Aktiemall

Från Stock Exchange till Bibeln: AI som tänker längs

Anomaliupptäckt, aktiebolagsprognoser & AI-textgenerering

Kategori: Framträdande Språk: Python 3 Komponenter: 5
Inkluderar undervisningsmaterial: PowerPoint-föreläsningar och instruktörshandledning
Förhandsvisningsbild: Från Stock Exchange till Bibeln: AI som tänker längs

Utbildningsmål

Denna kursmall förmedlar grundläggande procedurer inom dataanalys och maskininlärning genom strukturerade exempel från tidsserier, klassificering och textgenerering. Den stödjer utvecklingen av professionella kompetenser inom statistisk modellering, algoritmisk strukturering samt praktisk implementering av datadriven beslutsprocesser. Genom steg-för-steg utveckling av analys- och prognosmodeller blir kopplingen mellan datatillgång, modellbyggande och kodimplementering tydlig. Mallen ska tilldelas området modellering och data-driven problemlösning.

Nyckelkompetenser

Struktur av moduler

Anomalidetektion i temperaturtidsserier

Introduktion till statistiska metoder för att identifiera utomordinarie värden i mätdata som grund för data-drivna analysmodeller.

60 minuter 🧩 4 uppgifter

Förutsägande av aktiepriser: Tre metoder

Jämförelse mellan grundläggande förutsägande metoder för att modellera utvecklingen av aktiepriser baserat på historiska data.

70 minuter 🧩 4 uppgifter

Klassificering av djur med besluts träddiagram & k-NN

Användning av klassiska klassificeringsmetoder för strukturerad tilldelning av objekt baserat på definierade egenskaper.

65 minuter 🧩 4 uppgifter

Automatisk identifiering av restaurangrecensioner

Introduktion till enkla textklassificeringsmetoder genom analys av nyckelord i recensionsdata.

45 minuter 🧩 4 uppgifter

Fortsättning på bibelvers med hjälp av Markovkedjor

Modellering av språkliga mönster för att generera nya texter baserat på statistiska ordsekvenser.

60 minuter 🧩 6 uppgifter
Använd modulerna som ett anpassbart lektionmall för data-drivna modellprojekt. Testa mallen
Denna mall stöder kompetensbaserad introduktion till data-drivna modeller och leder strukturerat till implementering i kod.

De tydligt strukturerade modulerna möjliggör transparenta lärandemål och kan integreras i befintliga undervisningsserier.

Prova ut mallen i demo-tillgång och anpassa innehållet till din undervisningssituation.