Administrativní informace
| Název | Průzkumná analýza dat |
| Trvání | 60 |
| Modul | A |
| Typ lekce | Přednáška |
| Soustředění | Technické – Základy umělé inteligence |
| Téma | Průzkumná analýza dat |
Klíčová slova
Průzkum dat, T-SNE, PCA,
Vzdělávací cíle
- Student zná základní typy grafů a ví, kdy je použít.
- Student může použít vizualizace ke zkoumání distribuce proměnných.
- Student může kontrolovat závislost mezi proměnnými pomocí vizualizace.
- Student je schopen vizualizovat vysokou dimenzionální datovou sadu pomocí PCA a T-SNE.
Očekávaná příprava
Vzdělávací akce, které mají být dokončeny před
Žádné.
Povinné pro studenty
- Přečtěte si blog pomocí T-SNE v Pythonu pro vizualizaci vysoce dimenzních datových sad (alternativa)
- Přečtěte si kapitolu 4 Python Data Science Handbook
Volitelné pro studenty
Žádné.
Reference a zázemí pro studenty
Žádné.
Doporučeno pro učitele
- Vizualizace datových souborů s vysokým rozměrem: Použití T-SNE v Pythonu
- Kapitola 4 Příručka Python Data Science Handbook
Materiály pro výuku
Pokyny pro učitele
Tato přednáška se zaměřuje na vizualizaci dat v rámci procesu Exloratory Data Analysis (EDA). Proto se nevztahuje na vizualizaci dat například pro vyprávění příběhů a prezentace.
Témata, která je třeba pokrýt
- Úvod do vizualizace dat (5 min)
- Cíle vizualizace dat (EDA, storytelling)
- Který graf použít pro který problém (15 min)
- Typy grafů a jejich použití
- Jak vybrat ten správný graf
- Do’s a Dont’s
- Kontrola (ne)nezávislých proměnných (10 min)
- Vizualizace vysokorozměrných dat (20 min)
- PCA
- T-SNE
Potvrzení
Program Human-Centered AI Masters byl spolufinancován Nástrojem Evropské unie pro propojení Evropy v rámci grantu CEF-TC-2020–1 Digitální dovednosti 2020-EU-IA-0068.