Administrativ information
| Titel | Labbsession: Beredning av uppgifter |
| Varaktighet | 180 |
| Modul | A |
| Typ av lektion | Praktiskt |
| Fokus | Praktiskt – AI-modellering |
| Ämne | Metoder för beredning av uppgifter |
Nyckelord
filtrering, saknade värden, dubbletter, dataförberedelser, datarengöring, dataomvandling, datanormalisering, dataintegration, datareducering,
Lärandemål
- Att visa sig kunna använda olika databeredningstekniker
- kan identifiera grundläggande statistik över alla funktioner i ett givet dataset
- kan beräkna basstatistik per grupp
Förväntad förberedelse
Lärande händelser som ska slutföras innan
Obligatoriskt för studenter
Ingen.
Valfritt för studenter
Ingen.
Referenser och bakgrund för studenter
Ingen.
Rekommenderas för lärare
Ingen.
Lektionsmaterial
- [DataPrepExpExp anteckningsbok]
Instruktioner för lärare
Denna inlärningshändelse består av laboratorieuppgifter som ska lösas av eleverna med hjälp av den ledande instruktören.
Skiss/tidsschema
| Längd (min) | Beskrivning | Begrepp |
|---|---|---|
| 5 | Konturer | Övergripande mål: dokumentera hur du kämpar med data under förberedelsen |
| 14 | Datauppsättning | Folkräkning/ombyggnad |
| 20 | Beredning av uppgifter | filtrering, saknade värden, dubbletter, |
| 20 | Exempel på datarengöring | Fastställande eller borttagning av felaktiga, skadade, felaktigt formaterade, duplicerade eller ofullständiga data i ett dataset |
| 20 | Exempel på dataomvandling | Konvertera data från ett format till ett annat, bästa praxis. |
| 20 | Exempel på normalisering av data | Bästa praxis för datanormalisering. |
| 25 | Exempel på dataintegration | Bästa praxis för dataintegration. |
| 25 | Exempel på dataminskning | Bästa praxis för att minska data. |
Erkännanden
Masterprogrammet Human-Centered AI har samfinansierats av Fonden för ett sammanlänkat Europa i Europeiska unionen inom ramen för Grant CEF-TC-2020–1 Digital Skills 2020 EU-IA-0068.