Zaawansowana eksploracja danych

Wprowadzenie

• Cel zajęć
• Zasady gry
• Wstępny plan

1. Selekcja danych
2. Czyszczenie i wstępne przetwarzanie danych
3. Przekształcenie i redukcja danych
4. Wybór zadania/zadań eksploracji danych
5. Eksploracja danych
6. Interpretacja, analiza i ocena odkrytej wiedzy, wizualizacja odkrytych wzorców

• Praca nad całym procesem odkrywania wiedzy
• Praktyczna eksploracja danych (R + Python)
• Omówienie najczęstszych problemów pojawiających się podczas analizy danych
• Przedstawienie kliku bardziej złożonych metod uczenia maszynowego
• Samodzielna praca z prawdziwymi danymi
• Nauka interpretacji uzyskanych wyników
• Tworzenie raportów i interaktywnych wizualizacji

• Obecność
• Kartkówki (w tym roku raczej quizy)
• Raport z analizy danych (R + knitr)
• Raport z uczenia maszynowego (Python + Notebook)
• Dla chętnych dodatkowa aplikacja (R + shiny i/lub Python + Dash)

• Programowanie w R
• Czyszczenie i analiza danych
• Powtarzalne eksperymenty i raportowanie
• Interaktywna wizualizacja danych
• Regresja, klasyfikacja i grupowanie
• Bardziej zaawansowane metody uczenia maszynowego (analiza tekstu i sentymentu, topic modeling, word embeddings, uczenie głębokie)