Administrativne informacije
| Naslov | Priprema i istraživanje podataka |
| Trajanje | 60 |
| Modul | A |
| Vrsta lekcija | Predavanje |
| Fokus | Praktično – modeliranje umjetne inteligencije |
| Tema | Metode pripreme podataka |
Ključne riječi
Priprema podataka, čišćenje podataka, transformacija podataka, normalizacija podataka, integracija podataka, smanjenje podataka,
Ciljevi učenja
- Kako bi se mogla odabrati najprikladnija metoda pripreme podataka na temelju slučaja
- pripremiti podatke u praksi (upravite vrijednosti koje nedostaju, stvorite nove izvedene značajke)
- Obogaćivanje podataka
- Etički: anonimizacija i problemi s tim (identifikacija je moguća na indirektan način) – opet, trebali bi postojati neki primjeri
- Imputacija – spomenuti da se može uvesti pristranost i da to treba imati na umu
- Stvaranje novih značajki – gubitak pravilne semantike
- Etički: uklonite pristranost iz skupa podataka
- Paralele i razlike između uzorkovanja podataka u statistici i prikupljanja podataka (uključujući velike količine podataka) za ML i umjetnu inteligenciju
Očekivana priprema
Edukativni događaji koji će biti završeni prije
Obvezno za studente
- NIJE PRIMJENJIVO
Neobvezno za studente
- NIJE PRIMJENJIVO
Preporuke i pozadina za studente
- NIJE PRIMJENJIVO
Preporučeno nastavnicima
Nastavni materijali
Upute za učitelje
Možete bazirati ovaj razred oko slajdova.
Nacrt
| Trajanje (min) | Opis | Koncepti | |
|---|---|---|---|
| 5 | Nacrt | Metode pripreme podataka: što je poenta? | |
| 5 | Problemi/prethodna obrada | Koji problemi mogu imati podaci, čišćenje, pročišćavanje | |
| 5 | Priprema podataka | Čišćenje, transformacija, integracija, normalizacija, imputacija, identifikacija buke | |
| 5 | Detaljna priprema podataka | Oblici pripreme podataka | |
| 10 | Detaljno čišćenje podataka | Fiksiranje ili uklanjanje netočnih, oštećenih, nepravilno oblikovanih, dupliciranih ili nepotpunih podataka u skupu podataka | |
| 10 | Detaljna transformacija podataka | Pretvaranje podataka iz jednog formata u drugi, najbolje prakse. | |
| 5 | Detaljna normalizacija podataka | Najbolja praksa normalizacije podataka. | |
| 5 | Integracija podataka u detalje | Najbolje prakse za integraciju podataka. | |
| 5 | Detaljno smanjenje podataka | Najbolje prakse smanjenja podataka. | |
| 10 | Priprema podataka u praksi | Filtriranje, nedostaju vrijednosti, duplikati, | |
| 5 | Završne napomene | Naglašavajući važnost pripreme podataka. |
Priznanja
Diplomski studij umjetne inteligencije usmjeren na čovjeka sufinanciran je Instrumentom za povezivanje Europe Europske unije u okviru bespovratnih sredstava CEF-TC-2020 – 1 Digital Skills 2020-EU-IA-0068.