You can not select more than 25 topics
Topics must start with a letter or number, can include dashes ('-') and can be up to 35 characters long.
112 lines
24 KiB
112 lines
24 KiB
<!--
|
|
CO_OP_TRANSLATOR_METADATA:
|
|
{
|
|
"original_hash": "67076ed50f54e7d26ba1ba378d6078f1",
|
|
"translation_date": "2025-08-27T17:32:05+00:00",
|
|
"source_file": "6-Data-Science-In-Wild/20-Real-World-Examples/README.md",
|
|
"language_code": "ne"
|
|
}
|
|
-->
|
|
# वास्तविक संसारमा डाटा विज्ञान
|
|
|
|
|  ](../../sketchnotes/20-DataScience-RealWorld.png) |
|
|
| :--------------------------------------------------------------------------------------------------------------: |
|
|
| वास्तविक संसारमा डाटा विज्ञान - _Sketchnote by [@nitya](https://twitter.com/nitya)_ |
|
|
|
|
हामी यो सिकाइ यात्राको अन्त्यतिर आइपुगेका छौं!
|
|
|
|
हामीले डाटा विज्ञान र नैतिकताको परिभाषाबाट सुरु गर्यौं, डाटा विश्लेषण र भिजुअलाइजेसनका विभिन्न उपकरण र प्रविधिहरू अन्वेषण गर्यौं, डाटा विज्ञान जीवनचक्रको समीक्षा गर्यौं, र क्लाउड कम्प्युटिङ सेवाहरूको साथ डाटा विज्ञान कार्यप्रवाहलाई स्केल र स्वचालित गर्ने तरिकाहरू हेर्यौं। त्यसैले, तपाईं सोच्दै हुनुहुन्छ होला: _"यी सबै सिकाइहरूलाई वास्तविक संसारको सन्दर्भमा कसरी नक्सा बनाउने?"_
|
|
|
|
यस पाठमा, हामी उद्योगभरि डाटा विज्ञानका वास्तविक संसारका अनुप्रयोगहरू अन्वेषण गर्नेछौं र अनुसन्धान, डिजिटल मानविकी, र दिगोपनका सन्दर्भमा विशिष्ट उदाहरणहरूमा डुबुल्की मार्नेछौं। हामी विद्यार्थी परियोजनाका अवसरहरू हेर्नेछौं र तपाईंको सिकाइ यात्रा जारी राख्न मद्दत गर्न उपयोगी स्रोतहरूसँग निष्कर्ष निकाल्नेछौं!
|
|
|
|
## पूर्व-व्याख्यान प्रश्नोत्तर
|
|
|
|
[पूर्व-व्याख्यान प्रश्नोत्तर](https://purple-hill-04aebfb03.1.azurestaticapps.net/quiz/38)
|
|
|
|
## डाटा विज्ञान + उद्योग
|
|
|
|
एआईको लोकतान्त्रिकरणको कारण, विकासकर्ताहरूले अब एआई-चालित निर्णय-निर्माण र डाटा-आधारित अन्तर्दृष्टिहरूलाई प्रयोगकर्ता अनुभव र विकास कार्यप्रवाहमा डिजाइन र एकीकृत गर्न सजिलो पाएका छन्। यहाँ उद्योगभरि डाटा विज्ञानलाई "लागू" गर्ने केही उदाहरणहरू छन्:
|
|
|
|
* [Google Flu Trends](https://www.wired.com/2015/10/can-learn-epic-failure-google-flu-trends/) ले खोजी शब्दहरूलाई फ्लु प्रवृत्तिसँग सम्बन्धित गर्न डाटा विज्ञान प्रयोग गर्यो। यद्यपि यस दृष्टिकोणमा कमजोरीहरू थिए, यसले डाटा-आधारित स्वास्थ्य सेवा भविष्यवाणीहरूको सम्भावनाहरू (र चुनौतीहरू) को बारेमा सचेत गरायो।
