Data-Science-For-Beginners/translations/tl/1-Introduction/01-defining-data-science

Mga Uri ng Datos

Tulad ng nabanggit na, ang datos ay nasa lahat ng dako. Kailangan lang natin itong makuha sa tamang paraan! Mahalagang maunawaan ang pagkakaiba ng structured at unstructured na datos. Ang structured na datos ay karaniwang nasa maayos na anyo, madalas na nasa anyo ng isang talahanayan o maraming talahanayan, habang ang unstructured na datos ay isang koleksyon lamang ng mga file. Minsan, maaari rin nating pag-usapan ang tungkol sa semi-structured na datos, na may ilang uri ng istruktura na maaaring magkaiba-iba.

Structured	Semi-structured	Unstructured
Listahan ng mga tao kasama ang kanilang mga numero ng telepono	Mga pahina ng Wikipedia na may mga link	Teksto ng Encyclopedia Britannica
Temperatura sa lahat ng silid ng isang gusali bawat minuto sa nakalipas na 20 taon	Koleksyon ng mga siyentipikong papel sa JSON format na may mga may-akda, petsa ng publikasyon, at abstrak	File share na may mga dokumentong pangkorporasyon
Datos ng edad at kasarian ng lahat ng pumapasok sa gusali	Mga pahina sa Internet	Raw na video feed mula sa surveillance camera

Saan Kumuha ng Datos

Maraming posibleng mapagkukunan ng datos, at imposibleng mailista ang lahat ng ito! Gayunpaman, banggitin natin ang ilan sa mga karaniwang lugar kung saan maaaring makakuha ng datos:

• Structured
  • Internet of Things (IoT), kabilang ang datos mula sa iba't ibang sensor, tulad ng temperatura o pressure sensors, na nagbibigay ng maraming kapaki-pakinabang na datos. Halimbawa, kung ang isang gusali ng opisina ay may IoT sensors, maaari nating awtomatikong kontrolin ang pag-init at pag-iilaw upang mabawasan ang gastos.
  • Mga Survey na hinihiling nating sagutan ng mga gumagamit pagkatapos ng pagbili, o pagkatapos bumisita sa isang website.
  • Pagsusuri ng Pag-uugali na maaaring makatulong upang maunawaan kung gaano kalalim ang paggalugad ng isang gumagamit sa isang site, at kung ano ang karaniwang dahilan ng pag-alis sa site.
• Unstructured
  • Mga Teksto na maaaring maging mayamang mapagkukunan ng mga pananaw, tulad ng pangkalahatang sentiment score, o pagkuha ng mga keyword at kahulugan ng semantika.
  • Mga Larawan o Video. Ang isang video mula sa surveillance camera ay maaaring gamitin upang tantyahin ang trapiko sa kalsada, at ipaalam sa mga tao ang tungkol sa mga posibleng pagsisikip ng trapiko.
  • Logs ng web server na maaaring gamitin upang maunawaan kung aling mga pahina ng ating site ang madalas bisitahin, at kung gaano katagal.
• Semi-structured
  • Mga Graph ng Social Network na maaaring maging mahusay na mapagkukunan ng datos tungkol sa personalidad ng mga gumagamit at potensyal na pagiging epektibo sa pagpapakalat ng impormasyon.
  • Kapag mayroon tayong koleksyon ng mga litrato mula sa isang party, maaari nating subukang kunin ang datos ng Group Dynamics sa pamamagitan ng paggawa ng graph ng mga taong nagpipicture kasama ang isa't isa.

Sa pamamagitan ng pag-alam sa iba't ibang posibleng mapagkukunan ng datos, maaari kang mag-isip ng iba't ibang mga senaryo kung saan maaaring gamitin ang mga teknik ng data science upang mas maunawaan ang sitwasyon, at mapabuti ang mga proseso ng negosyo.

Ano ang Maaaring Gawin sa Datos

Sa Data Science, nakatuon tayo sa mga sumusunod na hakbang ng paglalakbay ng datos:

Siyempre, depende sa aktwal na datos, maaaring may mga hakbang na hindi na kailangan (halimbawa, kung ang datos ay nasa database na, o kung hindi na kailangan ang model training), o maaaring ulitin ang ilang hakbang nang maraming beses (tulad ng data processing).

