Διοικητικές πληροφορίες
| Τίτλος | Προετοιμασία και Εξερεύνηση Δεδομένων |
| Διάρκεια | 60 |
| Ενότητα | Α |
| Είδος μαθήματος | Διάλεξη |
| Εστίαση | Πρακτική — Μοντελοποίηση τεχνητής νοημοσύνης |
| Θέμα | Μέθοδοι προετοιμασίας δεδομένων |
Λέξεις-κλειδιά
Προετοιμασία στοιχείων, καθαρισμός δεδομένων, μετατροπή δεδομένων, ομαλοποίηση δεδομένων, ενοποίηση δεδομένων, μείωση δεδομένων,
Μαθησιακοί στόχοι
- Για να είναι σε θέση να επιλέξει την καταλληλότερη μέθοδο προετοιμασίας δεδομένων με βάση την περίπτωση
- προετοιμασία δεδομένων στην πράξη (διαχειριστείτε τις ελλείπουσες τιμές, δημιουργήστε νέα παράγωγα χαρακτηριστικά)
- Εμπλουτισμός δεδομένων
- Δεοντολογία: ανωνυμοποίηση και προβλήματα με αυτό (η ταυτοποίηση είναι δυνατή με έμμεσους τρόπους) — και πάλι, θα πρέπει να υπάρχουν ορισμένα παραδείγματα εκεί έξω
- Καταλογισμός — αναφέρετε ότι μπορεί να εισαγάγει μεροληψία και ότι αυτό πρέπει να ληφθεί υπόψη
- Δημιουργία νέων χαρακτηριστικών — απώλεια της σωστής σημασιολογίας
- Δεοντολογία: κατάργηση μεροληψίας από το σύνολο δεδομένων
- Παραλληλισμοί και διαφορές μεταξύ της δειγματοληψίας δεδομένων στις στατιστικές και της απόκτησης δεδομένων (συμπεριλαμβανομένων των μαζικών δεδομένων) για τη νομιμοποίηση εσόδων από παράνομες δραστηριότητες και την ΤΝ
Αναμενόμενη προετοιμασία
Μαθησιακές εκδηλώσεις που πρέπει να ολοκληρωθούν πριν
Υποχρεωτικό για τους φοιτητές
- Α/Α
Προαιρετικό για Φοιτητές
- Α/Α
Αναφορές και υπόβαθρο για τους μαθητές
- Α/Α
Συνιστάται για εκπαιδευτικούς
Οδηγίες για τους εκπαιδευτικούς
Μπορείτε να βασίσετε αυτή την τάξη γύρω από τις διαφάνειες.
Σχεδιάγραμμα
| Διάρκεια (ελάχ.) | Περιγραφή | Έννοιες | |
|---|---|---|---|
| 5 | Σχεδιάγραμμα | Μέθοδοι προετοιμασίας δεδομένων: ποιο είναι το νόημα; | |
| 5 | Προβλήματα/Προκαταρκτική επεξεργασία | Ποια προβλήματα μπορούν να έχουν τα δεδομένα, καθαρισμός, καθαρισμός | |
| 5 | Προετοιμασία δεδομένων | Καθαρισμός, μετασχηματισμός, ολοκλήρωση, ομαλοποίηση, υπολογισμός, ταυτοποίηση θορύβου | |
| 5 | Λεπτομερής προετοιμασία δεδομένων | ΜΟΡΦΕΣ ΠΡΟΕΤΟΙΜΑΣΙΑΣ ΔΕΔΟΜΕΝΩΝ | |
| 10 | Λεπτομερής καθαρισμός δεδομένων | Καθορισμός ή αφαίρεση λανθασμένων, κατεστραμμένων, εσφαλμένων μορφοποιημένων, διπλών ή ελλιπών δεδομένων εντός ενός συνόλου δεδομένων | |
| 10 | Λεπτομερής μετασχηματισμός δεδομένων | Μετατροπή δεδομένων από τη μία μορφή στην άλλη, βέλτιστες πρακτικές. | |
| 5 | Λεπτομερής ομαλοποίηση δεδομένων | Βέλτιστες πρακτικές εξομάλυνσης δεδομένων. | |
| 5 | Λεπτομερής ενσωμάτωση δεδομένων | Βέλτιστες πρακτικές ενσωμάτωσης δεδομένων. | |
| 5 | Λεπτομερής μείωση δεδομένων | Βέλτιστες πρακτικές μείωσης δεδομένων. | |
| 10 | Προετοιμασία δεδομένων στην πράξη | Φιλτράρισμα, ελλείπουσες τιμές, διπλότυπα, | |
| 5 | Καταληκτικές παρατηρήσεις | Τονίζοντας τη σημασία της προετοιμασίας των δεδομένων. |
Αναγνωρίσεις
Το πρόγραμμα Μάστερ τεχνητής νοημοσύνης με επίκεντρο τον άνθρωπο συγχρηματοδοτήθηκε από τον μηχανισμό «Συνδέοντας την Ευρώπη» της Ευρωπαϊκής Ένωσης στο πλαίσιο της επιχορήγησης CEF-TC-2020-1 Digital Skills 2020-EU-IA-0068.