelmistotuotanto''', 4 op (esitieto 40 op pakoll. TKT-opintoja; ohjelmistotuotannon teoriaa)
=== 2. vuosi, kevät ===
* '''Tietoliikenteen perusteet''', 4 op (verkkojen rakenne ja palvelut, Internetin perusprotokollat)
* Sivuaineita / muita opintoja, 7 op


'''2. vuoden 4. periodi, 15 op'''
=== 3. vuosi ===


* '''Tietoturvan perusteet''', 4 op (ei pakollinen 2005-2008 tutkintovaatimuksissa) (riippuu TiLPestä)
3. vuodella sitomatonta tilaa sekä syksyllä että keväällä 20 op. Käy niitä mitä et ole vielä käynyt, ja tarkastele viimeistään tässä vaiheessa myös linjaspesifejä matematiikan kurssisuosituksia (jos niitä on).
* Sivuaineita / muita opintoja, 11 op


===3. vuosi===


3. vuoden suuret puristukset ovat Ohjelmistotuotantoprojekti ja Tieteellisen kirjoittamisen kurssi. Näitä ei perinteisesti suositeta ottamaan yhtä aikaa, koska kurssien deadlinet osuvat osin päällekkäin. Koska kuitenkin TiKi on yksilösuoritus, hyvin ajankäyttöään organisoiva opiskelija tekee sen työt etuajassa valmiiksi ja selviää siten hengissä Ohtuprojektin deadlineistä.
== Matematiikkaa datatieteeseen ja tekoälyyn ==


'''3. vuoden 1. periodi, 15 op'''
=== Pakolliset ===
* Ohjelmistotuotantoprojekti, 5 op (alkaa) (riippuu OhTusta, TiLPestä, Tietokantasovelluksesta ja Tiraharjista)
* Sivuaineita / muita opintoja, 10 op


'''3. vuoden 2. periodi, 15 op'''
Jos siirryt tkt:ltä Datatieteen maisteriohjelmaan sinun täytyy sisällyttää kanditutkintoosi (tarkistettu 03.09.2019):
* Ohjelmistotuotantoprojekti, 5 op (jatkuu)
* Sivuaineita / muita opintoja, 10 op


'''3. vuoden 3. periodi, 15 op'''
* MAT12003 Todennäköisyyslaskenta (5 op) I
* Tieteellisen kirjoittamisen kurssi, 5 op (alkaa) (riippuu muista pakollisista paitsi OhTusta ja Ohtuprojektista)
* 5 op tilastotiedettä
* Sivuaineita / muita opintoja, 10 op


'''3. vuoden 4. periodi, 15 op'''
''Vaatimuksena on, että kanditutkintoon on sisällytetty MAT12003 Todennäköisyyslaskenta (5 op) I ja 5 op tilastotiedettä (esimerkiksi MAT12001 Tilastotiede tutuksi ja R-ohjelmisto tai MAT12004 Tilastollinen päättely I).'' [https://guide.student.helsinki.fi/fi/node/405?degree_programme_code=KH50_005 lähde]
* Tieteellisen kirjoittamisen kurssi, 5 op (jatkuu)
* Sivuaineita / muita opintoja, 8 op
* Hops-työskentely päättyy, 2 op rapsahtaa lopulta tilille
-->
== Matematiikan ja menetelmätieteen sovittaminen malliaikatauluun ==


Matematiikkaa suositellaan käymään heti opintojen alkuun, jotta siitä saisi hyödyn irti varhaisen kandin teoreettisemmilla kursseilla.
=== Epävirallisia suosituksia ===


Matematiikkaa ja tilastotieteen kursseja voi käydä mallilukujärjestyksen kanssa suunnilleen näin:
Monelle on tullut maisterivaiheen kursseihin siirtyessä yllätyksenä se, kuinka paljon matematiikkaa ja tilastotiedettä on osattava, jotta voi pärjätä datatiede- ja koneoppimislinjoilla. Siksi tähän on koostettu lista kursseista joiden avulla saa varmistettua riittävän osaamistason. Tällaista kokonaisuutta ei ole missään aiemmin ollut listattuna. Kurssilistaus on luotu perustuen keskusteluihin DS/AI (Datatiede ja tekoäly) linjojen opiskelijoiden, yhden sen linjan professorin ja yhden tilastotieteen professorin kanssa. Vaikka otsikon mukaisesti ohje on erityisesti datatieteen ja tekoälyn opiskeluun tähtääville, valmistaa tällaisen kokonaisuuden opiskelu useampaankin maisterivaiheen linjaan.


