Ero sivun ”Opintojen malliaikataulu” versioiden välillä

Fuksiwikistä
← Vanhempi muutos
VisuaalinenWikiteksti
Ei muokkausyhteenvetoa
Pniko (keskustelu | muokkaukset)
23 muokkausta
Korostettu mallilukujärjestyslinkkejä
 
(74 välissä olevaa versiota 16 käyttäjän tekeminä ei näytetä)
Rivi 1: Rivi 1:
== Mallilukujärjestys? ==
[[Category:Vaatii_päivityksen]]
 
'''Mallilukujärjestykset löytyvät osaston sivuilta:'''
 
'''[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'''
 
[https://www.helsinki.fi/en/degree-programmes/data-science-masters-programme/studying/course-and-teaching-information-2024-2025 '''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 [mailto:kumpula-student@helsinki.fi 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.
 


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 aina päivitetyssä muodossa.


Mallilukujärjestys kertoo, miten kursseja pitää ottaa, jotta valmistuu 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. Formaalia esitystapaa matematiikka opettaa, ja siksi siitä meuhkataan niin paljon.
<strong style="color:red;font-size:1rem">Osin vanhentuneet tiedot alla.</strong>


Vaikka mallilukujärjestystä tutkailemalla näyttää siltä, että selviää vain parilla matematiikan kurssilla, ei kannata tuudittautua turvallisuuden tunteeseen. Monella kurssilla oletetaan esitietoina edellämainittua formaalista ajattelutapaa. Tämä tarkoittaa, että vaikka pakollista matematiikkaa on varsin vähän, käpistelijälle saattaa olla hyödyllistä istua enemmänkin 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.
== 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.


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 viikottainen tapaamisaika sovitaan ohjaajan kanssa erikseen.
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.


TKO-äly järjestää tukiopetusta keskeisissä ja vaikeaksi todetuissa kursseissa. Jos et ole kuullut tällaisesta mahdollisuudesta, kysy opintovastaavilta. Jos ensimmäisen syksyn keskeiset kurssit takkuavat, ei kuitenkaan kannata iskeä kirvestä kiveen vaan ottaa käyttöön [[Sivuainekuvauksia | Plan B]].
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.


* [[Mallilukujärjestys | Mallilukujärjestys ensimmäiselle syksylle]]
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, jos mielii valmistua kolmessa vuodeksi luonnontieteiden kandidaatiksi (LuK). Kurssien esitietoriippuvuuksiin katso [http://www.cs.helsinki.fi/u/kurhila/luk_esitietoriippuvuudet.pdf riippuvuuskaavio laitoksen sivuilla]. Opinto-oppaan oma versio sisältänee samat tiedot, joskin ainakin toiseksi 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  
|-
|-
| Tietorakenteet || III-IV || 8
| Ohjelmoinnin perusteet || I || 5
|-
|-
|}
| Ohjelmoinnin jatkokurssi || II || 5
Myös Ohjelmistojen mallintaminen ja Ohjelmoinnin harjoitustyö on välttämätöntä suorittaa viimeistään esimmäisen vuoden kesällä (Ohjelmistojen mallintaminen on esitietovaatimuksena Ohjelmoinnin harjoitustyölle).
 
=== 2. vuosi ===
{| border="1px"
! width="200px" align="left" | '''Kurssi'''
! width="75px" align="left" | '''Periodi'''
! width="75px" align="left" | '''Op'''
|-
|-
| Laskennan mallit || I-II || 6
| Tietokoneen toiminta || II || 5
|-
| Johdatus yliopistomatematiikkaan || I-II || 5
|-
|-
| Tietoliikenteen perusteet || II || 4
| Tietokantojen perusteet || III || 5
|-
|-
| Ohjelmistotuotanto || IV || 4
| Tietorakenteet ja algoritmit || III-IV || 10
|-
|}
Lisäksi Tietorakenteiden harjoitustyö ja Tietokantasovellus on suoritettava viimeistään toisen vuoden kesällä. Nämä kummatkin vaaditaan kolmannen vuoden syksyn Ohjelmistotuotantoprojektiin.
 
