Täienduskoolituse õppekava
Alustava andmeanalüütiku karjäärikiirendi: praktiline andmeanalüüs, AI-tööriistad ja mentorlus
1. Üldandmed
| Õppekava nimetus | Alustava andmeanalüütiku karjäärikiirendi: praktiline andmeanalüüs, AI-tööriistad ja mentorlus |
|---|---|
| Pakkuja | Ettevõtluskeskus OÜ (registrikood 14127891, EHIS ID 22972) |
| Õppekavarühm | Tarkvara ja rakenduste arendus ning analüüs |
| Õppekeel | eesti keel |
| Õppevorm | Veebis, juhendajaga |
| Õpingute alustamise tingimused | Koolitus on suunatud karjäärimuutjatele ja spetsialistidele, kellel puudub varasem andmeanalüüsi kogemus, kuid kellel on kõrge õpimotivatsioon ja soov siseneda andmeanalüütiku erialale. Vajab järjepidevat iganädalast tööd Baastasemel arvutioskus |
| Sihtgrupp | Koolitus on suunatud karjäärimuutjatele ja spetsialistidele, kellel puudub varasem andmeanalüüsi kogemus, kuid kellel on kõrge õpimotivatsioon ja soov siseneda andmeanalüütiku erialale. |
| Väljastatav dokument | Tunnistus õpiväljundite saavutamisel, muul juhul tõend |
2. Õpiväljundid
Programmi läbinu suudab:
- ÕV1Rakendada andmete puhastamise ja korrastamise protseduure toorandmete analüüsikõlbulikuks muutmiseks, kasutades SQL-i ja Pythoni pandas teeki.
- ÕV2Koostada analüütilisi päringuid äriotsuste toetamiseks, kasutades SQL-i ja Pythoni pandas teeki.
- ÕV3Visualiseerida andmeid ja luua interaktiivseid aruandelaudu (Microsoft Power BI Desktop või Python Plotly/Streamlit), et kommunikeerida selgelt analüüsi tulemusi.
- ÕV4Esitleda oma analüüsiprojekte ja portfooliot arusaadavalt nii tehnilisele kui ka äripoolele, dokumenteerides oma töövoo GitHub-i portfooliosse.
- ÕV5Rakendada AI-tööriistu (vestlusrobotid ja koodiabilised) vastutustundlikult kogu andmeanalüüsi töövoos – sõnastada päringuid, valideerida ja kontrollida AI väljundit ning dokumenteerida oma otsused (läbiv kompetents, mida arendatakse ÕV1–ÕV4 kaudu).
2.1 Hindamine õpiväljundite kaupa
| ÕV | Õpiväljund | Nädalad |
|---|---|---|
| ÕV1 | Rakendab andmete puhastamise ja korrastamise protseduure, et muuta toorandmed analüüsikõlbulikuks, kasutades SQL-i ja Pythoni pandas teeki. | 1, 2, 3, 7, 8, 10 |
| ÕV2 | Koostab analüütilisi päringuid äriotsuste toetamiseks, kasutades SQL-i ja Pythoni pandas teeki. | 1, 2, 4, 7, 8, 10 |
| ÕV3 | Visualiseerib andmeid ja loob interaktiivseid aruandelaudu (Power BI Desktop või Python Plotly/Streamlit), et kommunikeerida analüüsi tulemusi selgelt. | 5, 6, 10 |
| ÕV4 | Esitleb oma analüüsiprojekte ja portfooliot arusaadavalt nii tehnilisele kui ka äripoolele, dokumenteerides töövoo GitHubi portfooliosse. | 9, 10 |
| ÕV5 | Rakendab AI-tööriistu vastutustundlikult kogu andmeanalüüsi töövoos: sõnastab päringuid, valideerib väljundit ja dokumenteerib oma otsused (läbiv kompetents). | 10 |
3. Õppe maht ja struktuur
3.1 Õppe maht
- Kogumaht: 312 ak.t (45 min) · 234 tavatundi (60 min).
3.2 Õppe sisu
- Nädal 0 – Onboarding: tehniline ettevalmistus, sissejuhatus simulatsiooni, õpiväljundite ja hindamise tutvustus, AI-tööriistade vastutustundliku kasutuse raamistik (18 ak.t; ettevalmistav).
- Nädal 1 – Sissejuhatus andmeanalüüsi: andmete roll, analüütiku tööriistad ja vastutus (24 ak.t; ÕV1, ÕV2).
- Nädal 2 – Andmepõhiste küsimuste esitamine: probleemipüstitus ja analüüsi eesmärkide seadmine (24 ak.t; ÕV1, ÕV2).