===1. syksy===
'''DISCLAIMER: ''' Tämä lista ei tarkoita sitä, että "nämä kaikki on pakko käydä tai tulet failaamaan, jos tähtäät data science -maisterilinjalle. Näistä kursseista on hyötyä data science aiheiden ymmärtämisessä. Erityisesti tilastotieteen kurssit ovat hyödyllisiä. Matematiikkaa taas tarvitaan tilastotieteen kurssien syvällisempään ymmärtämiseen. Tätä listaa on tarkoitus tarkentaa lisäämällä kunkin kurssin kohdalle jonkinlaista infoa kurssin tärkeydestä: ts. "ihan hyödyllinen" vai "puoli-pakollinen". Myös kurssien aiheiden suhteista Data Scientistin työssä vastaantuleviin haasteisiin on keskusteltu ja suunnitelmissa on rakentaa jonkinnäköinen materiaali, joka vastaa kysymyksiin, kuten ''"Mihin tätä linistä/raja-arvoja/sarjoja/jne oikein tarvii?"''. Opintovastaavat auttavat osoitteissa #tkt-apu tai opintovastaava@tko-aly.f, jos askarruttaa.


Tilaa on mallilukujärjestyksen suositusten jälkeen yhteensä 2 op ykkösperiodille painottuen.
* DATE-opintokokonaisuus DAtatieteeseen ja TEkoälyyn
** Johdatus yliopistomatematiikkaan (kaikille pakollinen)
** Algebran kurssit
*** Lineaarialgebra ja matriisilaskenta 1
*** Lineaarialgebra ja matriisilaskenta 2
*** Algebralliset rakenteet 1
*** Algebralliset rakenteet 2
** Analyysin kurssit
*** Raja-arvot
*** Differentiaalilaskenta
*** Integraalilaskenta
*** Sarjat
*** Vektorianalyysi 1
** Tilastotieteen kurssit
*** Tilastotiede ja R tutuksi 1 (Tilastotiede)
*** Tilastotiede ja R tutuksi 2 (Tilastotiede)
*** Todennäköisyyslaskenta 1 (Matematiikka / Tilastotiede)
*** Todennäköisyyslaskenta 2a (Matematiikka / Tilastotiede)
*** Todennäköisyyslaskenta 2b (Matematiikka / Tilastotiede)
*** Tilastollinen päättely 1 (Tilastotiede)
*** Tilastollinen päättely 2 (Tilastotiede)


Matematiikan laitos järjestää yleensä syksyllä itseopiskelukurssin, jonka sisältönä nimenomaan lukiomatematiikan kertaus. Kurssin käyminen on hyödyllistä, jos kaipaa varmuutta ja lisää laskurutiinia, tai matikka on muuten vain unohtunut lukion jäljiltä. Tämä kurssi ei kuitenkaan ole sama asia kuin Matematiikka tutuksi. Matematiikka tutuksi kurssin käyminen on suositeltavaa kaikille.
Jotta esitiedot ovat riittävän hyvin hallussa, kannattaa kurssit suorittaa tietyssä järjestyksessä. Perusperiaatteena on, että JYM, Algebran kurssit ja Analyysin kurssit voi suorittaa rinnakkain, kuitenkin niin että Vektorianalyysi edellyttää Lineaarialgebran osaamista. Tilastotiede ja R tutuksi sopii käytäväksi milloin vain mahtuu lukujärjestykseen (esitietona jonkinlainen lukiomatematiikan osaaminen). Todennäköisyyslaskenta 1, jonka osaamisen on oltava hallussa ennen muita mainittuja tilastotieteen kursseja, sopii parhaiten suoritettavaksi kun matematiikka on muuten hallussa.
 