=== 3. vuosi ===
{| border="1px"
! width="200px" align="left" | '''Kurssi'''
! width="75px" align="left" | '''Periodi'''
! width="75px" align="left" | '''Op'''
|-
|-
| Ohjelmistotuotantoprojekti || I-II || 10
| Ohjelmistotekniikan menetelmät || IV || 5
|-
|-
| Tieteellisen kirjoittamisen kurssi || III-IV || 10
|-
|}
|}
Näiden lisäksi tavoiteajassa valmistumiseen vaaditaan myös kaikkien muiden kurssien, sivuaineiden ja erityisesti toisen kotimaisen kielen suorittaminen kolmessa vuodessa.


Katso myös [[Fuksisyksyn_mallilukujärjestys]]


== Mallilukujärjestyksen tulkitseminen ensimmäisenä vuotena ==
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.


=== 1. periodi ===  
=== 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'''
|-
|-
| Johdatus tietojenkäsittelytieteeseen || I-II || 10
| Laskennan mallit || I || 5
|-
| Ohjelmistotuotanto || II || 5 + 1
|-
| Käyttöjärjestelmät || III || 5
|-
| Tietoliikenteen perusteet || IV || 5
|-
|-
| Ohjelmoinnin perusteet || I || 5
|-
| Tietokone työvälineenä || I || 1
|-
| TVT-ajokortti || I || 3
|-
| Matematiikka tutuksi || I || 5
|-
|}
|}


Periodin tärkein kurssi on ehdottomasti Ohjelmoinnin perusteet ("OhPe"), johon kannattaa panostaa kaikista eniten. Myös Johdatus tietojenkäsittelytieteeseen -kurssin ("JTKT") suorittaminen myöhemmin saattaa aiheuttaa hiusten halkomista, ja se olisi hyvä suorittaa heti opintojen alussa tarvittaessa vaikka pelkällä vihalla. Matematiikka tutuksi -kurssi toimii johdatuksena yliopistomatematiikkaan ja helpottaa toisen periodin Johdatus diskreettiin matematiikan -kurssin suorittamista, jonka läpäiseminen heti ensimmäisenä syksynä on myös erittäin kriittistä.
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.


Matematiikka tutuksi -kurssi ("MaTu") ei ole varsinainen lukiomatematiikan kertauskurssi, vaan sen on tarkoitus tutustuttaa yliopistossa opetettavaan matematiikkaan. Matematiikka tutuksi -kurssi kannattaa ehdottomasti käydä, vaikka uskottelisikin ongelmanratkaisutaitonsa olevan kunnossa. Kurssista saa kyllä opintopisteet palauttamalla tietyn määrän tehtäviä, ja kokeeseen ei tarvitse tällöin osallistua. Enemmistö suorittaa MaTu:n nimenomaan tekemällä vaaditun määrän laskuharjoitustehtäviä.
=== 3. vuosi ===
 
Ensimmäisellä periodilla aloitetaan myös LuK-HOPS, joka jatkuu koko kandiopintojen ajan. LuK-HOPSista nopat tulevat kandin lopussa.
 
Ykkösperiodin paniikkihäiriöistä, ks. tiivistelmä kakkosperiodin jälkeen.
 
=== 2. periodi ===  
{| 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'''
! width="75px" align="left" | '''Esitiedot'''
|-
|-
| Johdatus tietojenkäsittelytieteeseen || I-II || 10 ||  
| Johdatus tekoälyyn / Tietoturvan perusteet || I || 5
|-
|-
| Ohjelmoinnin jatkokurssi || II || 4|| OhPe
| Ohjelmistotuotantoprojekti || I, II tai I-II || 10
|-  
|-
| Ohjelmistojen mallintaminen || II || 4 || OhPe
| Kandidaatintutkielma + Tutkimustiedonhaku + Äidinkieli || III-IV || 10
|-  
| Johdatus diskreettiin matematiikkaan || II || 5 ||
|-  
|-  
|}
|}
Näiden lisäksi tavoiteajassa valmistumiseen vaaditaan myös kaikkien muiden kurssien, sivuaineiden ja erityisesti toisen kotimaisen kielen suorittaminen kolmessa vuodessa.


