[αυτή η σελίδα στο wiki][δείκτης][EN][BG][CS][DA][DE][EL][ES][ET][FI][FR][GA][HR][HU][IT][MT][NL][PL][PT][RO][SK][SL][SV]

Πρακτικό: Μη εποπτευόμενη μάθηση

Διοικητικές πληροφορίες

Τίτλος Μη εποπτευόμενη μάθηση
Διάρκεια 60 λεπτά
Ενότητα Α
Είδος μαθήματος Πρακτική
Εστίαση Πρακτική — Μοντελοποίηση τεχνητής νοημοσύνης
Θέμα Ανάλυση δεδομένων

Λέξεις-κλειδιά

Ομαδοποίηση, Ηθική, Ομαλοποίηση δεδομένων,

Μαθησιακοί στόχοι

Αναμενόμενη προετοιμασία

Υποχρεωτικό για τους φοιτητές

  • Πύθων
  • Πάντα

Προαιρετικό για Φοιτητές

Καμία.

Αναφορές και υπόβαθρο για τους μαθητές

Καμία.

Συνιστάται για εκπαιδευτικούς

Καμία.

Υλικό μαθήματος

Οδηγίες για τους εκπαιδευτικούς

Αυτή η μαθησιακή εκδήλωση αποτελείται από εργαστηριακές εργασίες που θα επιλυθούν από τους μαθητές με τη βοήθεια του κορυφαίου εκπαιδευτή.

Μπορείτε να βασίσετε αυτό το μάθημα γύρω από τα σημειωματάρια.

Σχεδιάγραμμα/χρονοδιάγραμμα

Διάρκεια (ελάχ.) Περιγραφή Έννοιες Δραστηριότητα Υλικό
5 Σύνολο δεδομένων Πρόγραμμα πιστότητας Tesco DB, πελάτες, ημερομηνίες, έξοδα, ημέρες της εβδομάδας Πρακτική Δεδομένα: DataSet_Tesco5000_withDaynum.csv
15 Ομαδοποίηση σε 2D Παρατηρήσεις με ανεπεξέργαστα δεδομένα, Kmeans με 2, 3, 4 συστάδες Σημειωματάριο, κωδικοποίηση Σημειωματάριο: 03_Clustering_I
10 Ομαδοποίηση σε 2D επίδραση της ομαλοποίησης δεδομένων (MinMax/StandardScaler), Kmeans με 2, 3,... 25 ομάδες Σημειωματάριο, κωδικοποίηση Σημειωματάριο: 03_Clustering_I
5 Κέντρα συστάδων κέντρα custer οικοπέδου: ακατέργαστα έναντι κανονικοποιημένων δεδομένων Σημειωματάριο, κωδικοποίηση Σημειωματάριο: 03_Clustering_I
5 Ομαδοποίηση ανάλογα με την ημέρα της εβδομάδας πλοκή εξάρτηση των δαπανών από την ημέρα της εβδομάδας (Mon, Tue,...Sun) Σημειωματάριο, κωδικοποίηση Σημειωματάριο: 03_Clustering_I
10 Ομαδοποίηση ανάλογα με τη μηνιαία επίσκεψη πλοκή που οι μήνες προτιμούν οι πελάτες. επίδραση του μεγέθους συστάδων. παρατηρήσεις ακραίων πελατών Σημειωματάριο, κωδικοποίηση Σημειωματάριο: 03_Clustering_I
10 Ομαδοποίηση: σχέση με την ηθική σχέση με σύνολα δεδομένων δεοντολογίας ? ?

Αναγνωρίσεις

Το πρόγραμμα Μάστερ τεχνητής νοημοσύνης με επίκεντρο τον άνθρωπο συγχρηματοδοτήθηκε από τον μηχανισμό «Συνδέοντας την Ευρώπη» της Ευρωπαϊκής Ένωσης στο πλαίσιο της επιχορήγησης CEF-TC-2020-1 Digital Skills 2020-EU-IA-0068.