* '''Periodi I''' - yksi seuraavista vaihtoehdoista:
** Matematiikka tutuksi (5 op) on ensisijainen valinta ykkösperiodin matematiikan kurssiksi. Kurssi on kevyt johdatus matematiikan maailmaan ja sisältää kertausta sekä johdattelua yliopistomatematiikkaan. Se kannattaa ehdottomasti ottaa, ellei sitten välttämättä halua heti jotain haastavampaa vaihtoehtoa. Kurssi menee osittain sisällöltään ylempänä mainitun lukiomatikan kertauskurssin päälle, mutta kurssit kannattaa lähinnä nähdä toisiaan tukevina.
** Lineaarialgebra ja matriisilaskenta I (5 op) on hyödyllinen työkalukurssi varsinkin algoritmeista, tekoälystä ja grafiikkaohjelmoinnista kiinnostuneille. Kurssin voi suorittaa ongelmitta lukiomatematiikan pohjalta.
** Analyysi I, (10 op / 2 periodia) on harkitsemisen arvoinen vaihtoehto, jos matematiikka on hyvin hallussa eikä pelkää ylimääräistä työmäärää kakkosperiodissa (esim. jos koodaus on jo valmiiksi tuttua). Analyysi I:en sisältö ei ole yhtä relevanttia kuin Lineaarialgebra ja matriisilasekenta I:n, mutta matikan perusfuksikurssina se opettaa matemaattista ajattelua paremmin kuin mikään muu vaihtoehto. Huomaa, että kestää kaksi periodia, eikä sitä voi suorittaa osissa. Analyysi I on myös selkeästi työläin vaihtoehdoista.
** (Analyysin virtuaalinen peruskurssi ja Matemaattisen analyysin kurssi eivät ole erityisen suositeltavia vaihtoehtoja, koska analyysi aiheena ei ole erityisen hyödyllistä tietojenkäsittelytieteessä. Näillä kursseilla ei myöskään ole Analyysi I:n tarjoamaa teorian ymmärtämispainotteisuutta, vaan ne painottuvat enemmän laskemiseen.)
** Tilastotieteen johdantokurssi (osa 1, 4op), jos ei kaipaa johdatusta matematiikkaan ja uskoo kiinnostuvansa tilastotieteen opiskelusta.
 
* '''Periodi II''':
** '''Pakollinen''' Johdatus diskreettiin matematiikkaan (5 op) pitää käydä tässä, jos haluaa kolmeen vuoteen valmistua.
** Lisäksi 1. periodin valinnoista riippuen mahdollisesti yksi seuraavista, jos vain jaksaa opiskella lisää matikkaa ylibuukatussa kakkosperiodissa:
*** Lineaarialgebra ja matriisilaskenta II (5 op) tarjoaa lisää hyödyllisiä matriiseja ja vektoreita ykkösosan käyneille. Kurssissa paljon grafiikkaohjelmointiin liittyvää teoriaa.
*** Tilastotieteen johdantokurssi (osa 2, 6 op) turnauskestävyyden riittäessä ykkösosan suorittaneille.
*** Analyysi I:n loppu, jos sen on itselleen manannut; kurssista  ei saa välisuorituksia, joten se on tupla (10) tai kuitti (0).
 
===1. kevät===


* Periodit III - IV
=== Aikataulu ===
** Logiikka I, 10 op
** Tai Tilastotieteen jatkokurssi, 10 op, tai johdantokurssin kevätversio jos et ehtinyt sitä jo käydä.
** Tai Johdatus todennäköisyyslaskentaan (III), 5 op. Mahdollisesti myös Johdatus tilastolliseen päättelyyn (IV), 5 op. Ensimmäinen tarkoittaa suhteellisen helppoja opintopisteitä, jälkimmäinen näistä on vaikea. Valitse jälkimmäinen vain, jos rahkeet riittävät tässä vaiheessa. Esitietoina kurssille käytännössä on integraalilaskennan osaaminen, joko lukion pitkän matematiikan pohjalta tai Analyysi I:stä tai Analyysin peruskurssista. Johdatus todennäköisyyslaskentaan -kurssille sen sijana voi kävellä lukiopohjalta.


