Upravne informacije
| Naslov | Proces analize podatkov |
| Trajanje | 45 |
| Modul | A |
| Vrsta lekcije | Predavanje |
| Osredotočenost | Praktično – modeliranje umetne inteligence |
| Tema | Podatkovno rudarjenje, analiza podatkov |
Ključne besede
Podatkovno rudarjenje, informativno rudarjenje, CRISP-DM,IEEE 70xx,
Učni cilji
- Sposobnost dokazovanja znanja o postopku analize podatkov
- Razumevanje razlik med metodologijami in standardi
Pričakovana priprava
Učenje Dogodki, ki jih je treba dokončati pred
Obvezno za študente
- Diapozitivi predavanja
Neobvezno za študente
- Kateri koli vir in kratek izvleček IEEE 70xx
Reference in ozadje za študente
- NI RELEVANTNO
Gradivo za učne ure
Navodila za učitelje
Teme, ki jih je treba zajeti
- Uvod v to, kaj so podatki
- Zakaj so podatki pomembni (1 min)
- Podatki, informacije, znanje (1 min)
- Možna opredelitev podatkov (1 min)
- Kvantitativni podatki v primerjavi s kvalitativnimi podatki (1 min)
- Kvantitativna analiza v primerjavi s kvalitativno analizo (1 min)
- Faza analize podatkov
- Analiza podatkov (5 min)
- Opredelitev vprašanja (2 min)
- Zbiranje in pridobivanje podatkov (2 min)
- Čiščenje in preoblikovanje podatkov (2 min)
- Analiza podatkov (2 min)
- Delite rezultate (2 min)
- Nedavni trendi v podatkovnem rudarstvu
- Podatkovno rudarjenje in skupna uporaba (1 min)
- Podatkovno rudarjenje in strojno učenje (1 min)
- Podatki in vzorci (1 min)
- Tehnike rudarjenja podatkov (1 min)
- Podatkovno rudarjenje Nedavne aplikacije (1 min)
- Metodologija Crisp-DM (CRoss Industry Standard Process for Data Mining) (1 min)
- Metodologija Crisp-DM (CRoss Industry Standard Process for Data Mining)
- Uvod (2 min)
- Poslovni dogovor (1 min)
- Razumevanje podatkov (1 min)
- Priprava podatkov (1 min)
- Modeliranje (1 min)
- Vrednotenje (1 min)
- Napotitev (1 min)
- Ali je CRISP-DM agil ali slap? (2 min)
- Standard IEEE 70xx
- Standardni model IEEE za obravnavanje etike
- Težave pri načrtovanju sistema (10 min)
Časovni razpored
| Trajanje (min) | Opis | Koncepti | Aktivnost |
|---|---|---|---|
| 5 | Uvod v kateri podatki so | Podatki, informacije, znanje, Kvantitativni podatki v primerjavi s kvalitativnimi podatki, Kvantitativna vs kvalitativna analiza |
Predavanje |
| 15 | Faze analize podatkov (npr. pridobivanje, raziskovanje, vizualizacija) | Večstopenjski postopek analize podatkov, zbiranje, Ekstrakcija, raziskovanje, čiščenje, analiza, Vizualizacija, skupna raba rezultatov |
Predavanje |
| 5 | Najnovejši trendi v podatkovnem rudarstvu | Sodobne aplikacije za rudarjenje podatkov | Predavanje |
| 10 | Metodologija Crisp-DM (Cross Standard Process for Data Mining) | Hrustljavo-DM faze, poslovno razumevanje, Razumevanje podatkov, modeliranje, vrednotenje, uvajanje |
Predavanje |
| 10 | Standard IEEE 70xx | Etična vprašanja, oblikovanje sistema | Predavanje |
Priznanja
Uporabljeni viri
- Raziskovalni dokumenti
- Tehnični dokumenti nekaterih podjetij
- Referenčni priročniki
- IBM HRUSTLJAVO-DM
- IEEE 70xx
- Spletne vaje in članki (npr. KDNuggets, g2.com, Forbes, Data Science Process Alliance itd.)
- Druge referenčne knjige
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).