Bachelor of Engineering, Machine Learning and Data Engineering (full time studies), Rovaniemi, Autumn 2023: Machine Learning and Data Engineering 2023 Syksy
Opetussuunitelman tunnus: R54D23S
- Tutkintonimike
- Insinööri (AMK), tietotekniikka
- Laajuus
- 240 op
- Kesto
- 4 vuotta (240 op)
- Aloituslukukausi
- Syksy 2023
- Opetuskieli
- englanti
Kuvaus
This engineering programme gives you the skills to work in expert positions, or as an entrepreneur, in the field of machine learning (hereon referred as ML) and data engineering. You will study hands-on right from the beginning of your studies by following an integrated curriculum where you learn to apply your knowledge in practical real-life projects. You get project ideas from the business sector and various research -, development – and innovation projects in the home university. Most of the projects are linked to the Industry 4.0 and Industry 5.0 development and connected megatrends of automation, human-machine cooperation and digitalization of modern industry.
You get to study the main areas of ML and artificial intelligence (AI) by building your path starting from data analytics, robotics and Internet of Things technologies (IoT), into an engineer capable of implementing your own machine learning system using modern techniques. You will also learn how to work in projects and how to manage them in an international team. Simultaneously you acquire crucial ethical and sustainable development skills that are sought after in modern working life.
Your curriculum and studies consist of core competences and profiling competences. By acquiring the core competences, you build a strong foundation in intelligent systems, project management and agile methods, language skills, programming and business. Basic -, professional – and advanced professional internships guide you to the working life during your studies and enable you to put into practice what you have learned. In profiling competences, you strengthen your profile by diving deeper into the world of AI and ML by learning advanced methods for preparing your data and developing your own ML systems. Not only you learn the technical skills, but you also understand the business value of your data-driven solutions during a semester focusing solely in business development.
Machine Learning and Data Engineering programme is part of ICT engineering education in Lapland University of Applied Sciences. This education programme is part of international engineering education development network called CDIO (www.cdio.org). The network has over 50 members from 25 different countries. The themes of your academic years come from the CDIO principle, which aims at strengthening knowledge, skills and attitudes from the basis of international engineering education framework. The themes of CDIO follow the idea of process or system development. The themes are structured around academic years as follows:
- 1st year: C for Conceiving
- 2nd year: D for Designing
- 3rd year: I for Implementing
- 4th year: O for Operating