TKT:n Tietorakenteet-kurssi on mallilukujärjestyksessä 1. keväänä, ja siellä matematiikan pohjista on välitöntä apua. Perusopiskelija ehtii siis siihen mennessä käydä suunnilleen MaTun tai jonkin hiukan haastavamman kurssin, Johdatuksen diskreettiin matematiikkaan ja samanaikaisesti Tiran kanssa esim. Logiikka I:stä.
Seuraava taulukko (erään opiskelijan hops-excelistä) voi olla avuksi opintojen suunnittelussa:


=== 2. syksy ===
* Tässä siis haluttu suorittaa matematiikan analyysin kurssit putkeen sekä tilastotieteen perusopinnot samaan tapaan.
 
* Lineaarialgebra ja matriisilaskenta I ja II jos ei aiemmin ehtinyt, tai
* Tilastotieteen johdantokurssi voi tässä vaiheessa piristää, varsinkin jos uranvaihto alkaa olla mielessä
* '''Huom''': 2. syksynä on parasta myös huolehtia tilan puolesta toisen sivuaineen opiskelun aloittamisesta, jos ei aio käydä kandiin pelkästään matematiikkaa ja tilastotiedettä. Monia sivuaineita voi aloittaa (tai jopa koko perusopinnot käydä) vain syksyisin, eikä malliaikataulun mukaan edetessä 3. syksyä ei oikein ehdi ihan kokonaan pyhittää toiselle aineelle, vaikka huomattavan osan kumminkin.


=== 2. kevät ===
[[Tiedosto:Mathstat_perusopinto_aikataulut.png|none|frame|600px]]


* Algebra I, jos Johdatus diskreettiin matematiikkaan ei ahdistanut tai Linis I ja/tai Analyysi I on jo käyty
'''HUOM:''' Datatieteen maisterin tutkinnossa (2019) tilaa 35op "Muille opinnoille", mitkä voivat olla sekä kandi että maisteritason kursseja. TKT maisterissa vastaavasti 40op.
* Tilastotieteen jatkokurssi, tai Data-analyysi, tai Monimuuttujamenetelmät, tai... ks. [[Sivuainekuvauksia#Tilastotiede]]
* Johdatus todennäköisyyslaskentaan ja Johdatus tilastolliseen päättelyyn


=== 3. syksy ja kevät ===
== Kaavio DATE-kurssien välisistä riippuvuuksista ==


3. vuodella sitomatonta tilaa on syksyllä 10 + 10 op ja keväällä 10 + 8 op (oikeasti 10 + 10, mutta LuK-HOPSin päättymisestä saa 2 op "vapaata"). Käy niitä mitä et ole vielä käynyt, ja tarkastele viimeistään tässä vaiheessa myös linjaspesifejä matematiikan kurssisuosituksia (jos niitä on).
[[Tiedosto:DATE_opinnot_v3.png|none|800px]]

Nykyinen versio 8. elokuuta 2024 kello 17.07


Mallilukujärjestykset löytyvät osaston sivuilta:

Tietojenkäsittelytieteen kandiohjelma Ks. myös pdf-tiedostot täällä: https://studies.helsinki.fi/ohjeet/node/323?degree_programme_code=KH50_005

Master's Programme in Data Science

Osaston tarjoamat mallilukujärjestykset eivät kuitenkaan suoraan kerro miten kaikki opinnot kannattaisi suorittaa. Apua omien opintojen suunnitteluun saa Kumpulan opiskelijapalveluista osoitteesta kumpula-student@helsinki.fi.

