Fuksiwiki

Ero sivun ”Opintojen malliaikataulu” versioiden välillä

← Vanhempi muutos
Visuaalinen
p Älä käy tiraa fuksisyksynä
Pniko (keskustelu | muokkaukset)
23 muokkausta
Korostettu mallilukujärjestyslinkkejä
 
(21 välissä olevaa versiota 8 käyttäjän tekeminä ei näytetä)
Rivi 1: Rivi 1:
[[Category:Vaatii_päivityksen]]
[[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'''


Mallilukujärjestys löytyy laitoksen sivuilta osoitteessa https://www.helsinki.fi/fi/ohjelmat/kandi/tietojenkasittelytieteen-kandiohjelma/opintojen-rakenne
[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.
 
 
 
<strong style="color:red;font-size:1rem">Osin vanhentuneet tiedot alla.</strong>


== Mallilukujärjestys? ==
== 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.
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.


Rivi 16: Rivi 26:


Mikäli ensimmäisen syksyn keskeiset kurssit takkuavat, ei kannata iskeä kirvestä kiveen vaan ottaa käyttöön [[Sivuainekuvauksia]].
Mikäli ensimmäisen syksyn keskeiset kurssit takkuavat, ei kannata iskeä kirvestä kiveen vaan ottaa käyttöön [[Sivuainekuvauksia]].
* Katso myös erityinen [[mallilukujärjestys ensimmäiselle syksylle]]


== Kriittinen polku ja kurssien riippuvuudet ==
== Kriittinen polku ja kurssien riippuvuudet ==
Rivi 49: Rivi 57:
|}
|}


 
Katso myös [[Fuksisyksyn_mallilukujärjestys]]
'''Älä käy tiraa fuksisyksynä! Suorita ensin JYM.'''


Ensimmäisen vuoden keväänä on myös hyvä suorittaa tietokantasovellus -harjoitustyö (4 op) ja/tai toinen kotimainen kieli (3 op).
Ensimmäisen vuoden keväänä on myös hyvä suorittaa tietokantasovellus -harjoitustyö (4 op) ja/tai toinen kotimainen kieli (3 op).
Rivi 72: Rivi 79:


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


=== 3. vuosi ===
=== 3. vuosi ===
Rivi 90: Rivi 97:


== Mallilukujärjestyksen tulkitseminen ensimmäisenä vuotena ==
== Mallilukujärjestyksen tulkitseminen ensimmäisenä vuotena ==
 
{{katso|Fuksisyksyn mallilukujärjestys}}
Tätä varten katso [https://fuksiwiki.tko-aly.fi/Fuksisyksyn_mallilukuj%C3%A4rjestys Fuksisyksyn mallilukujärjestys]


== Matematiikan ja menetelmätieteen sovittaminen malliaikatauluun ==
== Matematiikan ja menetelmätieteen sovittaminen malliaikatauluun ==
Rivi 136: Rivi 142:


== Matematiikkaa datatieteeseen ja tekoälyyn ==
== 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).'' [https://guide.student.helsinki.fi/fi/node/405?degree_programme_code=KH50_005 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.
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.
Rivi 165: Rivi 182:
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.
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.


Eräs mahdollinen suoritusjärjestys on tämä:
=== Aikataulu ===
 
=== 1. vuosi ===  
 
* 1. periodi
** Johdatus yliopistomatematiikkaan
** Lineaarialgebra ja matriisilaskenta 1
 
* 2. periodi
** Johdatus yliopistomatematiikkaan (jatkuu)
** Lineaarialgebra ja matriisilaskenta 2
** Raja-arvot
 
* 3. periodi
** Differentiaalilaskenta
** Todennäköisyyslaskenta 1
 
* 4. periodi
** Integraalilaskenta
** Tilastotiede ja R tutuksi 1 (jos järjestetään)
 
=== 2. vuosi ===
 
* 1. periodi
** Sarjat
** Todennäköisyyslaskenta 2a
 
* 2. periodi


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


* 3. periodi
* Tässä siis haluttu suorittaa matematiikan analyysin kurssit putkeen sekä tilastotieteen perusopinnot samaan tapaan.
** Algebralliset rakenteet 1
 
* 4. periodi
** Algebralliset rakenteet 2
** Tilastollinen päättely 1
 
=== 3. vuosi ===
 
* 1. periodi
** Vektorianalyysi 1


* 2. periodi
[[Tiedosto:Mathstat_perusopinto_aikataulut.png|none|frame|600px]]
** Todennäköisyyslaskenta 2b


* 3. periodi
'''HUOM:''' Datatieteen maisterin tutkinnossa (2019) tilaa 35op "Muille opinnoille", mitkä voivat olla sekä kandi että maisteritason kursseja. TKT maisterissa vastaavasti 40op.
** Tilastollinen päättely 2


== Kaavio DATE-kurssien välisistä riippuvuuksista ==


Kevyempänä vaihtoehtona voi jättää myöhempään opintovaiheeseen kurssit Tilastotiede ja R tutuksi 1, Vektorianalyysi 1, Todennäköisyyslaskenta 2b ja Tilastollinen päättely 2, jolloin kolmantena vuonna voi paremmin varmistaa kandidaatiksi valmistumisen määräajassa.
[[Tiedosto:DATE_opinnot_v3.png|none|800px]]
Noudettu kohteesta ”https://fuksiwiki.tko-aly.fi/Opintojen_malliaikataulu”