You will learn through developing. Your courses are held during day-time in Rovaniemi campus, where you will work together with your fellow students, hands-on, in projects and by carrying out individual and group assignments. You take some online courses to complement your expertise. Our partner universities provide you with a selection of courses as well. You receive technical and general guidance from our experts both at campus and online. You carry out projects or internships each year in cooperation with the university and northern business and industry partners.
In total, your studies include 30 ECTS of internships.
The programme is 240 ECTS and the duration is 4 years. The study structure consists of:
- Core competences 180 ECTS, including internships
- Profiling competences 40 ECTS
- Thesis 20 ECTS
In addition to the study year themes in the CDIO-framework, you will have semester themes that lead you in your professional path to become an industrial machine learning expert:
- 1st semester: Orientation to Machine Learning
- 2nd semester: Data Analytics and Visualization
- 3rd semester: Internet of Things (IoT)
- 4th semester: Robotics and AI
- 5th semester: Data Engineering and Machine Learning
- 6th semester: Machine Learning and AI
- 7th semester: Business Development
- 8th semester: Emerging Technologies
Valitse opintojen ajoitus-, rakenne- tai jäsentelynäkymä
Näytä opintojen ajoitukset lukuvuosittain, lukukausittain tai periodeittain
| Tunnus | Opinnon nimi | Laajuus (op) | 2023-2024 | 2024-2025 | 2025-2026 | 2026-2027 | Syksy 2023 | Kevät 2024 | Syksy 2024 | Kevät 2025 | Syksy 2025 | Kevät 2026 | Syksy 2026 | Kevät 2027 | 1. / 2023 | 2. / 2024 | 3. / 2024 | 1. / 2024 | 2. / 2025 | 3. / 2025 | 1. / 2025 | 2. / 2026 | 3. / 2026 | 1. / 2026 | 2. / 2027 | 3. / 2027 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| MLDECORE22-1001 |
YDINOSAAMINEN
(Valitaan kaikki ) |
160 | ||||||||||||||||||||||||
| R504D97 | Seminaari: Koneoppiminen & Data Engineering | 5 | 5 | 5 | 5 | |||||||||||||||||||||
| AMKO013 | Startti korkeakouluopintoihin (ENG) | 5 | ||||||||||||||||||||||||
|
Matematiikka ja luonnontieteet
(Valitaan kaikki ) |
20 | |||||||||||||||||||||||||
| R504D51 | Algebra, geometria ja trigonometria | 5 | 5 | 5 | 5 | |||||||||||||||||||||
| R504D95 | Tilastot, todennäköisyys ja optimointi | 5 | 5 | 5 | 2.5 | 2.5 | ||||||||||||||||||||
| R504D58 | Lineaarialgebra | 5 | 5 | 5 | 5 | |||||||||||||||||||||
| R504TL119 | Sähkömagnetismi | 5 | 5 | 5 | 5 | |||||||||||||||||||||
| MLDEFIN23 |
Suomi
(Valitaan opintopisteitä: 0) |
0 | ||||||||||||||||||||||||
| VVV30 | Suomi 1 | 5 | 5 | 5 | 5 | |||||||||||||||||||||
| VVV31 | Suomi 2 | 5 | 5 | 5 | 2.5 | 2.5 | ||||||||||||||||||||
| VVV32 | Suomi 3 | 5 | 5 | 5 | 5 | |||||||||||||||||||||
| VVV33 | Suomi 4 | 5 | 5 | 5 | 2.5 | 2.5 | ||||||||||||||||||||
| MLDEES23 |
Englanti ja ruotsi
(Valitaan opintopisteitä: 0) |
0 | ||||||||||||||||||||||||
| R504D126 | Professional English for ICT Engineers 1 | 5 | 5 | 5 | 5 | |||||||||||||||||||||
| R504D127 | Professional English for ICT Engineers 2 | 5 | 5 | 5 | 5 | |||||||||||||||||||||
| R504D128 | Professional English for ICT Engineers 3 | 5 | 5 | 5 | 2.5 | 2.5 | ||||||||||||||||||||
| R504D61 | Svenska för IT-ingenjörer | 5 | 5 | 5 | 2.5 | 2.5 | ||||||||||||||||||||
| RUOTSIS | Ruotsin suullinen taito | 0 | ||||||||||||||||||||||||
| RUOTSIK | Ruotsin kirjallinen taito | 0 | ||||||||||||||||||||||||