Erityisesti koneoppimiseen suunnatessa olennaiset matematiikan ja tilastotieteen esitiedot löytää datatieteen maisteriohjelmassa pakollisen Statistics for Data Science -kurssin kuvauksesta: lineaarialgrebra, differentiaalilaskenta, todennäköisyyslaskenta ja tilastotieteen perusteet. Tiiveimmin nämä saa kursseilta Tilastotiede ja R tutuksi I ja II sekä keväisin Koneoppimisen matematiikan perusteet I ja II, joiden jälkeen kannattaisi jatkaa pian syksyn johdattaville koneoppimiskursseille. Jos lukion pitkää matikkaa ei ole tuoreena taustalla, on suositeltavaa käydä Lukiomatematiikan kertaus näitäkin ennen.


Osin vanhentuneet tiedot alla.

Mallilukujärjestys?

Katso myös: Fuksisyksyn mallilukujärjestys

Mallilukujärjestys kertoo, miten kursseja pitää ottaa, jotta valmistuisi kolmessa vuodessa luonnontieteen kandidaatiksi ilman suurempia vaikeuksia. Käpistelykurssit riippuvat tiedollisesti toisistaan varsin paljon, joten oikeaan suoritusjärjestykseen pitää kiinnittää huomiota enemmän kuin muissa aineissa. Formaalisti (matemaattisesti) ilmaistut teoria-asiat ovat myös varsin haastavia, varsinkin jos pohjalla ei ole pitkän matematiikan tai muiden muodollista ajattelua kehittävien aineiden opintoja lukiosta. Koneet eivät tajua epätäsmällistä selitystä, joten meidän pitää opetella muotoilemaan asioita mahdollisimman yksiselitteisesti ja etenemään systemaattisesti. Matematiikka opettaa formaalia ajattelua, ja siksi siitä meuhkataan niin paljon.

Monella kurssilla oletetaan esitietoina edellämainittua formaalista ajattelutapaa. Tämä tarkoittaa, että vaikka pakollista matematiikkaa on varsin vähän, käpistelijälle saattaa olla hyödyllistä istua enemmänkin matematiikan kursseilla. On siis tärkeää tiedostaa, että tietyntasoinen matematiikan osaaminen vaaditaan implisiittisesti tietojenkäsittelytieteen opinnoissa. Tämä ei tarkoita ettetkö pärjäisi opinnoissasi, vaikka et olisikaan matikkavelho.

Pakollisia kursseja järjestetään vähintään kerran vuodessa, pääasiassa silloin kun ne on sijoitettu mallilukujärjestykseen. Perusopintojen kursseja järjestetään useimmin. Kesäisin voi käydä ilmaiseksi opintoja Avoimessa yliopistossa (myös TKT:n perusopintokursseja), ja laitoksen omassa kesäopetuksessa harjoitustyökursseja (Ohjelmoinnin harjoitustyö, Tietokantasovellus, Tietorakenteiden harjoitustyö ja Ohjelmistotuotantoprojekti). Tässä kohtaa kannattaa taktikoida ja vähentää omaa työtaakkaa lukuvuoden aikana, koska edellämainittuja kursseja voi lähes varmuudella suorittaa myös kesäisin. Harjoitustyökurssit sopivat hyvin myös kesätöiden oheen suoritettavaksi, koska koululla ei ole pakko käydä montakaan kertaa kurssin aikana.

Pajoissa järjestää tukiopetusta keskeisissä ja vaikeaksi todetuissa kursseissa. Paja-ajat ja käytännöt sovitaan kurssi kohtaisesti, joten niitä hyödyntääkseen pitää itse lukea kurssisivulta infot.

Mikäli ensimmäisen syksyn keskeiset kurssit takkuavat, ei kannata iskeä kirvestä kiveen vaan ottaa käyttöön Sivuainekuvauksia.

Kriittinen polku ja kurssien riippuvuudet

Kriittiseen polkuun kuuluvat kaikki kurssit, joiden läpäisy ajoissa on tärkeää, jos mielii valmistua kolmessa vuodessa luonnontieteiden kandidaatiksi (LuK) ilman vaikeuksia. Kurssien välisistä riippuvuuksista ei tällä hetkellä ole tarjolla virallista ja täysin ajantasaista versiota. Lähes virheetön kaavio löytyy osoitteesta täältä. Kaaviota lukiessa tulee huomata, että kurssin johdatus tekoälyyn sijaan siinä kohdassa kuuluisi lukea: "johdatus tekoälyyn tai tietoturvan perusteet".

