Administrative oplysninger
| Titel | Fremlæggelse af statistiske data |
| Varighed | 150 |
| Modul | D |
| Lektionstype | Praktisk |
| Fokus | Etisk forskning i praksis |
| Emne | Litteratur |
Nøgleord
Datarensning, datarepræsentation, visualisering,
Læringsmål
- Forstå og demonstrere datarepræsentationen for AI- og ML-modellering
- Anvende en række plotningsteknikker til at visualisere data
- Være i stand til at kontrollere for retfærdighed, håndtere outliers og manglende data
Forventet forberedelse
Læringsbegivenheder, der skal fuldføres før
Obligatorisk for studerende
Valgfrit for studerende
- Ingen
Referencer og baggrund for studerende
Anbefalet til lærerne
Undervisningsmaterialer
Ingen.
Instruktioner til lærerne
Gennemgå oversigten over lektionsplanen for instruktioner til eleverne. Denne øvelse er velegnet til datasættet, der indeholder en blanding af numeriske og kategoriske datatyper. Datarepræsentationsmetoder varierer i datasæt, der indeholder billeder, tekst, lyd osv.
Omrids
| Varighed | Beskrivelse | Koncepter |
|---|---|---|
| 15 min. | Giv en beskrivelse af opgaver til den praktiske. | Gennemgang af beskrivende statistikker for et datasæt, der indeholder numeriske og kategoriske data |
| 70 min. | Plotning og grundlæggende rengøring af data | Manglende data, god datapraksis, center og spredning, grundlæggende plotning, datakodning |
| 70 min. | Visualisering og indledende undersøgelse | Google facets, fairness check, biases |
| 15 min. | Konklusion, spørgsmål og svar | Sammendrag |
Anerkendelser
Programmet Human-Centered AI Masters blev samfinansieret af Connecting Europe-faciliteten i Den Europæiske Union under tilskud CEF-TC-2020-1 Digital Skills 2020-EU-IA-0068.
Lektionsplan på SURF
[{{{{SurfLink}}} Wikiwijs side]