|
Liiketoiminta ja johtaminen
(Valitaan kaikki ) |
25 | |||||||||||||||||||||||||
| R504D90 | Liiketoiminta ja yrittäjyys | 5 | 5 | 5 | 5 | |||||||||||||||||||||
| R504D109 | Datan hyödyntäminen liiketoiminnassa | 5 | 5 | 5 | 5 | |||||||||||||||||||||
| R504D92 | Tulevaisuuden teknologiat | 5 | 5 | 5 | 2.5 | 2.5 | ||||||||||||||||||||
| R504D125 | Tuotantotalous | 5 | 5 | 5 | 5 | |||||||||||||||||||||
| R504D124 | Projekti: Startup ja liiketoiminnan kehittäminen | 5 | 5 | 5 | 5 | |||||||||||||||||||||
|
Data ja ohjelmointi
(Valitaan kaikki ) |
35 | |||||||||||||||||||||||||
| R504D52 | Johdatus ohjelmointiin | 5 | 5 | 5 | 5 | |||||||||||||||||||||
| R504D57 | Web-ohjelmointi | 5 | 5 | 5 | 2.5 | 2.5 | ||||||||||||||||||||
| R504D98 | Johdatus tiedonhallintaan | 5 | 5 | 5 | 2.5 | 2.5 | ||||||||||||||||||||
| R504D119 | Johdatus data-analytiikkaan | 5 | 5 | 5 | 2.5 | 2.5 | ||||||||||||||||||||
| R504D123 | Johdatus koneoppimisen menetelmiin | 5 | 5 | 5 | 2.5 | 2.5 | ||||||||||||||||||||
| R504D75 | Algoritmit ja tietorakenteet | 5 | 5 | 5 | 5 | |||||||||||||||||||||
| R504D99 | Projekti: Data-analytiikka ja visualisointi | 5 | 5 | 5 | 2.5 | 2.5 | ||||||||||||||||||||
|
Älykkäät järjestelmät
(Valitaan kaikki ) |
30 | |||||||||||||||||||||||||
| R504D96 | ICT-infrastruktuuri ja tietokonetekniikka | 5 | 5 | 5 | 5 | |||||||||||||||||||||
| R504D129 | Elektroniikka | 5 | 5 | 5 | 5 | |||||||||||||||||||||
| R504D118 | Elektroniikka osana IoT-ratkaisua | 5 | 5 | 5 | 5 | |||||||||||||||||||||
| R504D101 | Robotiikka | 5 | 5 | 5 | 2.5 | 2.5 | ||||||||||||||||||||
| R504D100 | Projekti: Internet of Things (IoT) | 5 | 5 | 5 | 5 | |||||||||||||||||||||
| R504D103 | Projekti: Robotiikka ja tekoäly (AI) | 5 | 5 | 5 | 2.5 | 2.5 | ||||||||||||||||||||
|
Harjoittelut
(Valitaan kaikki ) |
30 | |||||||||||||||||||||||||
| R504D110 | Perusharjoittelu 1 | 5 | 5 | 5 | 2.5 | 2.5 | ||||||||||||||||||||
| R504D111 | Perusharjoittelu 2 | 5 | 5 | 5 | 2.5 | 2.5 | ||||||||||||||||||||
| R504D112 | Ammatillinen harjoittelu 1 | 5 | 5 | 5 | 5 | |||||||||||||||||||||
| R504D113 | Ammatillinen harjoittelu 2 | 5 | 5 | 5 | 5 | |||||||||||||||||||||
| R504D114 | Syventävä ammatillinen harjoittelu 1 | 5 | 5 | 5 | 2.5 | 2.5 | ||||||||||||||||||||
| R504D115 | Syventävä ammatillinen harjoittelu 2 | 5 | 5 | 5 | 2.5 | 2.5 | ||||||||||||||||||||
| MLDEFREE23 |
Valinnaiset opinnot
(Valitaan opintopisteitä: 10) |
10 | 10 | 10 | 5 | 5 | ||||||||||||||||||||
| MLDEPROF22-1001 |
PROFILOIVA OSAAMINEN
(Valitaan kaikki ) |
40 | ||||||||||||||||||||||||
| MLDEMOD1 |
Syväoppiminen ja tiedonhallinta
(Valitaan kaikki ) |
20 | ||||||||||||||||||||||||
| R504D120 | Koneoppimisen pilvipalveluratkaisut | 5 | 5 | 5 | 2.5 | 2.5 | ||||||||||||||||||||
| R504D80 | Syväoppiminen | 5 | 5 | 5 | 5 | |||||||||||||||||||||
| R504D105 | Edistynyt tiedonhallinta | 5 | 5 | 5 | 5 | |||||||||||||||||||||
| R504D106 | Projekti: Data Engineering & Machine Learning | 5 | 5 | 5 | 5 | |||||||||||||||||||||
| MLDEMOD2 |
Edistyneet koneoppimisen tekniikat
(Valitaan kaikki ) |
20 | ||||||||||||||||||||||||
| R504D104 | Edistynyt data-analytiikka | 5 | 5 | 5 | 5 | |||||||||||||||||||||
