Upravne informacije
| Naslov | Raziskovalna analiza podatkov |
| Trajanje | 60 |
| Modul | A |
| Vrsta lekcije | Predavanje |
| Osredotočenost | Tehnični – temelji umetne inteligence |
| Tema | Raziskovalna analiza podatkov |
Ključne besede
Raziskovanje podatkov, T-SNE, PCA,
Učni cilji
- Učenec pozna osnovne vrste grafikonov in ve, kdaj jih uporabiti.
- Učenec lahko uporablja vizualizacije za raziskovanje porazdelitve spremenljivk.
- Učenec lahko preveri odvisnosti med spremenljivkami z uporabo vizualizacije.
- Učenec lahko vizualizira visokodimenzionalni nabor podatkov z uporabo PCA in T-SNE.
Pričakovana priprava
Učenje Dogodki, ki jih je treba dokončati pred
Nobenega.
Obvezno za študente
- Preberite blog Uporaba T-SNE v Pythonu za vizualizacijo visokodimenzionalnih naborov podatkov ( nadomestna možnost)
- Preberite 4. poglavje Python Data Science Handbook
Neobvezno za študente
Nobenega.
Reference in ozadje za študente
Nobenega.
Priporočeno za učitelje
- O vizualizaciji visokodimenzionalnih naborov podatkov: Uporaba T-SNE v Pythonu
- Poglavje 4 Python Data Science Handbook
Gradivo za učne ure
Navodila za učitelje
Predavanje se osredotoča na vizualizacijo podatkov kot del procesa Exloratory Data Analysis (EDA). Zato ne zajema vizualizacije podatkov, na primer za pripovedovanje zgodb in predstavitve.
Teme, ki jih je treba zajeti
- Uvod v vizualizacijo podatkov (5 min)
- Cilji vizualizacije podatkov (EDA, pripovedovanje zgodb)
- Kateri grafikon uporabiti za katero težavo (15 min)
- Vrste grafikonov in njihova uporaba
- Kako izbrati pravi grafikon
- Do’s in Dont’s
- Preverite (ne)odvisne spremenljivke (10 min)
- Vizualizacija visokodimenzionalnih podatkov (20 min)
- SPS
- T-SNE
Priznanja
Program Masters umetne inteligence, ki je bil vključen v človeka, je bil sofinanciran z instrumentom za povezovanje Evrope Evropske unije v okviru nepovratnih sredstev (CEF-TC-2020–1 Digital Skills 2020-EU-IA-0068).