Hallinnolliset tiedot
Otsikko | Tietojen analysointiprosessi |
Kesto | 45 |
Moduuli | A |
Oppitunnin tyyppi | Luento |
Keskittyminen | Käytännöllinen – AI Modelling |
Aihe | Tiedonlouhinta, data-analyysi |
Avainsanoja
Tiedonlouhinta,Information Mining, CRISP-DM, IEEE 70xx,
Oppimistavoitteet
- Tietojen analysointiprosessin tuntemuksen osoittaminen
- Ymmärtää eroja menetelmien ja standardien välillä
Odotettu valmistelu
Oppimistapahtumat valmistuvat ennen
Pakollinen opiskelijoille
- Luennon diat
Valinnainen opiskelijoille
- Kaikki lähteet ja lyhyt ote IEEE 70xx:stä
Referenssejä ja taustaa opiskelijoille
- EI
Oppituntimateriaalit
Ohjeita opettajille
Käsiteltävät aiheet
- Johdanto siihen, mitä data on
- Miksi data on tärkeää (1 min)
- Data, tieto, tietämys (1 min)
- Tietojen mahdollinen määritelmä (1 min)
- Kvantitatiivinen vs kvalitatiiviset tiedot (1 min)
- Kvantitatiivinen vs kvalitatiivinen analyysi (1 min)
- Data-analyysin vaihe
- Tietojen analysointiprosessi (5 min)
- Kysymyksen määrittely (2 min)
- Tietojen kerääminen ja kerääminen (2 min)
- Tietojen puhdistaminen ja muuttaminen (2 min)
- Tietojen analysointi (2 min)
- Jaa tulokset (2 min)
- Viimeaikaiset suuntaukset tiedonlouhinta
- Tiedonlouhinta ja yleiset käyttötavat (1 min)
- Tiedonlouhinta ja koneoppiminen (1 min)
- Data & kuviot (1 min)
- Tiedonlouhintatekniikat (1 min)
- Tiedonlouhinta Viimeaikaiset sovellukset (1 min)
- Crisp-DM (CRoss Industry Standard Process for Data Mining) -menetelmä (1 min)
- Crisp-DM (CRoss Industry Standard Process for Data Mining) -menetelmä
- Johdanto (2 min)
- Liiketoimintaymmärrys (1 min)
- Tietojen ymmärtäminen (1 min)
- Tietojen valmistelu (1 min)
- Mallinnus (1 min)
- Arviointi (1 min)
- Käyttöönotto (1 min)
- Onko CRISP-DM ketterä vai vesiputous? (2 min)
- IEEE 70xx -standardi
- IEEE:n standardimalliprosessi eettisten asioiden käsittelemiseksi
- Huolia järjestelmäsuunnittelun aikana (10 min)
Aikataulu
Kesto (min) | Kuvaus | Käsitteet | Aktiivisuus |
---|---|---|---|
5 | Johdanto siihen, mitä data on | Data, tieto, osaaminen, Kvantitatiiviset vs kvalitatiiviset tiedot, Kvantitatiivinen vs kvalitatiivinen analyysi |
Luento |
15 | Tietojen analysoinnin vaiheet (esim. louhinta, etsintä, visualisointi) | Monivaiheinen tietojen analysointiprosessi, Kerääminen, Louhinta, Tutkimus, Puhdistus, Analyysi, Visualisointi, tulosten jakaminen |
Luento |
5 | Datan louhinnan viimeaikaiset suuntaukset | Datakaivos modernit sovellukset | Luento |
10 | Crisp-DM (Cross Industry Standard Process for Data Mining) -menetelmä | Cisp-DM-vaiheet, liiketoimintaymmärrys, Tietojen ymmärtäminen, mallintaminen, arviointi, käyttöönotto |
Luento |
10 | IEEE 70xx -standardi | Eettiset kysymykset, Järjestelmäsuunnittelu | Luento |
Tunnustukset
Käytetyt lähteet
- Tutkimusasiakirjat
- Joidenkin yritysten tekniset asiakirjat
- Viitekäsikirjat
- IBM RAPEA-DM
- IEEE 70xx
- Online-oppaat ja artikkelit (esim. KDNuggets, g2.com, Forbes, Data Science Process Alliance jne.)
- Muut viitekirjat
Human-Centered AI Masters -ohjelmaa rahoitettiin Euroopan unionin Verkkojen Eurooppa -välineestä (CEF-TC-2020–1 Digital Skills 2020-EU-IA-0068).