|
|
|
|
* [UPS Routing Predictions](https://www.technologyreview.com/2018/11/21/139000/how-ups-uses-ai-to-outsmart-bad-weather/) - UPS ले मौसम अवस्था, ट्राफिक ढाँचा, डेलिभरी समयसीमा र अन्यलाई ध्यानमा राख्दै डेलिभरीका लागि उत्तम मार्गहरू भविष्यवाणी गर्न डाटा विज्ञान र मेसिन लर्निङ प्रयोग गर्ने तरिका वर्णन गर्दछ।
|
|
|
|
* [NYC Taxicab Route Visualization](http://chriswhong.github.io/nyctaxi/) - [Freedom Of Information Laws](https://chriswhong.com/open-data/foil_nyc_taxi/) प्रयोग गरेर संकलित डाटाले NYC क्याबहरूको दैनिक जीवनलाई दृश्यात्मक बनायो, जसले हामीलाई उनीहरूले व्यस्त शहरमा कसरी नेभिगेट गर्छन्, उनीहरूले कति पैसा कमाउँछन्, र प्रत्येक २४-घण्टे अवधिमा यात्राको अवधि बुझ्न मद्दत गर्यो।
|
|
|
|
* [Uber Data Science Workbench](https://eng.uber.com/dsw/) - दैनिक लाखौं उबर यात्राबाट संकलित डाटा (पिकअप र ड्रपअफ स्थानहरू, यात्रा अवधि, प्राथमिक मार्गहरू आदि) प्रयोग गरेर मूल्य निर्धारण, सुरक्षा, ठगी पत्ता लगाउने र नेभिगेसन निर्णयहरूको लागि डाटा विश्लेषण उपकरण निर्माण गरिन्छ।
|
|
|
|
* [Sports Analytics](https://towardsdatascience.com/scope-of-analytics-in-sports-world-37ed09c39860) - _पूर्वानुमानात्मक विश्लेषण_ (टीम र खेलाडी विश्लेषण - [Moneyball](https://datasciencedegree.wisconsin.edu/blog/moneyball-proves-importance-big-data-big-ideas/) जस्तै - र प्रशंसक व्यवस्थापन) र _डाटा भिजुअलाइजेसन_ (टीम र प्रशंसक ड्यासबोर्ड, खेलहरू आदि) मा केन्द्रित छ, जसले प्रतिभा खोज, खेल सट्टेबाजी र इन्वेन्टरी/स्थल व्यवस्थापन जस्ता अनुप्रयोगहरूलाई समर्थन गर्दछ।
|
|
|
|
* [Data Science in Banking](https://data-flair.training/blogs/data-science-in-banking/) - वित्त उद्योगमा जोखिम मोडेलिङ र ठगी पत्ता लगाउनेदेखि ग्राहक विभाजन, वास्तविक-समय भविष्यवाणी र सिफारिस प्रणालीसम्मका अनुप्रयोगहरूसँग डाटा विज्ञानको मूल्यलाई हाइलाइट गर्दछ। पूर्वानुमानात्मक विश्लेषणले [क्रेडिट स्कोर](https://dzone.com/articles/using-big-data-and-predictive-analytics-for-credit) जस्ता महत्त्वपूर्ण उपायहरूलाई पनि चलाउँछ।
|
|
|
|
* [Data Science in Healthcare](https://data-flair.training/blogs/data-science-in-healthcare/) - चिकित्सा इमेजिङ (जस्तै, MRI, X-Ray, CT-Scan), जीनोमिक्स (DNA अनुक्रमण), औषधि विकास (जोखिम मूल्याङ्कन, सफलता भविष्यवाणी), पूर्वानुमानात्मक विश्लेषण (रोगी हेरचाह र आपूर्ति रसद), रोग ट्र्याकिङ र रोकथाम आदि जस्ता अनुप्रयोगहरूलाई हाइलाइट गर्दछ।
