Administratívne informácie
| Názov | Prieskumná analýza údajov |
| Trvanie | 60 |
| Modul | A |
| Druh lekcie | Prednáška |
| Zameranie | Technické – základy umelej inteligencie |
| Téma | Prieskumná analýza údajov |
Kľúčové slová
Prieskum údajov, T-SNE,PCA,
Vzdelávacie ciele
- Študent pozná základné typy grafov a vie, kedy ich používať.
- Študent môže použiť vizualizácie na preskúmanie distribúcie premenných.
- Študent môže skontrolovať závislosť medzi premennými pomocou vizualizácie.
- Študent je schopný vizualizovať vysokorozmerný súbor údajov pomocou PCA a T-SNE.
Očakávaná príprava
Naučte sa udalosti, ktoré treba dokončiť predtým
Žiadne.
Povinné pre študentov
- Prečítajte si blog Použitie T-SNE v Pythone na vizualizáciu množín údajov s vysokým rozmerom (alternatíva)
- Prečítajte si kapitolu 4 Python Data Science Handbook
Voliteľné pre študentov
Žiadne.
Referencie a zázemie pre študentov
Žiadne.
Odporúčané pre učiteľov
- O vizualizácii súborov údajov s vysokým rozmerom: Používanie T-SNE v Pythone
- Kapitola 4 Python Data Science Handbook
Učebné materiály
Pokyny pre učiteľov
Táto prednáška sa zameriava na vizualizáciu údajov v rámci procesu analýzy údajov (EDA). Preto sa nevzťahuje na vizualizáciu údajov, napríklad pre rozprávanie príbehov a prezentácie.
Témy, ktoré treba pokryť
- Úvod do vizualizácie dát (5 min)
- Ciele vizualizácie dát (EDA, rozprávanie príbehov)
- Ktorý graf použiť, pre ktorý problém (15 min)
- Typy grafov a ich použitie
- Ako vybrať správny graf
- Do’s a Dont’s
- Kontrola (ne)závislých premenných (10 min)
- Vizualizácia vysokorozmerných dát (20 min)
- DPS
- T-SNE
Uznania
Program Masters umelej inteligencie zameraný na človeka bol spolufinancovaný z Nástroja Európskej únie na prepájanie Európy v rámci grantu CEF-TC-2020 – 1 Digitálne zručnosti 2020-EU-IA-0068.