Upravne informacije
Naslov | Laboratorijska seja: Priprava podatkov |
Trajanje | 180 |
Modul | A |
Vrsta lekcije | Praktična |
Osredotočenost | Praktično – modeliranje umetne inteligence |
Tema | Metode priprave podatkov |
Ključne besede
filtriranje, manjkajoče vrednosti, dvojniki, priprava podatkov, čiščenje podatkov, preoblikovanje podatkov, normalizacija podatkov, integracija podatkov, zmanjšanje podatkov,
Učni cilji
- Dokazati, da lahko uporabljajo različne tehnike priprave podatkov
- je sposoben identificirati osnovno statistiko vseh značilnosti v danem naboru podatkov
- lahko izračuna osnovne statistične podatke po skupinah
Pričakovana priprava
Učenje Dogodki, ki jih je treba dokončati pred
Obvezno za študente
Nobenega.
Neobvezno za študente
Nobenega.
Reference in ozadje za študente
Nobenega.
Priporočeno za učitelje
Nobenega.
Gradivo za učne ure
- [Zvezek DataPrepExp]
Navodila za učitelje
Ta učni dogodek je sestavljen iz laboratorijskih nalog, ki jih študentje rešujejo s pomočjo vodilnega inštruktorja.
Oris/časovni razpored
Trajanje (min) | Opis | Koncepti |
---|---|---|
5 | Obris | Splošni cilj: dokumentirate, kako se spopadate s podatki med pripravo |
14 | Nabor podatkov | Popis/rekonstrukcija |
20 | Priprava podatkov | filtriranje, manjkajoče vrednosti, dvojniki, |
20 | Primer čiščenja podatkov | Popravljanje ali odstranjevanje nepravilnih, poškodovanih, nepravilno oblikovanih, podvojenih ali nepopolnih podatkov v naboru podatkov |
20 | Primer preoblikovanja podatkov | Pretvarjanje podatkov iz ene oblike v drugo, najboljše prakse. |
20 | Primer normalizacije podatkov | Najboljše prakse za normalizacijo podatkov. |
25 | Primer integracije podatkov | Najboljše prakse vključevanja podatkov. |
25 | Primer zmanjšanja podatkov | Najboljše prakse zmanjševanja podatkov. |
Priznanja
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).