Kakkosperiodissa tärkeimmät kurssit ovat Johdatus diskreettiin matematiikkaan ("diskis") ja Ohjelmoinnin jatkokurssi ("OhJa"). Edelleen on toki muistettava myös JTKT:n suoritus. Johdatus diskreettiin matematiikkaan -kurssin sisältö on jotakuinkin seuraava: induktio, vähän joukko-oppia, vähän kombinatoriikkaa, vähän verkkoja ja todistamista.
== Mallilukujärjestyksen tulkitseminen ensimmäisenä vuotena ==
{{katso|Fuksisyksyn mallilukujärjestys}}


Vaikka OhPe vaaditaankin Ohjelmoinnin jatkokurssiin ja Ohjelmistojen mallintamiseen ("OhMa"), niin tulokset eivät ole näiden kurssien alkaessa vielä tuleet. Jos OhPesta paukahtaa WebOodiin hylätty, mutta OhJassa ja OhMassa on mukana edes jollain tasolla, niin kumpaakaan ei missään nimessä kannata jättää kesken.
== Matematiikan ja menetelmätieteen sovittaminen malliaikatauluun ==


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 kannattaakin sitten panostaa), ja lue tässä välissä [[Sivuainekuvauksia|sivuaineita]]!
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:


Diskiksen ongelmiin kannattaa kysyä apua muilta opiskelijoilta ja vaikka matematiikan laitoksen [http://wiki.helsinki.fi/display/mathstatOpiskelu/Laskupaja laskupajasta], koska luennon matemaattisesti kauniit "On olemassa kuvaus siten, että..." voidaan toisinaan korvata vanhemman opiskelijat "Tee näin..."-ohjeilla.
=== 1. vuosi, syksy===


Jos saat koko syksyn paketin, mukaanlukien Matematiikka tutuksi (tai muu matematiikan kurssi), läpi, olet suorittanut 10 + 5 + 4 + 4 + 4 + 5 = 32 op, mikä on yli 2 op optimaalisen suoritustahdin - onneksi olkoon, tästä on hyvä jatkaa! Jos jätät Matematiikka tutuksi -kurssin pois sarjasta, jää sinulle viralliesti suoritettavaksi 3 op "jotain muuta" - tämänkokoisia opintosuorituksia voi kuitenkin olla vaikea löytää. Syksylle voi napata MaTun tilalle jonkin muun matematiikan alkupään kurssin (esim. Lineaarialgebra ja matriisilaskenta I), ja jos taustalla on vahva pitkä matematiikka, se voi mennä suhteellisen vähällä vaivalla läpi. Ks. kohta [#Matematiikan sovittaminen malliaikatauluun] alempaa.
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.


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 failaaminen 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 mielenkiintoista suorittaa uudestaan myöhemmin, mutta sen varsinaisesta suoritusmerkinnästä ei mikään muu kurssi riipu.
* '''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.)


