Adminisztratív információk
| Cím | Adatelőkészítés és -feltárás |
| Időtartam | 60 |
| Modul | A |
| Lecke típusa | Előadás |
| Fókusz | Praktikus – AI modellezés |
| Téma | Adatelőkészítési módszerek |
Kulcsszó
Adat-előkészítés, Adattisztítás, Adatátalakítás, Adatok Normalizálása, Adatintegráció, Adatcsökkentés,
Tanulási célok
- A legmegfelelőbb adatelőkészítési módszer kiválasztása az eset alapján
- adatok készítése a gyakorlatban (a hiányzó értékek kezelése, új származtatott funkciók létrehozása)
- Adatgazdagítás
- Etikus: anonimizálás és ezzel kapcsolatos problémák (az azonosítás közvetett módon lehetséges) – ismét, van néhány példa erre
- Imputáció – említsük meg, hogy elfogultságot vezethet be, és hogy ezt szem előtt kell tartani
- Új funkció létrehozása – a megfelelő szemantika elvesztése
- Etikus: az elfogultság eltávolítása az adatkészletből
- A statisztikai adatok mintavétele és az adatok (többek között nagy adathalmazok) beszerzése közötti párhuzamok és különbségek a ML és a mesterséges intelligencia tekintetében
Várható előkészítés
Az előtt befejezendő tanulási események
Kötelező a diákok számára
- N/A
Választható diákok számára
- N/A
Referenciák és háttér a diákok számára
- N/A
Ajánlott tanároknak
Utasítások tanároknak
Ezt az osztályt a diák köré alapozhatja.
Vázlat
| Időtartam (perc) | Leírás | Fogalmak | |
|---|---|---|---|
| 5 | Vázlat | Adatelőkészítési módszerek: mi értelme van? | |
| 5 | Problémák/előfeldolgozás | Milyen problémák lehetnek az adatok, tisztítás, tisztítás | |
| 5 | Adatelőkészítés | Tisztítás, átalakítás, integráció, normalizálás, imputálás, zajazonosítás | |
| 5 | Az adatok előkészítése részletesen | Az adatok előkészítésének formái | |
| 10 | Adatok tisztítása részletesen | Helytelen, sérült, helytelen formázott, duplikált vagy hiányos adatok rögzítése vagy eltávolítása egy adatkészleten belül | |
| 10 | Adatátalakulás részletesen | Adatok konvertálása egyik formátumból a másikba, bevált gyakorlatok. | |
| 5 | Adatok normalizálása részletesen | Az adatok normalizálása bevált gyakorlatok. | |
| 5 | Részletes adatintegráció | Az adatintegráció bevált gyakorlatai. | |
| 5 | Adatcsökkentés részletesen | Az adatcsökkentés bevált gyakorlatai. | |
| 10 | Adatok előkészítése a gyakorlatban | Szűrés, hiányzó értékek, duplikátumok, | |
| 5 | Záró megjegyzések | Az adatkészítés fontosságának hangsúlyozása. |
Visszaigazolások
A Human-Centered AI Masters programot az Európai Unió Európai Hálózatfinanszírozási Eszköze (CEF-TC-2020–1 Digitális készségek 2020 EU-IA-0068) társfinanszírozta.