Διοικητικές πληροφορίες
| Τίτλος | Συνεδρίαση εργαστηρίου: Προετοιμασία δεδομένων |
| Διάρκεια | 180 |
| Ενότητα | Α |
| Είδος μαθήματος | Πρακτική |
| Εστίαση | Πρακτική — Μοντελοποίηση τεχνητής νοημοσύνης |
| Θέμα | Μέθοδοι προετοιμασίας δεδομένων |
Λέξεις-κλειδιά
φιλτράρισμα, ελλείπουσες τιμές, διπλότυπα, προετοιμασία δεδομένων, καθαρισμός δεδομένων, μετατροπή δεδομένων, ομαλοποίηση δεδομένων, ενσωμάτωση δεδομένων, μείωση δεδομένων,
Μαθησιακοί στόχοι
- Για να αποδειχθεί ότι είναι σε θέση να χρησιμοποιούν διαφορετικές τεχνικές προετοιμασίας δεδομένων
- είναι σε θέση να εντοπίζει βασικές στατιστικές όλων των χαρακτηριστικών σε ένα δεδομένο σύνολο δεδομένων
- είναι σε θέση να υπολογίσει τις βασικές στατιστικές ανά ομάδα
Αναμενόμενη προετοιμασία
Μαθησιακές εκδηλώσεις που πρέπει να ολοκληρωθούν πριν
Υποχρεωτικό για τους φοιτητές
Καμία.
Προαιρετικό για Φοιτητές
Καμία.
Αναφορές και υπόβαθρο για τους μαθητές
Καμία.
Συνιστάται για εκπαιδευτικούς
Καμία.
Υλικό μαθήματος
- [DataPrepExp σημειωματάριο]
Οδηγίες για τους εκπαιδευτικούς
Αυτή η μαθησιακή εκδήλωση αποτελείται από εργαστηριακές εργασίες που θα επιλυθούν από τους μαθητές με τη βοήθεια του κορυφαίου εκπαιδευτή.
Σχεδιάγραμμα/χρονοδιάγραμμα
| Διάρκεια (ελάχ.) | Περιγραφή | Έννοιες |
|---|---|---|
| 5 | Σχεδιάγραμμα | Γενικός στόχος: καταγράψτε τον τρόπο με τον οποίο αγωνίζεστε με τα δεδομένα κατά τη διάρκεια της προετοιμασίας |
| 14 | Σύνολο δεδομένων | Απογραφή/ανασυγκρότηση |
| 20 | Προετοιμασία δεδομένων | φιλτράρισμα, ελλείπουσες τιμές, διπλότυπα, |
| 20 | Παράδειγμα καθαρισμού δεδομένων | Καθορισμός ή αφαίρεση λανθασμένων, κατεστραμμένων, εσφαλμένων μορφοποιημένων, διπλών ή ελλιπών δεδομένων εντός ενός συνόλου δεδομένων |
| 20 | Παράδειγμα μετασχηματισμού δεδομένων | Μετατροπή δεδομένων από τη μία μορφή στην άλλη, βέλτιστες πρακτικές. |
| 20 | Παράδειγμα κανονικοποίησης δεδομένων | Βέλτιστες πρακτικές εξομάλυνσης δεδομένων. |
| 25 | Παράδειγμα ενσωμάτωσης δεδομένων | Βέλτιστες πρακτικές ενσωμάτωσης δεδομένων. |
| 25 | Παράδειγμα μείωσης δεδομένων | Βέλτιστες πρακτικές μείωσης δεδομένων. |
Αναγνωρίσεις
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.