Administrativ information
| Titel | Framläggande av statistiska uppgifter |
| Varaktighet | 150 |
| Modul | D |
| Typ av lektion | Praktiskt |
| Fokus | Etisk forskning i praktiken |
| Ämne | Litteratur |
Nyckelord
Datarengöring, datarepresentation, visualisering,
Lärandemål
- Förstå och demonstrera datarepresentationen för AI- och ML-modellering
- Tillämpa en rad plottningstekniker för att visualisera data
- Kunna kontrollera rättvisa, hantera avvikande värden och saknade data
Förväntad förberedelse
Lärande händelser som ska slutföras innan
Obligatoriskt för studenter
Valfritt för studenter
- Ingen
Referenser och bakgrund för studenter
Rekommenderas för lärare
Lektionsmaterial
Ingen.
Instruktioner för lärare
Granska sammanfattningen av lektionsplanen för instruktioner till eleverna. Denna övning passar för datauppsättningen som innehåller en blandning av numeriska och kategoriska datatyper. Datarepresentationsmetoder varierar i datauppsättningar som innehåller bilder, text, ljud etc.
Konturer
| Varaktighet | Beskrivning | Begrepp |
|---|---|---|
| 15 min | Ge en beskrivning av uppgifterna för det praktiska. | Granskning av beskrivande statistik för ett dataset som innehåller numeriska och kategoriska data |
| 70 min | Plottning och grundläggande rengöring av data | Saknade uppgifter, god datapraxis, centrum och spridning, grundläggande plottning, datakodning |
| 70 min | Visualisering och inledande utredning | Google facetter, rättvisa kontroll, biases |
| 15 min | Slutsats, frågor och svar | Sammanfattning |
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.
Lektionsplan för SURF
[{{{{SurfLink}}} Wikiwijs sida]