| R504D108 | Edistyneet koneoppimisen menetelmät | 5 | 5 | 5 | 2.5 | 2.5 | ||||||||||||||||||||
| R504D121 | Vahvistava oppiminen | 5 | 5 | 5 | 2.5 | 2.5 | ||||||||||||||||||||
| R504D107 | Projekti: Koneoppiminen ja tekoäly | 5 | 5 | 5 | 2.5 | 2.5 | ||||||||||||||||||||
| MLDERD22-1001 |
TUTKIMUS- JA KEHITTÄMISOSAAMINEN
(Valitaan kaikki ) |
20 | ||||||||||||||||||||||||
| R504D84 | Tutkimusmenetelmät | 5 | 5 | 5 | 5 | |||||||||||||||||||||
| MLDEBT23 |
Opinnäytetyö
(Valitaan kaikki ) |
15 | ||||||||||||||||||||||||
| AMKO001 | Opinnäytetyön suunnitteluvaihe | 5 | 5 | 5 | 5 | |||||||||||||||||||||
| AMKO002 | Opinnäytetyön toteuttamisvaihe | 5 | 5 | 5 | 5 | |||||||||||||||||||||
| AMKO003 | Opinnäytetyön viimeistelyvaihe | 5 | 5 | 5 | 5 | |||||||||||||||||||||
| Yhteensä | 240 | 65 | 70 | 60 | 50 | 30 | 35 | 35 | 35 | 30 | 30 | 35 | 15 | 30 | 17.5 | 17.5 | 35 | 17.5 | 17.5 | 30 | 20 | 10 | 35 | 7.5 | 7.5 |
Lukukausi- ja lukuvuosikohtaiset opintopistekertymät vaihtelevat valinnaisten ja vapaasti valittavien opintojen ajoituksesta johtuen.
Todistusjäsentely - AMK
Todistusjäsentelyssä opintojaksot jakautuvat ammattikorkeakoulun asetuksen mukaisesti..
Bachelor of Engineering, Machine Learning and Data Engineering Competences (2022-)
|
Ethics
The graduating student adheres to the ethical principles and values of their field of profession, taking the principles of equality and non-discrimination into account. |
| Seminaari: Koneoppiminen & Data Engineering |
| Tilastot, todennäköisyys ja optimointi |
| Liiketoiminta ja yrittäjyys |
| Datan hyödyntäminen liiketoiminnassa |
| Projekti: Startup ja liiketoiminnan kehittäminen |
| Johdatus data-analytiikkaan |
| Projekti: Data-analytiikka ja visualisointi |
| Robotiikka |
| Projekti: Internet of Things (IoT) |
| Projekti: Robotiikka ja tekoäly (AI) |
| Ammatillinen harjoittelu 1 |
| Ammatillinen harjoittelu 2 |
| Syventävä ammatillinen harjoittelu 1 |
| Syventävä ammatillinen harjoittelu 2 |
| Syväoppiminen |
| Projekti: Data Engineering & Machine Learning |
| Projekti: Koneoppiminen ja tekoäly |
| Tutkimusmenetelmät |
| Opinnäytetyön suunnitteluvaihe |
|
ICT business
The graduating student knows the core concepts of business and entrepreneurship in the field of ICT, understands business operations and processes and how data can be utilized for creating business value. |
| Liiketoiminta ja yrittäjyys |
| Datan hyödyntäminen liiketoiminnassa |
| Tulevaisuuden teknologiat |
| Tuotantotalous |
| Projekti: Startup ja liiketoiminnan kehittäminen |
|
Intelligent systems
The graduating student knows how to design and implement prototype-level sensor data acquisition systems and small-scale robots and how to program ML functionalities into them. |
| Johdatus ohjelmointiin |
| Johdatus data-analytiikkaan |
| Algoritmit ja tietorakenteet |
| ICT-infrastruktuuri ja tietokonetekniikka |
| Elektroniikka |
| Elektroniikka osana IoT-ratkaisua |
| Robotiikka |
| Projekti: Internet of Things (IoT) |
| Projekti: Robotiikka ja tekoäly (AI) |
| Koneoppimisen pilvipalveluratkaisut |
| Syväoppiminen |
| Edistynyt tiedonhallinta |
| Projekti: Data Engineering & Machine Learning |
| Edistynyt data-analytiikka |
| Edistyneet koneoppimisen menetelmät |
| Vahvistava oppiminen |
| Projekti: Koneoppiminen ja tekoäly |
