Administrativne informacije
| Naslov | Istraživačka analiza podataka |
| Trajanje | 60 |
| Modul | A |
| Vrsta lekcija | Predavanje |
| Fokus | Tehnički – temelji umjetne inteligencije |
| Tema | Istraživačka analiza podataka |
Ključne riječi
Istraživanje podataka, T-SNE, PCA,
Ciljevi učenja
- Učenik zna osnovne vrste grafikona i zna kada ih koristiti.
- Polaznik može koristiti vizualizacije kako bi istražio distribuciju varijabli.
- Polaznik može provjeriti zavisnosti među varijablama pomoću vizualizacije.
- Učenik može vizualizirati visokodimenzionalni skup podataka s pomoću PCA-a i T-SNE-a.
Očekivana priprema
Edukativni događaji koji će biti završeni prije
Nijedan.
Obvezno za studente
- Pročitajte blog Korištenje T-SNE u Pythonu za vizualizaciju visoko-dimenzijskih skupova podataka (alternativa)
- Pročitajte poglavlje 4. Priručnika Python Data Science
Neobvezno za studente
Nijedan.
Preporuke i pozadina za studente
Nijedan.
Preporučeno nastavnicima
- O vizualizaciji visokodimenzionalnih skupova podataka: Korištenje T-SNE-a u Pythonu
- Poglavlje 4. Priručnika Python o znanosti o podacima
Nastavni materijali
Upute za učitelje
Ovo predavanje usredotočeno je na vizualizaciju podataka u sklopu procesa Exloratory Data Analysis (EDA). Stoga ne obuhvaća vizualizaciju podataka za, na primjer, priču i prezentacije.
Teme koje treba pokriti
- Uvod u vizualizaciju podataka (5 min)
- Ciljevi vizualizacije podataka (EDA, pripovijedanje)
- Koji grafikon koristiti za koji problem (15 min)
- Vrste grafikona i njihova upotreba
- Kako odabrati pravi grafikon
- Učiniti i Dont’s
- Provjera (ne)neovisnih varijabli (10 min)
- Vizualizacija visokodimenzionalnih podataka (20 min)
- PCA
- T-SNE
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.