[denne side på wiki][indeks][EN][BG][CS][DA][DE][EL][ES][ET][FI][FR][GA][HR][HU][IT][MT][NL][PL][PT][RO][SK][SL][SV]

Praktisk: Uovervåget læring

Administrative oplysninger

Titel Uovervåget læring
Varighed 60 min.
Modul A
Lektionstype Praktisk
Fokus Praktisk — modellering af kunstig intelligens
Emne Analyse af data

Nøgleord

Klyngedannelse, etik, datanormalisering,

Læringsmål

Forventet forberedelse

Obligatorisk for studerende

  • Python
  • pandaer

Valgfrit for studerende

Ingen.

Referencer og baggrund for studerende

Ingen.

Anbefalet til lærerne

Ingen.

Undervisningsmaterialer

Instruktioner til lærerne

Denne læringsbegivenhed består af laboratorieopgaver, der skal løses af de studerende med hjælp fra den ledende instruktør.

Du kan basere denne klasse omkring notesbøgerne.

Oversigt/tidsplan

Varighed (min) Beskrivelse Koncepter Aktivitet Materiale
5 Datasæt Tesco loyalitetsprogram DB, kunder, datoer, tilbringe, dage i ugen Praksis Data: DataSet_Tesco5000_withDaynum.csv
15 Klyngedannelse i 2D Observationer med rådata, Kmeans med 2, 3, 4 klynger Notesbog, kodning Notebog: 03_Clustering_I
10 Klyngedannelse i 2D effekt af data normalisering (MinMax/StandardScaler), Kmeans med 2, 3,... 25 klynger Notesbog, kodning Notebog: 03_Clustering_I
5 Klyngecentre plot custer centre: RAW vs normaliserede data Notesbog, kodning Notebog: 03_Clustering_I
5 Klynger afhængigt af ugedag plot afhængighed af udgifter vs dag-i-uge (Mon, Tue,...Sun) Notesbog, kodning Notebog: 03_Clustering_I
10 Klynger afhængigt af månedligt besøg plot hvilke måneder kunderne foretrækker. effekt af klyngestørrelse. observationer af ekstreme kunder Notesbog, kodning Notebog: 03_Clustering_I
10 Klyngedannelse: forhold til etik relation til etiske datasæt ? ?

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.