[cette page sur wiki][index][EN][BG][CS][DA][DE][EL][ES][ET][FI][FR][GA][HR][HU][IT][MT][NL][PL][PT][RO][SK][SL][SV]

Pratique: Apprentissage non supervisé

Informations administratives

Titre Apprentissage non supervisé
Durée 60 minutes
Module A
Type de leçon Pratique
Focus Pratique — Modélisation de l’IA
Sujet Analyse des données

Mots-clés

Clustering, éthique, normalisation des données,

Objectifs d’apprentissage

Préparation prévue

Obligatoire pour les étudiants

  • Python
  • pandas

Optionnel pour les étudiants

Aucun.

Références et antécédents pour les étudiants

Aucun.

Recommandé pour les enseignants

Aucun.

Matériel de leçon

Instructions pour les enseignants

Cet événement d’apprentissage consiste en des tâches de laboratoire qui seront résolues par les étudiants avec l’aide de l’instructeur principal.

Vous pouvez baser cette classe autour des carnets.

Esquisse/horaire

Durée (min) Description Concepts Activité Matériel
5 Ensemble de données Programme de fidélité Tesco DB, clients, dates, dépenses, jours de la semaine Pratique Données: DataSet_Tesco5000_withDaynum.csv
15 Clustering en 2D Observations avec données brutes, Kmeans avec 2, 3, 4 clusters Carnet de notes, codage Carnet de notes: 03_Clustering_I
10 Clustering en 2D effet de la normalisation des données (MinMax/StandardScaler), Kmeans avec 2, 3,... 25 grappes Carnet de notes, codage Carnet de notes: 03_Clustering_I
5 Centres de clusters centres de custer de parcelles: données brutes vs normalisées Carnet de notes, codage Carnet de notes: 03_Clustering_I
5 Regroupement en fonction du jour de la semaine intrigue dépendante des dépenses par rapport au jour de la semaine (Lun, Mar,...Soleil) Carnet de notes, codage Carnet de notes: 03_Clustering_I
10 Regroupement en fonction de la visite mensuelle tracer les mois que les clients préfèrent. effet de la taille du cluster. observations de clients extrêmes Carnet de notes, codage Carnet de notes: 03_Clustering_I
10 Regroupement: rapport à l’éthique relation avec les ensembles de données éthiques ? ?

Remerciements

Le programme de master IA centré sur l’humain a été cofinancé par le mécanisme pour l’interconnexion en Europe de l’Union européenne dans le cadre de la subvention CEF-TC-2020-1 Digital Skills 2020-EU-IA-0068.