|
|
|
|
 छवि स्रोत: [Data Flair: 6 Amazing Data Science Applications ](https://data-flair.training/blogs/data-science-applications/)
|
|
|
|
चित्रले डाटा विज्ञान प्रविधिहरू लागू गर्नका लागि अन्य डोमेन र उदाहरणहरू देखाउँछ। अन्य अनुप्रयोगहरू अन्वेषण गर्न चाहनुहुन्छ? तलको [समीक्षा र आत्म-अध्ययन](../../../../6-Data-Science-In-Wild/20-Real-World-Examples) खण्ड हेर्नुहोस्।
|
|
|
|
## डाटा विज्ञान + अनुसन्धान
|
|
|
|
|  ](../../sketchnotes/20-DataScience-Research.png) |
|
|
| :---------------------------------------------------------------------------------------------------------------: |
|
|
| डाटा विज्ञान र अनुसन्धान - _Sketchnote by [@nitya](https://twitter.com/nitya)_ |
|
|
|
|
वास्तविक संसारका अनुप्रयोगहरू प्रायः उद्योगका ठूला प्रयोगका केसहरूमा केन्द्रित भए पनि, _अनुसन्धान_ अनुप्रयोगहरू र परियोजनाहरू दुई दृष्टिकोणबाट उपयोगी हुन सक्छन्:
|
|
|
|
* _नवीनता अवसरहरू_ - उन्नत अवधारणाहरूको द्रुत प्रोटोटाइप र अर्को पुस्ताका अनुप्रयोगहरूको लागि प्रयोगकर्ता अनुभव परीक्षण अन्वेषण गर्नुहोस्।
|
|
* _परिनियोजन चुनौतीहरू_ - वास्तविक संसारका सन्दर्भहरूमा डाटा विज्ञान प्रविधिहरूको सम्भावित हानि वा अनपेक्षित परिणामहरूको अनुसन्धान गर्नुहोस्।
|
|
|
|
विद्यार्थीहरूका लागि, यी अनुसन्धान परियोजनाहरूले तपाईंको विषयको बुझाइ सुधार गर्न र चासोका क्षेत्रहरूमा काम गरिरहेका सम्बन्धित व्यक्ति वा टोलीहरूसँगको जागरूकता र संलग्नता विस्तार गर्न सिकाइ र सहकार्यका अवसरहरू प्रदान गर्न सक्छ। त्यसो भए अनुसन्धान परियोजनाहरू कस्ता देखिन्छन् र तिनीहरूले कसरी प्रभाव पार्न सक्छन्?
|
|
|
|
हामी एउटा उदाहरण हेरौं - [MIT Gender Shades Study](http://gendershades.org/overview.html) - Joy Buolamwini (MIT Media Labs) द्वारा गरिएको, जसले
|
|
|
|
* **के:** अनुसन्धान परियोजनाको उद्देश्य _स्वचालित अनुहार विश्लेषण एल्गोरिदम र डेटासेटहरूमा लिङ्ग र छालाको प्रकारको आधारमा पूर्वाग्रहको मूल्याङ्कन गर्नु_ थियो।
|
|
* **किन:** अनुहार विश्लेषण कानून प्रवर्तन, विमानस्थल सुरक्षा, भर्ती प्रणाली र अन्य क्षेत्रमा प्रयोग गरिन्छ - जहाँ गलत वर्गीकरण (जस्तै, पूर्वाग्रहका कारण) ले प्रभावित व्यक्तिहरू वा समूहहरूलाई सम्भावित आर्थिक र सामाजिक हानि पुर्याउन सक्छ। निष्पक्षताको लागि पूर्वाग्रहहरू बुझ्नु (र हटाउनु वा कम गर्नु) महत्त्वपूर्ण छ।
