Administrative oplysninger
| Titel | Laboratoriemøde: Forberedelse af data |
| Varighed | 180 |
| Modul | A |
| Lektionstype | Praktisk |
| Fokus | Praktisk — modellering af kunstig intelligens |
| Emne | Metoder til udarbejdelse af data |
Nøgleord
filtrering, manglende værdier, duplikere, Dataforberedelse, Datarengøring, Data Transformation,Data Normalisering, Dataintegration,Datareduktion,
Læringsmål
- At vise sig at være i stand til at bruge forskellige dataforberedelsesteknikker
- er i stand til at identificere grundlæggende statistikker over alle funktioner i et givet datasæt
- er i stand til at beregne grundlæggende statistik pr. gruppe
Forventet forberedelse
Læringsbegivenheder, der skal fuldføres før
Obligatorisk for studerende
Ingen.
Valgfrit for studerende
Ingen.
Referencer og baggrund for studerende
Ingen.
Anbefalet til lærerne
Ingen.
Undervisningsmaterialer
- [DataPrepExp-notesbog]
Instruktioner til lærerne
Denne læringsbegivenhed består af laboratorieopgaver, der skal løses af de studerende med hjælp fra den ledende instruktør.
Oversigt/tidsplan
| Varighed (min) | Beskrivelse | Koncepter |
|---|---|---|
| 5 | Omrids | Overordnet mål: dokumentere, hvordan du kæmper med data under forberedelsen |
| 14 | Datasæt | Folketælling/genopbygning |
| 20 | Forberedelse af data | filtrering, manglende værdier, duplikater, |
| 20 | Eksempel på datarensning | Fastsættelse eller fjernelse af forkerte, beskadigede, forkert formaterede, duplikerede eller ufuldstændige data i et datasæt |
| 20 | Eksempel på datatransformation | Konvertering af data fra et format til et andet, bedste praksis. |
| 20 | Eksempel på datanormalisering | Bedste praksis for datanormalisering. |
| 25 | Eksempel på dataintegration | Bedste praksis for dataintegration. |
| 25 | Eksempel på datareduktion | Bedste praksis for datareduktion. |
Anerkendelser
Programmet Human-Centered AI Masters blev samfinansieret af Connecting Europe-faciliteten i Den Europæiske Union under tilskud CEF-TC-2020-1 Digital Skills 2020-EU-IA-0068.