1. vuosi

Kurssi Periodi Op
Digitaidot + Tietokone työvälineenä + Akateemiset taidot I 3-4
Johdatus tietojenkäsittelytieteeseen + Englanti I-II 5 + 4
Ohjelmoinnin perusteet I 5
Ohjelmoinnin jatkokurssi II 5
Tietokoneen toiminta II 5
Johdatus yliopistomatematiikkaan I-II 5
Tietokantojen perusteet III 5
Tietorakenteet ja algoritmit III-IV 10
Ohjelmistotekniikan menetelmät IV 5

Katso myös Fuksisyksyn_mallilukujärjestys

Ensimmäisen vuoden keväänä on myös hyvä suorittaa tietokantasovellus -harjoitustyö (4 op) ja/tai toinen kotimainen kieli (3 op). Suunnitellessaan opintojaan on hyvä tarkistaa harjoitustöiden esitietovaatimukset.

2. vuosi

Kurssi Periodi Op
Laskennan mallit I 5
Ohjelmistotuotanto II 5 + 1
Käyttöjärjestelmät III 5
Tietoliikenteen perusteet IV 5

Toisen vuoden aikana on viimeistään tehtävä ensimmäinen harjoitustyö, eikä ole huono idea suorittaa toistakin. Jos toisen ja kolmannen vuoden välisenä kesänä on aikaa eli ohjelmistotuotantoprojektin suorittaminen silloin ole hassumpi ajatus.

3. vuosi

Kurssi Periodi Op
Johdatus tekoälyyn / Tietoturvan perusteet I 5
Ohjelmistotuotantoprojekti I, II tai I-II 10
Kandidaatintutkielma + Tutkimustiedonhaku + Äidinkieli III-IV 10

Näiden lisäksi tavoiteajassa valmistumiseen vaaditaan myös kaikkien muiden kurssien, sivuaineiden ja erityisesti toisen kotimaisen kielen suorittaminen kolmessa vuodessa.

Mallilukujärjestyksen tulkitseminen ensimmäisenä vuotena

Katso: Fuksisyksyn mallilukujärjestys

Matematiikan ja menetelmätieteen sovittaminen malliaikatauluun

Matematiikkaa suositellaan käymään heti opintojen alkuun, jotta siitä saisi hyödyn irti varhaisen kandin teoreettisemmilla kursseilla. Matematiikan ja tilastotieteen kursseja voi käydä mallilukujärjestyksen kanssa suunnilleen näin:

1. vuosi, syksy

Matematiikan laitos järjestää yleensä syksyllä itseopiskelukurssin, jonka sisältönä nimenomaan lukiomatematiikan kertaus. Kurssin käyminen on hyödyllistä, jos kaipaa varmuutta ja lisää laskurutiinia, tai matikka on muuten vain unohtunut lukion jäljiltä. Tämä kurssi ei kuitenkaan ole sama asia kuin Matematiikka tutuksi. Matematiikka tutuksi kurssin käyminen on suositeltavaa kaikille.