|
|
* **कसरी:** अनुसन्धानकर्ताहरूले पहिचान गरे कि विद्यमान बेंचमार्कहरूले प्रायः हल्का छालाका विषयहरू प्रयोग गर्थे, र नयाँ डेटासेट (१०००+ छविहरू) क्युरेट गरे, जुन लिङ्ग र छालाको प्रकारद्वारा _अधिक सन्तुलित_ थियो। डेटासेटलाई तीन लिङ्ग वर्गीकरण उत्पादनहरूको (Microsoft, IBM & Face++ बाट) सटीकता मूल्याङ्कन गर्न प्रयोग गरियो।
|
|
|
|
परिणामहरूले देखाए कि यद्यपि समग्र वर्गीकरण सटीकता राम्रो थियो, विभिन्न उपसमूहहरू बीच त्रुटि दरमा उल्लेखनीय भिन्नता थियो - महिलाहरू वा गाढा छालाका व्यक्तिहरूको लागि **गलत लिङ्ग निर्धारण** उच्च थियो, जसले पूर्वाग्रहलाई संकेत गर्दछ।
|
|
|
|
**मुख्य परिणामहरू:** डाटा विज्ञानलाई _प्रतिनिधित्व गर्ने डेटासेटहरू_ (सन्तुलित उपसमूहहरू) र _समावेशी टोलीहरू_ (विविध पृष्ठभूमि) को आवश्यकता छ भन्ने सचेतना बढायो, जसले एआई समाधानहरूमा यस्ता पूर्वाग्रहहरू चाँडै हटाउन वा कम गर्न मद्दत गर्दछ। यस प्रकारका अनुसन्धान प्रयासहरूले धेरै संस्थाहरूलाई _जिम्मेवार एआई_ को लागि सिद्धान्त र अभ्यासहरू परिभाषित गर्न पनि प्रेरित गर्दछ।
|
|
**प्लानेटरी कम्प्युटर प्रोजेक्ट हाल प्रिभ्यूमा छ (सेप्टेम्बर २०२१ अनुसार)** - डाटा साइन्स प्रयोग गरेर दिगो समाधानमा योगदान दिन सुरु गर्न यहाँबाट थाल्नुहोस्।
|
|
|
|
* [एक्सेसको लागि अनुरोध गर्नुहोस्](https://planetarycomputer.microsoft.com/account/request) अन्वेषण सुरु गर्न र साथीहरूसँग जडान गर्न।
|
|
* [डकुमेन्टेसन अन्वेषण गर्नुहोस्](https://planetarycomputer.microsoft.com/docs/overview/about) समर्थित डेटासेट र API हरू बुझ्न।
|
|
* [इकोसिस्टम मोनिटरिङ](https://analytics-lab.org/ecosystemmonitoring/) जस्ता एप्लिकेसनहरू अन्वेषण गर्नुहोस् एप्लिकेसन आइडियाहरूको प्रेरणाको लागि।
|
|
|
|
डाटा भिजुअलाइजेसन प्रयोग गरेर जलवायु परिवर्तन र वन विनाश जस्ता क्षेत्रहरूमा सान्दर्भिक जानकारी उजागर गर्न वा प्रवर्धन गर्न सक्ने तरिकाहरूको बारेमा सोच्नुहोस्। वा सोच्नुहोस् कि कसरी यी जानकारीहरूलाई नयाँ प्रयोगकर्ता अनुभव सिर्जना गर्न प्रयोग गर्न सकिन्छ जसले दिगो जीवनशैलीको लागि व्यवहार परिवर्तनलाई प्रेरित गर्छ।
|
|
|
|
## डाटा साइन्स + विद्यार्थीहरू
|
|
|
|
हामीले उद्योग र अनुसन्धानमा वास्तविक संसारका एप्लिकेसनहरूको बारेमा कुरा गरेका छौं, र डिजिटल ह्युम्यानिटीज र दिगो विकासमा डाटा साइन्स एप्लिकेसनका उदाहरणहरू अन्वेषण गरेका छौं। अब, डाटा साइन्सको शुरुवातकर्ता रूपमा तपाईंले आफ्नो सीप कसरी निर्माण गर्न सक्नुहुन्छ र आफ्नो विशेषज्ञता साझा गर्न सक्नुहुन्छ?