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 (yleensä TiRassa, LaMassa ja Riossa), jos et anna abstraktiin ajatteluun opettelemiselle sen tarvitsemaa aikaa. Erityisen ikävää on, että OhPe - OhJa - TiRa - LaMa - Ohtuprojekti - TiKi -kriittisellä polulla yhdenkin kurssin failaaminen venyttää opintoja poikkeuksetta yli kolmelle vuodelle. Jos olet yritteliäs ja hyvä hallitsemaan aikaasi, voit vielä ottaa klapin kiinni tekemällä 3. vuonna Ohtuprojektin ja TiKin yhtä aikaa. Et ehdi edes jäädä vielä Etappeihin (opintojen etenemisen seurantajärjestelmä, LuK-tutkinnossa kolme on "etappia", joissa siihenastinen eteneminen tarkastetaan), jos käyt toisen niistä ajallaan ja hoitelet toisen samalla kun aloittelet jo maisterikursseja. Eikä se viidessä vuodessa valmistuminen ole vieläkään pakollista, siihen vain painostetaan yhteiskunnan puolelta enemmän kuin ennen, mikä nyt ei liene yllätys kenellekään. Vältät hukkaamasta opiskeluaikaasi käymällä tässä välissä [[Sivuainekuvauksia|sivuainekursseja]].
* '''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)


=== 3. periodi (eli kevään 1. periodi) ===  
=== 1. vuosi, kevät===


{| border="1px"
* '''Periodit III - IV'''
! width="150px" align="left" | '''Kurssi'''
** Logiikka 1 ja 2, 5 op/kpl
! width="50px" align="left" | '''Periodi'''
** Tai Tilastollinen päättely (IV),
! width="50px" align="left" | '''Op'''
** Tai todennäköisyyslaskenta 1 (III), 5 op.  (Tilastollinen päättely ja todennäköisyyslaskenta erittäin tärkeitä datatieteessä ja machine-learning opinnoissa).
! width="50px" align="left" | '''Esitiedot'''
** Integraalilaskenta (III) ja sarjat (IV)
|-
| Ohjelmoinnin harjoitustyö || III || 4 || OhJa, OhMa
|-
| Tietokoneen toiminta || III || 4 || OhPe
|-
| Tietorakenteet || III-IV || 8 || OhJa, Diskis
|-
| Sivuaineita/valinnaisia || II || 2- ||
|-
|}


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 (taidot voi vaatimusten uupuessa osoittaa erillisessä esitietokokeessa). Ohjelmointikurssien puuttuminen estää myös harjoitustyöhön osallistumisen.
=== 2. vuosi, syksy ===


Tietokoneen toiminta -kurssille ("TiTo") osallistuminen riippuu myöskin OhPesta. Tietokoneen toiminta on esitietovaatimus Rinnakkaisohjelmoinnille, joka puolestaan on kriittisen polun kurssi. TiToa on kuvailtu työlääksi, joten siihen kannattaa varautua käyttämään aikaa ja priorisoimaan tarvittaessa pakolliset tekemiset ei-niin-pakollisten edelle, että aika riittää.
* 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.


Tietorakenteet kannattaa ottaa sinänsä vakavasti, että sitä tarjotaan kurssina vain kerran vuodessa. Harjoitustyökursseilla taas keskeyttämistä ei katsota hyvällä, vaan se vaikuttaa ensi kerralla ryhmään pääsemiseen - harjoitustöiden pienryhmäopetus kun on kallista järjestää.
=== 2. vuosi, kevät ===


Jos tietorakenteita, ohjelmoinnin harjoitustyötä tai tietokoneen toimintaa ei pääse opiskelemaan, otetaan käyttöön sivuainesuunnitelmat ja suoritetaan puuttuvia kursseja (ks. alla).
=== 3. vuosi ===
 
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 kannattaa tällöin tähdätä myös pakollisen toisen kotimaisen kielen (useimmille ruotsi) suorittamiseen pois alta. Huomaa, että [http://www.helsinki.fi/kksc/ kielikeskuksen] a) [http://www.helsinki.fi/weboodi ilmoittautumisjärjestelmä] ja b) [https://alma.helsinki.fi/doclink/97990 kursseille ilmoittautumisajat] eroavat laitoksen vastaavista). Vaihtoehtoisesti voi vilkuilla jo joitakin tietojenkäsittelytieteen vapaavalintaisia kursseja, jos esitiedot niihin täyttyvät. Esimerkiksi keväällä järjestettävässä Käyttöliittymät -kurssissa ei ole esitietoja. Tietokantojen perusteisiinkin pääsee neljännessä periodissa, vaikka ohjelmointikursseissa olisi  sykysyllä epäonnistunutkin.
 
