Διοικητικές πληροφορίες
| Τίτλος | Η ΔΙΑΔΙΚΑΣΙΑ ΑΝΑΛΥΣΗΣ ΔΕΔΟΜΕΝΩΝ |
| Διάρκεια | 45 |
| Ενότητα | Α |
| Είδος μαθήματος | Διάλεξη |
| Εστίαση | Πρακτική — Μοντελοποίηση τεχνητής νοημοσύνης |
| Θέμα | Εξόρυξη δεδομένων, Ανάλυση δεδομένων |
Λέξεις-κλειδιά
Εξόρυξη στοιχείων, εξόρυξη πληροφοριών, CRISP-DM, IEE 70xx,
Μαθησιακοί στόχοι
- Για να είναι σε θέση να αποδείξει τη γνώση της διαδικασίας ανάλυσης δεδομένων
- Κατανόηση των διαφορών μεταξύ μεθοδολογιών και προτύπων
Αναμενόμενη προετοιμασία
Μαθησιακές εκδηλώσεις που πρέπει να ολοκληρωθούν πριν
Υποχρεωτικό για τους φοιτητές
- Διαφάνειες της διάλεξης
Προαιρετικό για Φοιτητές
- Κάθε πηγή και σύντομο απόσπασμα του IEEE 70xx
Αναφορές και υπόβαθρο για τους μαθητές
- Α/Α
Υλικό μαθήματος
Οδηγίες για τους εκπαιδευτικούς
Θέματα που πρέπει να καλυφθούν
- Εισαγωγή στο τι είναι ένα δεδομένο
- Γιατί τα δεδομένα είναι σημαντικά (1 λεπτά)
- Δεδομένα, Πληροφορίες, Γνώση (1 λεπτά)
- Ένας πιθανός ορισμός για τα δεδομένα (1 λεπτό)
- Ποσοτικά έναντι Ποιοτικών Δεδομένων (1 λεπτά)
- Ποσοτική vs Ποιοτική Ανάλυση (1 min)
- Το στάδιο της Ανάλυσης Δεδομένων
- Η διαδικασία ανάλυσης δεδομένων (5 λεπτά)
- Ορισμός της ερώτησης (2 λεπτά)
- Συλλογή και εξαγωγή των δεδομένων (2 λεπτά)
- Καθαρισμός και Μεταμόρφωση των Δεδομένων (2 λεπτά)
- Ανάλυση δεδομένων (2 λεπτά)
- Μοιραστείτε τα αποτελέσματα (2 λεπτά)
- Πρόσφατες τάσεις στην εξόρυξη δεδομένων
- Εξόρυξη δεδομένων και κοινές χρήσεις (1 λεπτά)
- Εξόρυξη δεδομένων & εκμάθηση μηχανών (1 λεπτά)
- Δεδομένα & σχέδια (1 λεπτά)
- Τεχνικές εξόρυξης δεδομένων (1 λεπτά)
- Πρόσφατες εφαρμογές εξόρυξης δεδομένων (1 λεπτά)
- Μεθοδολογία Crisp-DM (Cross Industry Standard Process for Data Mining) (1 λεπτά)
- Μεθοδολογία Crisp-DM (Cross Industry Standard Process for Data Mining)
- Εισαγωγή (2 λεπτά)
- Επιχειρηματική Κατανόηση (1 λεπτά)
- Κατανόηση δεδομένων (1 λεπτό)
- Προετοιμασία δεδομένων (1 λεπτό)
- Μοντελοποίηση (1 λεπτό)
- Αξιολόγηση (1 λεπτό)
- Ανάπτυξη (1 λεπτό)
- Είναι το CRISP-DM ευέλικτο ή καταρράκτης; (2 λεπτά)
- Το πρότυπο IEEE 70xx
- Τυποποιημένη διαδικασία προτύπων IEEE για την αντιμετώπιση της ηθικής
- Ανησυχίες κατά το σχεδιασμό του συστήματος (10 λεπτά)
Χρονοδιάγραμμα
| Διάρκεια (ελάχ.) | Περιγραφή | Έννοιες | Δραστηριότητα |
|---|---|---|---|
| 5 | Εισαγωγή στο τι είναι τα δεδομένα | Δεδομένα, Πληροφορίες, Γνώση, Ποσοτικά έναντι Ποιοτικών Δεδομένων, Ποσοτική vs ποιοτική ανάλυση |
Διάλεξη |
| 15 | Τα στάδια της ανάλυσης δεδομένων (π.χ. εξαγωγή, εξερεύνηση, οπτικοποίηση) | Διαδικασία ανάλυσης δεδομένων πολλαπλών σταδίων, συλλογή, Εξαγωγή, Εξερεύνηση, Καθαρισμός, Ανάλυση, Οπτικοποίηση, κοινή χρήση αποτελεσμάτων |
Διάλεξη |
| 5 | Πρόσφατες τάσεις στην εξόρυξη δεδομένων | Σύγχρονες εφαρμογές εξόρυξης δεδομένων | Διάλεξη |
| 10 | Μεθοδολογία Crisp-DM (Cross Industry Standard Process for Data Mining) | Φάσεις Crisp-DM, Επιχειρηματική Κατανόηση, Κατανόηση δεδομένων, μοντελοποίηση, αξιολόγηση, ανάπτυξη |
Διάλεξη |
| 10 | Το πρότυπο IEEE 70xx | Ηθικά ζητήματα, Σχεδιασμός Συστήματος | Διάλεξη |
Αναγνωρίσεις
Χρησιμοποιημένες πηγές
- Ερευνητικές εργασίες
- Τεχνικά έγγραφα από ορισμένες εταιρείες
- Εγχειρίδια αναφοράς
- IBM ΤΡΑΓΑΝΉ-DM
- IEEE 70xx
- Διαδικτυακά σεμινάρια και άρθρα (π.χ. KDNuggets, g2.com, Forbes, Data Science Process Alliance, κ.λπ.)
- Άλλα βιβλία αναφοράς
Το πρόγραμμα Μάστερ τεχνητής νοημοσύνης με επίκεντρο τον άνθρωπο συγχρηματοδοτήθηκε από τον μηχανισμό «Συνδέοντας την Ευρώπη» της Ευρωπαϊκής Ένωσης στο πλαίσιο της επιχορήγησης CEF-TC-2020-1 Digital Skills 2020-EU-IA-0068.