Btec international level 3 it specification

Learning aim B: Plan and prepare an AI solution to meet identified needs 
B1 Data for AI 
•
The fundamental concepts of data and its use in AI. 
•
Different types of data and how this impacts its storage and use: 
o
structured data 
o
unstructured data 
o
semi-structured data 
o
time-series data. 
•
Sources of data including: 
o
web/social media 
o
point of sales and stick control systems 
o
e-commerce systems 
o
internet of things (IoT) 
o
corporate data sources, e.g. databases, spreadsheets. 
•
Impact of the size of a data set on its storage and use. 
•
The use of big data in AI solutions. 
•
The ‘Five Vs’ of big data (volume, variability, velocity, veracity, value). 
•
The differences between qualitative and quantitative data and the uses of each. 
•
Data processing activities and their use in AI: 
o
descriptive analytics 
o
diagnostic analytics 
o
extraction, transformation and load (ETL) 
o
predictive analytics 
o
prescriptive analytics 
o
data visualisation. 
B2 Gathering and preparing data 
•
The principles and processes of data collection and preparation to ensure high 
quality data for an AI solution. 
•
Selecting suitable data and data sources, including: 
o
identifying objectives of the project or task 
o
reviewing available data 
o
identifying appropriateness and suitability of current available data 
o
identifying shortfalls in current data in relation to the objectives. 

---

U
NIT 
21:
I
NTRODUCTION TO 
A
RTIFICIAL 
I
NTELLIGENCE 
(AI) 
Pearson BTEC International Level 3 Qualifications in Information Technology –
Specification – Issue 3 – September 2022 © Pearson Education Limited 2022 
291 
•
Gathering and preparing data for a project: 
o
the concept of bias and how to reduce its impact on data sets 
o
identifying and accessing suitable and reliable sources of data 
o
preparing data ready for use, e.g. cleansing data, removing redundancy, 
combining/aggregating data sets, checking validity of data. 
•
Selecting and using appropriate data structures and formats, e.g. JSON,
CSV, XML. 
•
Legislative, ethical and security considerations when gathering, preparing and 
using data for an AI project, including: 
o
local current and relevant legislative issues 
o
ethical issues, including individual and organisational rights and responsibilities, 
e.g. guaranteeing individual anonymity while maintaining the quality of data 
o
ensuring security and privacy of personal and sensitive data 
o
protecting data against damage or corruption. 
•
Selecting and preparing training, validation, and testing data sets for an AI 
project.