Ilman sivuainetäydennystä tai valinnaisten aineopintojen suorittamista kevään ensimmäisestä periodista irtoaa 4 + 8/2 + 4 = 12 op (Tietorakenteet puolitettu), mikä alittaa suositustahdin 15 op -kertymän kolmella opintopisteellä.
 
=== 4. periodi (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'''
|-
| Tietorakenteet || III-IV || 8 || OhJa, Diskis
|-
| Tietokantojen perusteet || IV || 4 ||
|-
| Sivuaineita/valinnaisia || IV || 6- ||
|-
|}
 
Tietokantojen perusteet -kurssilla hyötyy Johdatus diskreettiin matematiikkaan -kurssista, mutta se ei ole pakollinen esitietovaatimus. Tietokantojen perusteissa käsitellään SQL-kielen ja relaatioalgebran alkeita ja tietokantojen suunnittelua. Useimmat eivät koe näitä vaikeiksi asioiksi. Tietokantojen perusteet itsessään on esitietovaatimuksena Tietokantasovellus-harjoitustyölle.
 
Aiemmin keväällä napatut sivuaineet voivat jatkua tälle periodille TiRan tapaan. Ilman sivuainekursseja tai vapaavalintaisilla aineopintoja kakkosperiodista tulee 8/2 + 4 = 8 op. Ilman mitään sivuaine- tms. täydennyksiä koko keväänä kevään opintopistekertymä jää 20:een, siis kymmentä vaille suositellusta 30 opintopisteestä. Kannattaa siis suorittaa sivuaineita (pakollista matematiikkaa) tai mielenkiintoisia tietojenkäsittelytieteen aineopintoja jo tässä vaiheessa.


Jos mallilukujärjestyksessä on onnistunut pysymään tähän asti, laitoksen menettelyt ja kurssityypit ovat tulleet jo suhteellisen selväksi. Tämän jälkeen opintojen suorittaminen mallilukujärjestyksen mukaan on vain sen kurinalaista ja onnistunutta seuraamista. Toista sivuainekokonaisuutta ei kannata myöskään unohtaa, se tulisi aloittaa heti toisen vuoden syksyllä. Myöskin toisen kotimaisen kielen (~"virkamiesruotsi") suorittaminen kannattaa aloittaa mahdollisimman pian, jos sitä ei ole vielä ensimmäisenä keväänä tehnyt.
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).


Mallilukujärjestyksen (tulevassa) tulkitsemisessa apua voi kysyä laitoksen opintoneuvojilta tai TKO-älyn opintovastaavilta.


== Matematiikkaa datatieteeseen ja tekoälyyn ==


== Matematiikan ja menetelmätieteen sovittaminen malliaikatauluun ==
=== Pakolliset ===


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


===1. syksy===
* MAT12003 Todennäköisyyslaskenta (5 op) I
* 5 op tilastotiedettä


Tilaa on mallilukujärjestyksen suositusten jälkeen yhteensä 2 op ykkösperiodille painottuen.
''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]


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.
=== Epävirallisia suosituksia ===


* '''Periodi I'''
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.
* 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'''
'''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.
** '''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===
* 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)


* '''Periodit III - IV'''
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.
** 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.
=== Aikataulu ===


=== 2. syksy ===
Seuraava taulukko (erään opiskelijan hops-excelistä) voi olla avuksi opintojen suunnittelussa:


* Lineaarialgebra ja matriisilaskenta I ja II jos ei aiemmin ehtinyt, tai
* Tässä siis haluttu suorittaa matematiikan analyysin kurssit putkeen sekä tilastotieteen perusopinnot samaan tapaan.
* 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”