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.

7.3 KiB

Ανάθεση: Σενάρια Επιστήμης Δεδομένων

Σε αυτή την πρώτη ανάθεση, σας ζητάμε να σκεφτείτε μια πραγματική διαδικασία ή πρόβλημα σε διαφορετικούς τομείς προβλημάτων και πώς μπορείτε να το βελτιώσετε χρησιμοποιώντας τη διαδικασία της Επιστήμης Δεδομένων. Σκεφτείτε τα εξής:

  1. Ποια δεδομένα μπορείτε να συλλέξετε;
  2. Πώς θα τα συλλέγατε;
  3. Πώς θα αποθηκεύατε τα δεδομένα; Πόσο μεγάλα είναι πιθανό να είναι τα δεδομένα;
  4. Ποια συμπεράσματα μπορείτε να εξάγετε από αυτά τα δεδομένα; Ποιες αποφάσεις θα μπορούσαμε να πάρουμε βάσει αυτών των δεδομένων;

Προσπαθήστε να σκεφτείτε 3 διαφορετικά προβλήματα/διαδικασίες και να περιγράψετε κάθε ένα από τα παραπάνω σημεία για κάθε τομέα προβλήματος.

Ακολουθούν μερικοί τομείς προβλημάτων και προβλήματα που μπορούν να σας βοηθήσουν να ξεκινήσετε να σκέφτεστε:

  1. Πώς μπορείτε να χρησιμοποιήσετε δεδομένα για να βελτιώσετε τη διαδικασία εκπαίδευσης των παιδιών στα σχολεία;
  2. Πώς μπορείτε να χρησιμοποιήσετε δεδομένα για να ελέγξετε τον εμβολιασμό κατά τη διάρκεια της πανδημίας;
  3. Πώς μπορείτε να χρησιμοποιήσετε δεδομένα για να διασφαλίσετε ότι είστε παραγωγικοί στη δουλειά;

Οδηγίες

Συμπληρώστε τον παρακάτω πίνακα (αντικαταστήστε τους προτεινόμενους τομείς προβλημάτων με δικούς σας αν χρειάζεται):

Τομέας Προβλήματος Πρόβλημα Ποια δεδομένα να συλλέξετε Πώς να αποθηκεύσετε τα δεδομένα Ποια συμπεράσματα/αποφάσεις μπορούμε να πάρουμε
Εκπαίδευση Στο πανεπιστήμιο, συνήθως έχουμε χαμηλή προσέλευση στις διαλέξεις, και έχουμε την υπόθεση ότι οι φοιτητές που παρακολουθούν διαλέξεις κατά μέσο όρο τα πηγαίνουν καλύτερα στις εξετάσεις. Θέλουμε να ενθαρρύνουμε την προσέλευση και να δοκιμάσουμε την υπόθεση. Μπορούμε να παρακολουθούμε την προσέλευση μέσω φωτογραφιών που λαμβάνονται από την κάμερα ασφαλείας στην αίθουσα ή παρακολουθώντας τις διευθύνσεις bluetooth/wifi των κινητών τηλεφώνων των φοιτητών στην αίθουσα. Τα δεδομένα εξετάσεων είναι ήδη διαθέσιμα στη βάση δεδομένων του πανεπιστημίου. Στην περίπτωση που παρακολουθούμε εικόνες από κάμερες ασφαλείας - πρέπει να αποθηκεύσουμε μερικές (5-10) φωτογραφίες κατά τη διάρκεια της διάλεξης (μη δομημένα δεδομένα) και στη συνέχεια να χρησιμοποιήσουμε AI για να αναγνωρίσουμε πρόσωπα φοιτητών (μετατροπή δεδομένων σε δομημένη μορφή). Μπορούμε να υπολογίσουμε τα μέσες τιμές προσέλευσης για κάθε φοιτητή και να δούμε αν υπάρχει κάποια συσχέτιση με τους βαθμούς εξετάσεων. Θα μιλήσουμε περισσότερο για τη συσχέτιση στην ενότητα πιθανότητες και στατιστική. Για να ενθαρρύνουμε την προσέλευση των φοιτητών, μπορούμε να δημοσιεύουμε την εβδομαδιαία κατάταξη προσέλευσης στην πύλη του πανεπιστημίου και να κληρώνουμε βραβεία μεταξύ αυτών με την υψηλότερη προσέλευση.
Εμβολιασμός
Παραγωγικότητα

Παρέχουμε μόνο μία απάντηση ως παράδειγμα, ώστε να κατανοήσετε τι αναμένεται σε αυτή την ανάθεση.

Κριτήρια Αξιολόγησης

Εξαιρετικό Επαρκές Χρειάζεται Βελτίωση
Ο μαθητής μπόρεσε να εντοπίσει λογικές πηγές δεδομένων, τρόπους αποθήκευσης δεδομένων και πιθανά συμπεράσματα/αποφάσεις για όλους τους τομείς προβλημάτων Ορισμένες πτυχές της λύσης δεν είναι λεπτομερείς, η αποθήκευση δεδομένων δεν συζητείται, τουλάχιστον 2 τομείς προβλημάτων περιγράφονται Περιγράφονται μόνο μέρη της λύσης δεδομένων, εξετάζεται μόνο ένας τομέας προβλήματος.

Αποποίηση ευθύνης:
Αυτό το έγγραφο έχει μεταφραστεί χρησιμοποιώντας την υπηρεσία αυτόματης μετάφρασης Co-op Translator. Παρόλο που καταβάλλουμε προσπάθειες για ακρίβεια, παρακαλούμε να έχετε υπόψη ότι οι αυτοματοποιημένες μεταφράσεις ενδέχεται να περιέχουν σφάλματα ή ανακρίβειες. Το πρωτότυπο έγγραφο στη μητρική του γλώσσα θα πρέπει να θεωρείται η αυθεντική πηγή. Για κρίσιμες πληροφορίες, συνιστάται επαγγελματική ανθρώπινη μετάφραση. Δεν φέρουμε ευθύνη για τυχόν παρεξηγήσεις ή εσφαλμένες ερμηνείες που προκύπτουν από τη χρήση αυτής της μετάφρασης.