|
Internationality and multiculturalism
The graduating student is familiar with the principles of sustainable development, promotes their implementation and acts responsibly as a professional and a member of society. |
| Seminaari: Koneoppiminen & Data Engineering |
| Suomi 1 |
| Suomi 2 |
| Suomi 3 |
| Suomi 4 |
| Professional English for ICT Engineers 1 |
| Professional English for ICT Engineers 2 |
| Professional English for ICT Engineers 3 |
| Svenska för IT-ingenjörer |
| Ruotsin suullinen taito |
| Ruotsin kirjallinen taito |
| Projekti: Startup ja liiketoiminnan kehittäminen |
| Projekti: Data-analytiikka ja visualisointi |
| Projekti: Internet of Things (IoT) |
| Projekti: Robotiikka ja tekoäly (AI) |
| Perusharjoittelu 1 |
| Perusharjoittelu 2 |
| Ammatillinen harjoittelu 1 |
| Ammatillinen harjoittelu 2 |
| Syventävä ammatillinen harjoittelu 1 |
| Syventävä ammatillinen harjoittelu 2 |
| Projekti: Data Engineering & Machine Learning |
| Projekti: Koneoppiminen ja tekoäly |
|
Learning to learn
The graduating student recognises the strengths and development areas of their competence and learning methods, and they utilise the opportunities communities and digitalisation provide in their learning. |
| Seminaari: Koneoppiminen & Data Engineering |
| Johdatus ohjelmointiin |
| Projekti: Data-analytiikka ja visualisointi |
| Projekti: Internet of Things (IoT) |
| Projekti: Robotiikka ja tekoäly (AI) |
| Projekti: Data Engineering & Machine Learning |
| Projekti: Koneoppiminen ja tekoäly |
|
Machine learning (ML) and Artificial Intelligence (AI)
The graduating student understands broadly the areas of data analytics and machine learning (ML), is able to apply mathematical methods as well as programming in ML solution development, use existing ML services and develop own ML solutions and algorithms. |
| Seminaari: Koneoppiminen & Data Engineering |
| Tilastot, todennäköisyys ja optimointi |
| Lineaarialgebra |
| Johdatus ohjelmointiin |
| Johdatus tiedonhallintaan |
| Johdatus data-analytiikkaan |
| Johdatus koneoppimisen menetelmiin |
| Projekti: Data-analytiikka ja visualisointi |
| Projekti: Robotiikka ja tekoäly (AI) |
| Ammatillinen harjoittelu 1 |
| Ammatillinen harjoittelu 2 |
| Syventävä ammatillinen harjoittelu 1 |
| Syventävä ammatillinen harjoittelu 2 |
| Koneoppimisen pilvipalveluratkaisut |
| Syväoppiminen |
| Edistynyt tiedonhallinta |
| Projekti: Data Engineering & Machine Learning |
| Edistynyt data-analytiikka |
| Edistyneet koneoppimisen menetelmät |
| Vahvistava oppiminen |
| Projekti: Koneoppiminen ja tekoäly |
| Opinnäytetyön toteuttamisvaihe |
| Opinnäytetyön viimeistelyvaihe |
|
Mathematics and natural sciences
The graduating student thinks logically and mathematically, understands mathematics in engineering context and more specifically in machine learning and data engineering and is able to use mathematical methods in practice in own field. |
| Algebra, geometria ja trigonometria |
| Tilastot, todennäköisyys ja optimointi |
| Lineaarialgebra |
| Sähkömagnetismi |
| Projekti: Data-analytiikka ja visualisointi |
| Projekti: Robotiikka ja tekoäly (AI) |
| Syväoppiminen |
| Projekti: Data Engineering & Machine Learning |
| Edistynyt data-analytiikka |
