Administrativne informacije
Naslov | Sjednica laboratorija: Priprema podataka |
Trajanje | 180 |
Modul | A |
Vrsta lekcija | Praktičan |
Fokus | Praktično – modeliranje umjetne inteligencije |
Tema | Metode pripreme podataka |
Ključne riječi
filtriranje, nedostaju vrijednosti, duplikati, Priprema podataka, Čišćenje podataka, Transformacija podataka, Normalizacija podataka, Integracija podataka, Smanjenje podataka,
Ciljevi učenja
- Dokazati da mogu koristiti različite tehnike pripreme podataka
- može identificirati osnovnu statistiku svih značajki u određenom skupu podataka
- može izračunati osnovnu statistiku po skupini
Očekivana priprema
Edukativni događaji koji će biti završeni prije
Obvezno za studente
Nijedan.
Neobvezno za studente
Nijedan.
Preporuke i pozadina za studente
Nijedan.
Preporučeno nastavnicima
Nijedan.
Nastavni materijali
- [DataPrepExp Notebook]
Upute za učitelje
Ovaj obrazovni događaj sastoji se od laboratorijskih zadataka koje će učenici riješiti uz pomoć vodećeg instruktora.
Nacrt/vremenski raspored
Trajanje (min) | Opis | Koncepti |
---|---|---|
5 | Nacrt | Opći cilj: dokumentirajte kako se borite s podacima tijekom pripreme |
14 | Skup podataka | Popis/rekonstrukcija |
20 | Priprema podataka | filtriranje, nedostaju vrijednosti, duplikati, |
20 | Primjer čišćenja podataka | Fiksiranje ili uklanjanje netočnih, oštećenih, nepravilno oblikovanih, dupliciranih ili nepotpunih podataka u skupu podataka |
20 | Primjer transformacije podataka | Pretvaranje podataka iz jednog formata u drugi, najbolje prakse. |
20 | Primjer normalizacije podataka | Najbolja praksa normalizacije podataka. |
25 | Primjer integracije podataka | Najbolje prakse za integraciju podataka. |
25 | Primjer smanjenja podataka | Najbolje prakse smanjenja podataka. |
Priznanja
Diplomski studij umjetne inteligencije usmjeren na čovjeka sufinanciran je Instrumentom za povezivanje Europe Europske unije u okviru bespovratnih sredstava CEF-TC-2020 – 1 Digital Skills 2020-EU-IA-0068.