  • Periodi I
    • Pakollinen Johdatus yliopistomatematiikkaan (5 op) pitää käydä tässä (I-II periodit), jos haluaa kolmeen vuoteen valmistua.
    • Matematiikka tutuksi (2? op) sisältö tuntuu muuttuvan joka vuosi riippuen kurssin pitäjästä. Jos MaTu jostain syystä järjestetään 5 opintopisteet kokoisena, kannattaa se ehdottomasti ottaa. Kuitenkin kahden opintopisteen kokoinen versiota ei ole mahdollista sisällyttää mihinkään muuhun kurssiin tasan 5 op kokoiseksi paketiksi.
    • Lineaarialgebra ja matriisilaskenta I (5 op) on hyödyllinen työkalukurssi varsinkin algoritmeista, tekoälystä ja grafiikkaohjelmoinnista kiinnostuneille. Kurssin voi suorittaa ongelmitta lukiomatematiikan pohjalta.
    • Raja-arvot, on harkitsemisen arvoinen vaihtoehtoja, jos matematiikka on hyvin hallussa eikä pelkää ylimääräistä työmäärää kakkosperiodissa (esim. jos koodaus on jo valmiiksi tuttua). Matikan perusfuksikurssina nämä opettaa matemaattista ajattelua paremmin kuin mikään muu vaihtoehto.
    • Tilastotiede ja R tutuksi 1, jos kiinnostaa datatiede, machine learning tai algo puoli (Suosittelen useita tilastotieteen kursseja jos nämä linjat kiinnostavat.)
  • Periodi II
    • 1. periodin valinnoista riippuen mahdollisesti yksi seuraavista, jos vain jaksaa opiskella lisää matikkaa ylibuukatussa kakkosperiodissa:
      • Lineaarialgebra ja matriisilaskenta II (5 op) tarjoaa lisää hyödyllisiä matriiseja ja vektoreita ykkösosan käyneille. Kurssissa paljon grafiikkaohjelmointiin liittyvää teoriaa.
      • Tilastotiede ja R tutuksi 2
      • Differentiaalilaskenta. (Yleishyödyllistä melkein kaikilla linjoilla)

1. vuosi, kevät

  • Periodit III - IV
    • Logiikka 1 ja 2, 5 op/kpl
    • Tai Tilastollinen päättely (IV),
    • Tai todennäköisyyslaskenta 1 (III), 5 op. (Tilastollinen päättely ja todennäköisyyslaskenta erittäin tärkeitä datatieteessä ja machine-learning opinnoissa).
    • Integraalilaskenta (III) ja sarjat (IV)

2. vuosi, syksy

  • Lineaarialgebra ja matriisilaskenta I ja II jos ei aiemmin ehtinyt, tai
  • Tilastotieteen johdantokurssi voi tässä vaiheessa piristää, varsinkin jos uranvaihto alkaa olla mielessä
  • Huom: 2. syksynä on parasta myös huolehtia tilan puolesta toisen sivuaineen opiskelun aloittamisesta, jos ei aio käydä kandiin pelkästään matematiikkaa ja tilastotiedettä. Monia sivuaineita voi aloittaa (tai jopa koko perusopinnot käydä) vain syksyisin, eikä malliaikataulun mukaan edetessä 3. syksyä ei oikein ehdi ihan kokonaan pyhittää toiselle aineelle, vaikka huomattavan osan kumminkin.

2. vuosi, kevät

3. vuosi

3. vuodella sitomatonta tilaa sekä syksyllä että keväällä 20 op. Käy niitä mitä et ole vielä käynyt, ja tarkastele viimeistään tässä vaiheessa myös linjaspesifejä matematiikan kurssisuosituksia (jos niitä on).


Matematiikkaa datatieteeseen ja tekoälyyn

Pakolliset

Jos siirryt tkt:ltä Datatieteen maisteriohjelmaan sinun täytyy sisällyttää kanditutkintoosi (tarkistettu 03.09.2019):

  • MAT12003 Todennäköisyyslaskenta (5 op) I
  • 5 op tilastotiedettä

Vaatimuksena on, että kanditutkintoon on sisällytetty MAT12003 Todennäköisyyslaskenta (5 op) I ja 5 op tilastotiedettä (esimerkiksi MAT12001 Tilastotiede tutuksi ja R-ohjelmisto tai MAT12004 Tilastollinen päättely I). lähde

Epävirallisia suosituksia

Monelle on tullut maisterivaiheen kursseihin siirtyessä yllätyksenä se, kuinka paljon matematiikkaa ja tilastotiedettä on osattava, jotta voi pärjätä datatiede- ja koneoppimislinjoilla. Siksi tähän on koostettu lista kursseista joiden avulla saa varmistettua riittävän osaamistason. Tällaista kokonaisuutta ei ole missään aiemmin ollut listattuna. Kurssilistaus on luotu perustuen keskusteluihin DS/AI (Datatiede ja tekoäly) linjojen opiskelijoiden, yhden sen linjan professorin ja yhden tilastotieteen professorin kanssa. Vaikka otsikon mukaisesti ohje on erityisesti datatieteen ja tekoälyn opiskeluun tähtääville, valmistaa tällaisen kokonaisuuden opiskelu useampaankin maisterivaiheen linjaan.

