Sekcja: Materiał merytoryczny | Jakość danych i data governance w analizie danych oraz ML | eSezam

Strona główna Strona OKNO Portal Wiedza

Przegląd sekcji

- Wybierz aktywność Wstęp do kursu
  
  Wstęp do kursu Plik
  
  materiały zostały wytworzone z wykorzystaniem sztucznej inteligencji
- Minimalizuj Rozwiń
  Moduł 1: Wprowadzenie: dlaczego jakość danych decyduje o jakości analizy i ML
  
  Wybierz aktywność M1 - Wprowadzenie: dlaczego jakość danych decyduje o jakości analizy i ML
  
  M1 - Wprowadzenie: dlaczego jakość danych decyduje o jakości analizy i ML Plik
  
  materiały zostały wytworzone z wykorzystaniem sztucznej inteligencji
  
  Wybierz aktywność M1 - Test samosprawdzający
  
  M1 - Test samosprawdzający H5P
- Minimalizuj Rozwiń
  Moduł 2: Wymiary jakości danych w praktyce
  
  Wybierz aktywność M2 - Wymiary jakości danych w praktyce
  
  M2 - Wymiary jakości danych w praktyce Plik
  
  materiały zostały wytworzone z wykorzystaniem sztucznej inteligencji
  
  Wybierz aktywność M2 - Test samosprawdzający
  
  M2 - Test samosprawdzający H5P
- Minimalizuj Rozwiń
  Moduł 3: Cykl życia danych i źródła problemów jakości
  
  Wybierz aktywność M3 - Cykl życia danych i źródła problemów jakości
  
  M3 - Cykl życia danych i źródła problemów jakości Plik
  
  materiały zostały wytworzone z wykorzystaniem sztucznej inteligencji
  
  Wybierz aktywność M3 - Test samosprawdzający
  
  M3 - Test samosprawdzający H5P
- Minimalizuj Rozwiń
  Moduł 4: Data Governance i role w organizacji
  
  Wybierz aktywność M4 - Data Governance i role w organizacji
  
  M4 - Data Governance i role w organizacji Plik
  
  materiały zostały wytworzone z wykorzystaniem sztucznej inteligencji
  
  Wybierz aktywność M4 - Test samosprawdzający
  
  M4 - Test samosprawdzający H5P
- Minimalizuj Rozwiń
  Moduł 5: Data Quality by Design
  
  Wybierz aktywność M5 - Data Quality by Design
  
  M5 - Data Quality by Design Plik
  
  materiały zostały wytworzone z wykorzystaniem sztucznej inteligencji
  
  Wybierz aktywność M5 - Test samosprawdzający
  
  M5 - Test samosprawdzający H5P
- Minimalizuj Rozwiń
  Moduł 6: Bias, leakage i drift w praktyce ML
  
  Wybierz aktywność M6 - Bias, leakage i drift w praktyce ML
  
  M6 - Bias, leakage i drift w praktyce ML Plik
  
  materiały zostały wytworzone z wykorzystaniem sztucznej inteligencji
  
  Wybierz aktywność M6 - Test samosprawdzający
  
  M6 - Test samosprawdzający H5P
- Minimalizuj Rozwiń
  Moduł 7: Jakość etykiet, celu i definicji biznesowych
  
  Wybierz aktywność M7 - Jakość etykiet, celu i definicji biznesowych
  
  M7 - Jakość etykiet, celu i definicji biznesowych Plik
  
  materiały zostały wytworzone z wykorzystaniem sztucznej inteligencji
  
  Wybierz aktywność M7 - Test samosprawdzający
  
  M7 - Test samosprawdzający H5P
- Minimalizuj Rozwiń
  Moduł 8: Monitorowanie jakości danych po wdrożeniu modelu
  
  Wybierz aktywność M8 - Monitorowanie jakości danych po wdrożeniu modelu
  
  M8 - Monitorowanie jakości danych po wdrożeniu modelu Plik
  
  materiały zostały wytworzone z wykorzystaniem sztucznej inteligencji
  
  Wybierz aktywność M8 - Test samosprawdzający
  
  M8 - Test samosprawdzający H5P
- Minimalizuj Rozwiń
  Moduł 9: Audyt, regulacje i zaufanie do modeli ML
  
  Wybierz aktywność M9 - Audyt, regulacje i zaufanie do modeli ML
  
  M9 - Audyt, regulacje i zaufanie do modeli ML Plik
  
  materiały zostały wytworzone z wykorzystaniem sztucznej inteligencji
  
  Wybierz aktywność M9 - Test samosprawdzający
  
  M9 - Test samosprawdzający H5P
- Minimalizuj Rozwiń
  Moduł 10: Warsztat końcowy: rekomendacja Data Governance dla Customer 360
  
  Wybierz aktywność M10 - Warsztat końcowy: rekomendacja Data Governance dla Customer 360
  
  M10 - Warsztat końcowy: rekomendacja Data Governance dla Customer 360 Plik
  
  Wybierz aktywność M10 - Test samosprawdzający
  
  M10 - Test samosprawdzający H5P
- Minimalizuj Rozwiń
  Zasoby wspólne dla modułów merytorycznych
  
  Wybierz aktywność Dane wejściowe do części laboratoryjnej (data)
  
  Dane wejściowe do części laboratoryjnej (data) Folder