[deze pagina op wiki][index][EN][BG][CS][DA][DE][EL][ES][ET][FI][FR][GA][HR][HU][IT][MT][NL][PL][PT][RO][SK][SL][SV]

Praktisch: Gegevensvoorbereiding en -verkenning

Administratieve informatie

Titel Lab sessie: Gegevensvoorbereiding
Looptijd 180
Module A
Type les Praktisch
Focus Praktisch — AI-modellering
Onderwerp Methoden voor gegevensvoorbereiding

Sleutelwoorden

filteren, ontbrekende waarden, duplicaten, gegevensvoorbereiding, gegevensreiniging, gegevenstransformatie, gegevensnormalisatie, gegevensintegratie, gegevensreductie,

Leerdoelen

Verwachte voorbereiding

Verplicht voor studenten

Geen.

Optioneel voor studenten

Geen.

Referenties en achtergronden voor studenten

Geen.

Aanbevolen voor docenten

Geen.

Lesmateriaal

Instructies voor docenten

Dit leerevenement bestaat uit laboratoriumtaken die door de studenten worden opgelost met de hulp van de leidende instructeur.

Overzicht/tijdschema

Duur (min) Omschrijving Concepten
5 Omtrek Algemeen doel: documenteer hoe u worstelt met gegevens tijdens de voorbereiding
14 Gegevensverzameling Volkstelling/wederopbouw
20 Gegevensvoorbereiding filteren, ontbrekende waarden, duplicaten,
20 Voorbeeld van gegevensreiniging Herstellen of verwijderen van onjuiste, beschadigde, onjuist geformatteerde, dubbele of onvolledige gegevens binnen een dataset
20 Voorbeeld van datatransformatie Het omzetten van gegevens van het ene formaat naar het andere, best practices.
20 Voorbeeld van gegevensnormalisatie Beste praktijken voor gegevensnormalisatie.
25 Voorbeeld van data-integratie Best practices voor data-integratie.
25 Voorbeeld van gegevensreductie Best practices voor gegevensreductie.

Erkenningen

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.