| Edistyneet koneoppimisen menetelmät |
| Vahvistava oppiminen |
| Projekti: Koneoppiminen ja tekoäly |
|
Operating in a workplace
The graduating student has versatile working life skills and is able to operate in work communities of their field. |
| Seminaari: Koneoppiminen & Data Engineering |
| Professional English for ICT Engineers 3 |
| Projekti: Startup ja liiketoiminnan kehittäminen |
| Projekti: Data-analytiikka ja visualisointi |
| Projekti: Internet of Things (IoT) |
| Projekti: Robotiikka ja tekoäly (AI) |
| Perusharjoittelu 1 |
| Perusharjoittelu 2 |
| Ammatillinen harjoittelu 1 |
| Ammatillinen harjoittelu 2 |
| Syventävä ammatillinen harjoittelu 1 |
| Syventävä ammatillinen harjoittelu 2 |
| Projekti: Data Engineering & Machine Learning |
| Projekti: Koneoppiminen ja tekoäly |
|
Proactive development
The graduating student is able to develop solutions that anticipate the future of their own field, applying existing knowledge and research and development methods. |
| Liiketoiminta ja yrittäjyys |
| Datan hyödyntäminen liiketoiminnassa |
| Tulevaisuuden teknologiat |
| Tuotantotalous |
| Projekti: Startup ja liiketoiminnan kehittäminen |
| Projekti: Data-analytiikka ja visualisointi |
| Projekti: Internet of Things (IoT) |
| Projekti: Robotiikka ja tekoäly (AI) |
| Ammatillinen harjoittelu 1 |
| Ammatillinen harjoittelu 2 |
| Syventävä ammatillinen harjoittelu 1 |
| Syventävä ammatillinen harjoittelu 2 |
| Projekti: Data Engineering & Machine Learning |
| Projekti: Koneoppiminen ja tekoäly |
| Tutkimusmenetelmät |
| Opinnäytetyön suunnitteluvaihe |
| Opinnäytetyön toteuttamisvaihe |
| Opinnäytetyön viimeistelyvaihe |
|
Programming and software production
The graduating student knows how to apply programming languages and software production methods and tools required in ICT system development and ML. |
| Tilastot, todennäköisyys ja optimointi |
| Lineaarialgebra |
| Johdatus ohjelmointiin |
| Web-ohjelmointi |
| Johdatus tiedonhallintaan |
| Johdatus data-analytiikkaan |
| Johdatus koneoppimisen menetelmiin |
| Algoritmit ja tietorakenteet |
| Projekti: Data-analytiikka ja visualisointi |
| ICT-infrastruktuuri ja tietokonetekniikka |
| Elektroniikka osana IoT-ratkaisua |
| Projekti: Internet of Things (IoT) |
| Projekti: Robotiikka ja tekoäly (AI) |
| Koneoppimisen pilvipalveluratkaisut |
| Syväoppiminen |
| Edistynyt tiedonhallinta |
| Projekti: Data Engineering & Machine Learning |
| Edistynyt data-analytiikka |
| Edistyneet koneoppimisen menetelmät |
| Vahvistava oppiminen |
| Projekti: Koneoppiminen ja tekoäly |
|
Sustainable development
The graduating student is familiar with the principles of sustainable development, promotes their implementation and acts responsibly as a professional and a member of society. |
| Seminaari: Koneoppiminen & Data Engineering |
| Liiketoiminta ja yrittäjyys |
| Datan hyödyntäminen liiketoiminnassa |
| Projekti: Startup ja liiketoiminnan kehittäminen |
| Syventävä ammatillinen harjoittelu 1 |
| Syventävä ammatillinen harjoittelu 2 |
| Koneoppimisen pilvipalveluratkaisut |
| Syväoppiminen |
| Projekti: Data Engineering & Machine Learning |
| Vahvistava oppiminen |
| Luokittelemattomat |
| Startti korkeakouluopintoihin (ENG) |