- Nädal 3 – Andmete ettevalmistus ja puhastamine SQL-iga: andmekvaliteet, vigade tuvastamine, PostgreSQL (Supabase) (30 ak.t; ÕV1).
- Nädal 4 – Andmete analüüs SQL-i ja Pythoniga: agregeerimine, JOIN-id, pandas DataFrame'id (30 ak.t; ÕV2).
- Nädal 5 – Andmete visualiseerimine ja loo jutustamine, Track A: Power BI Desktop (30 ak.t; ÕV3).
- Nädal 6 – Andmete visualiseerimine ja loo jutustamine, Track B: Python Plotly + Streamlit (30 ak.t; ÕV3).
- Nädal 7 – Programmeerimise alused Pythoniga andmeanalüüsi kontekstis (30 ak.t; ÕV1, ÕV2).
- Nädal 8 – Andmebaasi haldamine ja API integratsioon (Supabase) (30 ak.t; ÕV1, ÕV2).
- Nädal 9 – Karjääriplaneerimine: portfoolio, CV, LinkedIn, intervjuuks valmistumine (24 ak.t; ÕV4).
- Nädal 10 – Lõpuprojekt: tervikliku analüüsiprojekti läbiviimine ja kaitsmine (42 ak.t; ÕV4 ja kõik õpiväljundid). ÕV5 (AI) on läbiv kompetents kõikide nädalate portfoolioartefaktides (AI-kasutuse refleksioon README-s alates Nädalast 4). Kokku 11 nädalat, 312 ak.t.
4. Õppe ülesehitus, keskkond ja meetodid
4.1 Õppemeetodid
- UrbanStyle simulatsioon
4.2 Õppekeskkond ja tööriistad
- Õpe toimub veebipõhiselt Google Meet keskkonnas; suhtlus väljaspool sessioone Slacki kanalites ja GitHubis. Õppijal on vaja arvutit (Windows 10/11 või macOS – nutitelefon ei ole piisav), stabiilset internetiühendust ning veebikaamerat ja mikrofoni; soovituslik on kaks ekraani. Kõik programmi põhitööriistad on vabalt kättesaadavad ja jäävad õppijale kasutamiseks ka pärast programmi lõppu.
4.3 Õppematerjalid
- Ettevõtluskeskuse loodud simulatsiooni lähteülesanded, andmestikud ja juhendmaterjalid (eesti keeles)
- E-õpik „Python for Data Analysis“ (Wes McKinney) – avatud ligipääsuga
- Soovituslik lisalugemine andmevisualiseerimisest: „Storytelling with Data“ (Cole Nussbaumer Knaflic)
5. Hindamine ja lõpetamise tingimused
5.1 Hindamine
- Hindamine on mitteeristav (arvestatud / mittearvestatud) ja portfoolio-põhine: iga õpiväljundit hinnatakse kriteeriumite alusel; „Arvestatud" antakse, kui kõik õpiväljundid on saavutatud vähemalt minimaalsel nõutud tasemel. Lõpetamise tingimused: vähemalt 70% mentorsessioonidest, kõik kohustuslikud iganädalased portfoolioartefaktid „Arvestatud" tasemel ja lõpuprojekti portfoolio positiivselt kaitstud.
5.2 Lõpetamise tingimused ja väljastatavad dokumendid
- Tunnistuse väljastaja on Ettevõtluskeskus OÜ. Õpiväljundite saavutajale väljastatakse Tunnistus; osalejale, kes ei saavutanud kõiki õpiväljundeid, väljastatakse Tõend. Tunnistus vastab täienduskoolituse standardi nõuetele.
6. Koolitajate kvalifikatsioon
- Programmi viib läbi vähemalt kaheliikmeline koolitajameeskond. Kõik koolitajad omavad asjakohast kõrgharidust, vähemalt kolmeaastast praktilist erialast töökogemust andmeanalüüsi, andmebaaside, programmeerimise või andmevisualiseerimise alal, täiskasvanute koolitaja kompetentsi ning vajalikke digipädevusi. Koolitajate nimed, kvalifikatsioon ja kogemus on avalikustatud Ettevõtluskeskuse veebilehel.
7. Kvaliteedi tagamine ja parendamine
Programmi kvaliteeti hinnatakse osalejate tagasiside, koolitajate tähelepanekute ja lõpetamise tulemuste põhjal. Tagasisidet kasutatakse õppematerjalide, juhendite ja kommunikatsiooni järjepidevaks parandamiseks ja täpsustamiseks.