Arvestuse saamiseks tarvilik kursusel Üldotstarbelised arendusplatvormid kevadsemestril 2018

Andmestiku tutvustus ja ennustused                                           8.03
Unity rakendus                                                               4.05
Kontrolltöö                                                                  4.05
Seminar                                                                     11.05



Selgitusi

* Andmestiku tutvustus ja ennustused 

Otsi töö aluseks andmestik. Kirjelda andmestikku interaktiivse Power Bi lehe abil, publitseeri leht, kui kasutatavad komponendid seda võimaldavad.
Tõmba andmestik Azure Machine Learning Studiosse. Vali tunnus, mida oleks võimalik arvuliselt ennustada. Koosta ennustamiseks mudel. Jaga andmed treening- ja testhulgaks. Arvuta testhulga juures ennustused. Tõmba andmed edasi Jupyter Notebooki, koosta seal joonis, kus testandmete puhul näidatakse tegelikud väärtused ning ennustamise tulemusel saadud väärtused. Pane plokkide ja seoste joonis ka Notebooki. Koosta veebiteenus, kus sama mudeli põhjal saab sisendandmete põhjal tulemuste ennustused. Käivita teenus Jupyter Notebooki kaudu, kuva ka veebiteenusesse sisestatud andmed ja saadud tulemused joonisena.
Leia andmestikust piiratud väärtuste arvuga tunnus mida ennustada (vajadusel rühmitades olemasolevaid väärtusi). Koosta ka selle ennustamise tarbeks masinõppe mudel, käivita see nii otse kui veebiteenuse kaudu ning illustreeri tulemusi Jupyter Notebook'is. Lisa Power Bi lehe viide või ekraanikoopiad eelnevale ning esita töö õppejõule. 


Andmestikke:

http://archive.ics.uci.edu/ml
Statistikaamet
http://www.tlu.ee/~jaagup/andmed/
http://www.tlu.ee/~jaagup/andmed/keel/korpus/


* Unity rakendus

Kolmemõõtmeline kasutatav (laua)mäng või (füüsika)simulatsioon 
Selle asemel võib esitada ka EntityFrameworki abil koostatud seotud tabelite ja mitme kasutajarolliga veebilahenduse