Administratieve informatie
| Titel | Het data-analyseproces |
| Looptijd | 45 |
| Module | A |
| Type les | Lezing |
| Focus | Praktisch — AI-modellering |
| Onderwerp | Data Mijnbouw, Data Analyse |
Sleutelwoorden
Gegevens Mijnbouw, Informatie Mijnbouw, CRISP-DM, IEEE 70xx,
Leerdoelen
- Om kennis van het data-analyseproces aan te tonen
- Om de verschillen tussen methodologieën en normen te begrijpen
Verwachte voorbereiding
Leren van gebeurtenissen die moeten worden voltooid voordat
Verplicht voor studenten
- Slides van de lezing
Optioneel voor studenten
- Elke bron en kort uittreksel van de IEEE 70xx
Referenties en achtergronden voor studenten
- N.V.T.
Lesmateriaal
Instructies voor docenten
Te behandelen onderwerpen
- Inleiding tot wat een data is
- Waarom data belangrijk is (1 min)
- Gegevens, Informatie, Kennis (1 min)
- Een mogelijke definitie van data (1 min)
- Kwantitatieve vs Kwalitatieve Gegevens (1 min)
- Kwantitatieve vs Kwalitatieve Analyse (1 min)
- De fase van data-analyse
- Het data-analyseproces (5 min)
- Omschrijving van de vraag (2 min)
- Verzamelen en extraheren van de gegevens (2 min)
- Het schoonmaken en transformeren van de gegevens (2 min)
- Analyse van de gegevens (2 min)
- Deel de resultaten (2 min)
- Recente trends in data mining
- Data Mining en algemeen gebruik (1 min)
- Data Mining & Machine Learning (1 min)
- Gegevens & Patronen (1 min)
- Data Mining technieken (1 min)
- Data Mining Recente toepassingen (1 min)
- Sharp-DM (CRoss Industry Standard Process for Data Mining) methodiek (1 min)
- Crisp-DM (CRoss Industry Standard Process for Data Mining) methodiek
- Introductie (2 min)
- Zakelijk begrip (1 min)
- Inzicht in gegevens (1 min)
- Gegevensvoorbereiding (1 min)
- Modellering (1 min)
- Evaluatie (1 min)
- Inzet (1 min)
- Is CRISP-DM Agile of Waterfall? (2 min)
- De IEEE 70xx standaard
- IEEE Standaard Modelproces voor het aanpakken van ethische
- Problemen tijdens systeemontwerp (10 min)
Tijdschema
| Duur (min) | Omschrijving | Concepten | Activiteit |
|---|---|---|---|
| 5 | Inleiding tot wat data is | Gegevens, informatie, kennis, Kwantitatieve versus kwalitatieve gegevens, Kwantitatieve versus kwalitatieve analyse |
Lezing |
| 15 | De fasen van de gegevensanalyse (bv. extractie, exploratie, visualisatie) | Meertraps Data Analyseproces, Verzameling, Extractie, Exploratie, Reiniging, Analyse, Visualisatie, resultaten delen |
Lezing |
| 5 | Recente trends in datamining | Data Mijnbouw moderne toepassingen | Lezing |
| 10 | Sharp-DM (Cross Industry Standard Process for Data Mining) methodiek | Crisp-DM fases, Business Understanding, Data-inzicht, modellering, evaluatie, implementatie |
Lezing |
| 10 | De IEEE 70xx standaard | Ethische kwesties, systeemontwerp | Lezing |
Erkenningen
Gebruikte bronnen
- Onderzoeksdocumenten
- Technische documenten van sommige bedrijven
- Referentiehandboeken
- IBM CRISP-DM
- IEEE 70xx
- Online Tutorials en artikelen (bijv., KDNuggets, g2.com, Forbes, Data Science Process Alliance, enz.)
- Andere naslagwerken
Het Human-Centered AI Masters-programma werd mede gefinancierd door de Connecting Europe Facility van de Europese Unie in het kader van de subsidie CEF-TC-2020-1 Digital Skills 2020-EU-IA-0068.