Digitalisasyon at Digital Transformation

Sa nakalipas na dekada, maraming negosyo ang nagsimulang maunawaan ang kahalagahan ng datos sa paggawa ng mga desisyon sa negosyo. Upang maipatupad ang mga prinsipyo ng data science sa pagpapatakbo ng negosyo, kailangang mangolekta muna ng datos, o isalin ang mga proseso ng negosyo sa digital na anyo. Ito ay kilala bilang digitalisasyon. Ang paggamit ng mga teknik ng data science sa datos na ito upang gabayan ang mga desisyon ay maaaring magdulot ng malaking pagtaas sa produktibidad (o kahit pagbabago ng negosyo), na tinatawag na digital transformation.

Isaalang-alang natin ang isang halimbawa. Ipagpalagay nating mayroon tayong isang kurso sa data science (tulad ng kursong ito) na inihahatid online sa mga mag-aaral, at nais nating gamitin ang data science upang mapabuti ito. Paano natin ito magagawa?

Maaari tayong magsimula sa pagtatanong, "Ano ang maaaring gawing digital?" Ang pinakasimpleng paraan ay sukatin ang oras na ginugugol ng bawat mag-aaral upang matapos ang bawat module, at sukatin ang nakuha nilang kaalaman sa pamamagitan ng pagbibigay ng multiple-choice test sa dulo ng bawat module. Sa pamamagitan ng pagkuha ng average na oras ng pagkumpleto sa lahat ng mag-aaral, maaari nating malaman kung aling mga module ang nagdudulot ng pinakamaraming kahirapan sa mga mag-aaral, at magtrabaho sa pagpapasimple ng mga ito. Maaaring sabihin mo na ang paraang ito ay hindi perpekto, dahil ang mga module ay maaaring magkakaiba ang haba. Mas makatarungan siguro kung hahatiin ang oras batay sa haba ng module (sa bilang ng mga karakter), at ikumpara ang mga halagang iyon sa halip. Kapag sinimulan nating suriin ang mga resulta ng mga multiple-choice na pagsusulit, maaari nating subukang tukuyin kung aling mga konsepto ang mahirap maintindihan ng mga mag-aaral, at gamitin ang impormasyong iyon upang mapabuti ang nilalaman. Upang magawa ito, kailangan nating idisenyo ang mga pagsusulit sa paraang ang bawat tanong ay tumutukoy sa isang partikular na konsepto o bahagi ng kaalaman.

Kung nais nating gawing mas komplikado, maaari nating i-plot ang oras na ginugol sa bawat module laban sa kategorya ng edad ng mga mag-aaral. Maaaring matuklasan natin na para sa ilang mga kategorya ng edad, masyadong matagal ang kinakailangan upang matapos ang module, o kaya naman ay humihinto ang mga mag-aaral bago ito matapos. Makakatulong ito sa atin na magbigay ng mga rekomendasyon sa edad para sa module, at mabawasan ang pagkadismaya ng mga tao mula sa maling inaasahan.

🚀 Hamon

Sa hamong ito, susubukan nating tukuyin ang mga konseptong may kaugnayan sa larangan ng Data Science sa pamamagitan ng pagsusuri sa mga teksto. Kukuha tayo ng isang artikulo mula sa Wikipedia tungkol sa Data Science, ida-download at ipoproseso ang teksto, at pagkatapos ay gagawa ng isang word cloud na katulad nito:

Bisitahin ang notebook.ipynb upang basahin ang code. Maaari mo ring patakbuhin ang code, at makita kung paano nito isinasagawa ang lahat ng data transformations sa real time.

Kung hindi mo alam kung paano patakbuhin ang code sa isang Jupyter Notebook, tingnan ang artikulong ito.

Post-lecture quiz

Mga Gawain

• Gawain 1: Baguhin ang code sa itaas upang tukuyin ang mga kaugnay na konsepto para sa mga larangan ng Big Data at Machine Learning
• Gawain 2: Mag-isip Tungkol sa mga Senaryo ng Data Science

Mga Kredito

Ang araling ito ay isinulat nang may ♥️ ni Dmitry Soshnikov

---

Paunawa:
Ang dokumentong ito ay isinalin gamit ang AI translation service na Co-op Translator. Bagama't sinisikap naming maging tumpak, tandaan na ang mga awtomatikong pagsasalin ay maaaring maglaman ng mga pagkakamali o hindi pagkakatugma. Ang orihinal na dokumento sa kanyang katutubong wika ang dapat ituring na opisyal na sanggunian. Para sa mahalagang impormasyon, inirerekomenda ang propesyonal na pagsasalin ng tao. Hindi kami mananagot sa anumang hindi pagkakaunawaan o maling interpretasyon na dulot ng paggamit ng pagsasaling ito.