[den här sidan på wiki][index][EN][BG][CS][DA][DE][EL][ES][ET][FI][FR][GA][HR][HU][IT][MT][NL][PL][PT][RO][SK][SL][SV]

Praktiskt: Oövervakat lärande

Administrativ information

Titel Oövervakat lärande
Varaktighet 60 minuter
Modul A
Typ av lektion Praktiskt
Fokus Praktiskt – AI-modellering
Ämne Dataanalys

Nyckelord

Klustring, etik, datanormalisering,

Lärandemål

Förväntad förberedelse

Obligatoriskt för studenter

  • Python
  • pandor

Valfritt för studenter

Ingen.

Referenser och bakgrund för studenter

Ingen.

Rekommenderas för lärare

Ingen.

Lektionsmaterial

Instruktioner för lärare

Denna inlärningshändelse består av laboratorieuppgifter som ska lösas av eleverna med hjälp av den ledande instruktören.

Du kan basera den här klassen runt anteckningsböckerna.

Skiss/tidsschema

Längd (min) Beskrivning Begrepp Verksamhet Material
5 Datauppsättning Tesco lojalitetsprogram DB, kunder, datum, tillbringa, dagar i veckan Övning Uppgifter: DataSet_Tesco5000_withDaynum.csv
15 Klustring i 2D Observationer med rådata, Kmeans med 2, 3, 4 kluster Anteckningsbok, kodning Anteckningsbok: 03_Klustring_I
10 Klustring i 2D effekten av data normalisering (MinMax/StandardScaler), Kmeans med 2, 3,... 25 kluster Anteckningsbok, kodning Anteckningsbok: 03_Klustring_I
5 Klustercentra tomt custer centers: råa vs normaliserade data Anteckningsbok, kodning Anteckningsbok: 03_Klustring_I
5 Klustring beroende på veckodag plot beroende av utgifter vs dag-i-vecka (mån, tis,... sol) Anteckningsbok, kodning Anteckningsbok: 03_Klustring_I
10 Klustring beroende på månadsbesök rita vilka månader kunderna föredrar. effekt av klusterstorlek. observationer av extrema kunder Anteckningsbok, kodning Anteckningsbok: 03_Klustring_I
10 Klustring: relaterar till etik förhållande till etiska dataset ? ?

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.