|
|
|
|
यहाँ विद्यार्थीहरूको लागि प्रेरणादायक डाटा साइन्स प्रोजेक्टका केही उदाहरणहरू छन्।
|
|
|
|
* [MSR डाटा साइन्स समर स्कूल](https://www.microsoft.com/en-us/research/academic-program/data-science-summer-school/#!projects) GitHub [प्रोजेक्टहरू](https://github.com/msr-ds3) सहित, जस्तै:
|
|
- [प्रहरीको बल प्रयोगमा जातीय पूर्वाग्रह](https://www.microsoft.com/en-us/research/video/data-science-summer-school-2019-replicating-an-empirical-analysis-of-racial-differences-in-police-use-of-force/) | [Github](https://github.com/msr-ds3/stop-question-frisk)
|
|
- [NYC सबवे प्रणालीको विश्वसनीयता](https://www.microsoft.com/en-us/research/video/data-science-summer-school-2018-exploring-the-reliability-of-the-nyc-subway-system/) | [Github](https://github.com/msr-ds3/nyctransit)
|
|
* [सामग्री संस्कृति डिजिटलाइजिङ: सिर्कापमा सामाजिक-आर्थिक वितरण अन्वेषण गर्दै](https://claremont.maps.arcgis.com/apps/Cascade/index.html?appid=bdf2aef0f45a4674ba41cd373fa23afc) - [Ornella Altunyan](https://twitter.com/ornelladotcom) र Claremont टिमबाट, [ArcGIS StoryMaps](https://storymaps.arcgis.com/) प्रयोग गर्दै।
|
|
|
|
## 🚀 चुनौती
|
|
|
|
डाटा साइन्स प्रोजेक्टहरूका लागि लेखहरू खोज्नुहोस् जुन शुरुवातकर्ताहरूका लागि उपयुक्त छन् - जस्तै [यी ५० विषय क्षेत्रहरू](https://www.upgrad.com/blog/data-science-project-ideas-topics-beginners/) वा [यी २१ प्रोजेक्ट आइडियाहरू](https://www.intellspot.com/data-science-project-ideas) वा [यी १६ प्रोजेक्टहरू स्रोत कोडसहित](https://data-flair.training/blogs/data-science-project-ideas/) जसलाई तपाईंले डिकन्स्ट्रक्ट र रिमिक्स गर्न सक्नुहुन्छ। र आफ्नो सिकाइ यात्रा ब्लग गर्न नबिर्सनुहोस् र आफ्नो जानकारी हामी सबैसँग साझा गर्नुहोस्।
|
|
|
|
## पोस्ट-लेक्चर क्विज
|
|
|
|
[पोस्ट-लेक्चर क्विज](https://purple-hill-04aebfb03.1.azurestaticapps.net/quiz/39)
|
|
|
|
## समीक्षा र आत्म-अध्ययन
|
|
|
|
थप प्रयोग केसहरू अन्वेषण गर्न चाहनुहुन्छ? यहाँ केही सान्दर्भिक लेखहरू छन्:
|
|
* [१७ डाटा साइन्स एप्लिकेसनहरू र उदाहरणहरू](https://builtin.com/data-science/data-science-applications-examples) - जुलाई २०२१
|
|
* [वास्तविक संसारमा ११ अद्भुत डाटा साइन्स एप्लिकेसनहरू](https://myblindbird.com/data-science-applications-real-world/) - मे २०२१
|
|
* [वास्तविक संसारमा डाटा साइन्स](https://towardsdatascience.com/data-science-in-the-real-world/home) - लेख संग्रह
|
|
* डाटा साइन्समा: [शिक्षा](https://data-flair.training/blogs/data-science-in-education/), [कृषि](https://data-flair.training/blogs/data-science-in-agriculture/), [वित्त](https://data-flair.training/blogs/data-science-in-finance/), [चलचित्रहरू](https://data-flair.training/blogs/data-science-at-movies/) र थप।
|
|
|
|
## असाइनमेन्ट
|
|
|
|
[प्लानेटरी कम्प्युटर डेटासेट अन्वेषण गर्नुहोस्](assignment.md)
|
|
|
|
---
|
|
|
|
**अस्वीकरण**:
|
|
यो दस्तावेज़ AI अनुवाद सेवा [Co-op Translator](https://github.com/Azure/co-op-translator) प्रयोग गरेर अनुवाद गरिएको छ। हामी शुद्धताको लागि प्रयास गर्छौं, तर कृपया ध्यान दिनुहोस् कि स्वचालित अनुवादहरूमा त्रुटि वा अशुद्धता हुन सक्छ। यसको मूल भाषा मा रहेको मूल दस्तावेज़लाई आधिकारिक स्रोत मानिनुपर्छ। महत्वपूर्ण जानकारीको लागि, व्यावसायिक मानव अनुवाद सिफारिस गरिन्छ। यस अनुवादको प्रयोगबाट उत्पन्न हुने कुनै पनि गलतफहमी वा गलत व्याख्याको लागि हामी जिम्मेवार हुने छैनौं। |