DISCLAIMER: Tämä lista ei tarkoita sitä, että "nämä kaikki on pakko käydä tai tulet failaamaan, jos tähtäät data science -maisterilinjalle. Näistä kursseista on hyötyä data science aiheiden ymmärtämisessä. Erityisesti tilastotieteen kurssit ovat hyödyllisiä. Matematiikkaa taas tarvitaan tilastotieteen kurssien syvällisempään ymmärtämiseen. Tätä listaa on tarkoitus tarkentaa lisäämällä kunkin kurssin kohdalle jonkinlaista infoa kurssin tärkeydestä: ts. "ihan hyödyllinen" vai "puoli-pakollinen". Myös kurssien aiheiden suhteista Data Scientistin työssä vastaantuleviin haasteisiin on keskusteltu ja suunnitelmissa on rakentaa jonkinnäköinen materiaali, joka vastaa kysymyksiin, kuten "Mihin tätä linistä/raja-arvoja/sarjoja/jne oikein tarvii?". Opintovastaavat auttavat osoitteissa #tkt-apu tai opintovastaava@tko-aly.f, jos askarruttaa.

  • DATE-opintokokonaisuus DAtatieteeseen ja TEkoälyyn
    • Johdatus yliopistomatematiikkaan (kaikille pakollinen)
    • Algebran kurssit
      • Lineaarialgebra ja matriisilaskenta 1
      • Lineaarialgebra ja matriisilaskenta 2
      • Algebralliset rakenteet 1
      • Algebralliset rakenteet 2
    • Analyysin kurssit
      • Raja-arvot
      • Differentiaalilaskenta
      • Integraalilaskenta
      • Sarjat
      • Vektorianalyysi 1
    • Tilastotieteen kurssit
      • Tilastotiede ja R tutuksi 1 (Tilastotiede)
      • Tilastotiede ja R tutuksi 2 (Tilastotiede)
      • Todennäköisyyslaskenta 1 (Matematiikka / Tilastotiede)
      • Todennäköisyyslaskenta 2a (Matematiikka / Tilastotiede)
      • Todennäköisyyslaskenta 2b (Matematiikka / Tilastotiede)
      • Tilastollinen päättely 1 (Tilastotiede)
      • Tilastollinen päättely 2 (Tilastotiede)

Jotta esitiedot ovat riittävän hyvin hallussa, kannattaa kurssit suorittaa tietyssä järjestyksessä. Perusperiaatteena on, että JYM, Algebran kurssit ja Analyysin kurssit voi suorittaa rinnakkain, kuitenkin niin että Vektorianalyysi edellyttää Lineaarialgebran osaamista. Tilastotiede ja R tutuksi sopii käytäväksi milloin vain mahtuu lukujärjestykseen (esitietona jonkinlainen lukiomatematiikan osaaminen). Todennäköisyyslaskenta 1, jonka osaamisen on oltava hallussa ennen muita mainittuja tilastotieteen kursseja, sopii parhaiten suoritettavaksi kun matematiikka on muuten hallussa.

Aikataulu

Seuraava taulukko (erään opiskelijan hops-excelistä) voi olla avuksi opintojen suunnittelussa:

  • Tässä siis haluttu suorittaa matematiikan analyysin kurssit putkeen sekä tilastotieteen perusopinnot samaan tapaan.

HUOM: Datatieteen maisterin tutkinnossa (2019) tilaa 35op "Muille opinnoille", mitkä voivat olla sekä kandi että maisteritason kursseja. TKT maisterissa vastaavasti 40op.

Kaavio DATE-kurssien välisistä riippuvuuksista

Noudettu kohteesta ”https://fuksiwiki.tko-aly.fi/index.php?title=Opintojen_malliaikataulu&oldid=12219”