Hallinnolliset tiedot
| Otsikko | Tutkiva data-analyysi |
| Kesto | 60 |
| Moduuli | A |
| Oppitunnin tyyppi | Luento |
| Keskittyminen | Tekninen – tekoälyn perusteet |
| Aihe | Tutkiva data-analyysi |
Avainsanoja
Tietojen etsintä, T-SNE,PCA,
Oppimistavoitteet
- Oppija tuntee peruskaaviotyypit ja tietää, milloin niitä käytetään.
- Oppija voi käyttää visualisointeja muuttujien jakauman tutkimiseen.
- Oppija voi tarkistaa muuttujien väliset riippuvuudet visualisoinnin avulla.
- Oppija pystyy visualisoimaan korkean ulottuvuuden data-aineiston PCA: n ja T-SNE: n avulla.
Odotettu valmistelu
Oppimistapahtumat valmistuvat ennen
Ei mitään.
Pakollinen opiskelijoille
Valinnainen opiskelijoille
Ei mitään.
Referenssejä ja taustaa opiskelijoille
Ei mitään.
Suositellaan opettajille
- Suurulotteisten tietoaineistojen visualisointi: T-SNE:n käyttö Pythonissa
- Python Data Science -käsikirjan 4 luku
Oppituntimateriaalit
Ohjeita opettajille
Tämä luento keskittyy datan visualisointiin osana Exloratory Data Analysis (EDA) -prosessia. Siksi se ei kata tietojen visualisointia esimerkiksi tarinankerrontaa ja esityksiä varten.
Käsiteltävät aiheet
- Johdanto datan visualisointiin (5 min)
- Datan visualisointien tavoitteet (EDA, storytelling)
- Mitä kaaviota käytetään mihin ongelmaan (15 min)
- Kaaviotyypit ja niiden käyttö
- Miten valita oikea kaavio
- Do’s ja Dont’s
- Tarkista (in)riippumattomat muuttujat (10 min)
- Suuren ulottuvuuden datan visualisointi (20 min)
- KUMPPANUUS- JA YHTEISTYÖSOPIMUS
- T-SNE
Tunnustukset
Human-Centered AI Masters -ohjelmaa rahoitettiin Euroopan unionin Verkkojen Eurooppa -välineestä (CEF-TC-2020–1 Digital Skills 2020-EU-IA-0068).