Hoppa till innehållet
AI-grafen

Data: samla, städa, dokumentera

Från observation till tabell, via konstiga värden, licenser och textförbehandling till ett dokumenterat dataset utan läckage.

D· AI-utvecklare

Alla kunskaper som ingår (40) — i beroendeordning

  1. 1AMönster och kategorier
  2. 2BData från vardagen
  3. 3BData om mig — vad samlas in?
  4. 4BKonstiga värden i datan
  5. 5ASamla in data med en undersökning
  6. 6AInstruktioner i rätt ordning
  7. 7BAlgoritmiskt tänkande
  8. 8CFunktioner och koordinatsystem
  9. 9CProgrammeringslogik — variabler, villkor, loopar
  10. 10CPython — grunderna
  11. 11CPython — listor, loopar och dictionaries
  12. 12CPython — strängar och textbehandling
  13. 13CPython — filer, CSV och JSON
  14. 14DAPI:er och HTTP
  15. 15DReguljära uttryck
  16. 16BRegler kontra inlärning
  17. 17BKällkritik och ansvar när AI svarar
  18. 18DLicenser och öppna data
  19. 19EPersonuppgifter och anonymisering
  20. 20AFrån saker till tabell
  21. 21CStatistik — medelvärde, median och spridning
  22. 22DTextförbehandling
  23. 23BTräningsdata, features och etiketter
  24. 24EAnnotering och märkning av data
  25. 25EDatasetdokumentation och datasheets
  26. 26BKlassificering — så sorterar en modell
  27. 27CDin första prediktiva modell — en rät linje
  28. 28CUrval: vem har vi frågat?
  29. 29DVektorer
  30. 30DMatriser och matrismultiplikation
  31. 31DLinjär regression med flera features
  32. 32DNumPy — arrayer och vektorisering
  33. 33DOverfitting och generalisering
  34. 34DPandas — tabeller i Python
  35. 35DDatakvalitet: saknade värden, dubbletter, fel
  36. 36DFeature engineering
  37. 37DObalanserade klasser
  38. 38DTräning, validering och test
  39. 39DDataläckage
  40. 40EWebbskrapning — teknik och regler