localizeflow[bot]
7ab673484e
|
4 weeks ago | |
|---|---|---|
| .. | ||
| README.md | 4 weeks ago | |
| assignment.md | 7 months ago | |
README.md
ডেটা সংজ্ঞায়িত করা
 |
|---|
| ডেটা সংজ্ঞায়িত করা - স্কেচনোট by @nitya |
ডেটা হলো তথ্য, সংবাদ, পর্যবেক্ষণ এবং পরিমাপ যা আবিষ্কার করার জন্য এবং তথ্যভিত্তিক সিদ্ধান্ত গ্রহণে ব্যবহৃত হয়। একটি ডেটা পয়েন্ট হলো একটি ডেটাসেটের মধ্যে একটি একক ডেটা ইউনিট, যেখানে ডেটাসেট হল ডেটা পয়েন্টের সংগ্রহ। ডেটাসেট বিভিন্ন ফর্ম্যাট এবং কাঠামোতে আসতে পারে, এবং সাধারণত তার উৎস বা ডেটা কোথা থেকে এসেছে তার উপর নির্ভর করে থাকে। উদাহরণস্বরূপ, একটি কোম্পানির মাসিক আয় হয়তো একটি স্প্রেডশীট ফরম্যাটে থাকবে, কিন্তু একটি স্মার্টওয়াচ থেকে প্রতি ঘণ্টার হার্ট রেট ডেটা JSON ফরম্যাটে থাকতে পারে। ডেটা বিজ্ঞানীরা সাধারণত একটি ডেটাসেটের মধ্যে বিভিন্ন ধরনের ডেটার সাথে কাজ করে থাকেন।
এই পাঠটি ডেটার বৈশিষ্ট্য এবং এর উৎস দ্বারা ডেটাকে সনাক্তকরণ এবং শ্রেণীবদ্ধ করার উপর কেন্দ্রিত।
প্রী-লেকচার কুইজ
কীভাবে ডেটা বর্ণনা করা হয়
কাঁচা ডেটা
কাঁচা ডেটা হলো এমন ডেটা যা তার উৎস থেকে প্রাথমিক অবস্থায় এসেছে এবং এখনও বিশ্লেষণ বা সংগঠিত হয়নি। একটি ডেটাসেট কী ঘটছে তা বোঝার জন্য, এটি এমন একটি ফরম্যাটে সংগঠিত করতে হয় যা মানুষ এবং প্রযুক্তির জন্য বোঝা সহজ হয়, যা তারা পরবর্তীতে বিশ্লেষণ করতে পারে। একটি ডেটাসেটের কাঠামো বর্ণনা করে কীভাবে এটি সংগঠিত, এবং এটি শ্রেণীবদ্ধ হতে পারে কাঠামোবদ্ধ, অ-কাঠামোবদ্ধ এবং অর্ধ-কাঠামোবদ্ধ। এই কাঠামোর ধরন উৎস অনুসারে পরিবর্তিত হতে পারে, কিন্তু অবশেষে এগুলো এই তিন শ্রেণীর মধ্যে পড়বে।
পরিমাণগত ডেটা
পরিমাণগত ডেটা হলো একটি ডেটাসেটের মধ্যে সংখ্যাসূচক পর্যবেক্ষণ এবং সাধারণত এটি বিশ্লেষণ, পরিমাপ এবং গাণিতিকভাবে ব্যবহার করা যায়। পরিমাণগত ডেটার কিছু উদাহরণ হলো: একটি দেশের জনসংখ্যা, একজন ব্যক্তির উচ্চতা, বা একটি কোম্পানির ত্রৈমাসিক আয়। কিছু অতিরিক্ত বিশ্লেষণের মাধ্যমে, পরিমাণগত ডেটা ব্যবহার করে এয়ার কোয়ালিটি ইনডেক্স (AQI) এর মৌসুমি প্রবণতা আবিষ্কার করা বা একটি সাধারণ কাজের দিনের রাশ আওয়ার ট্রাফিকের সম্ভাবনা অনুমান করা যেতে পারে।
গুণগত ডেটা
গুণগত ডেটা, যা শ্রেণীবদ্ধ ডেটা নামেও পরিচিত, এমন ডেটা যা পরিমাণগত ডেটার মত বৈজ্ঞানিকভাবে পরিমাপ করা যায় না। এটি সাধারণত বিভিন্ন ধরনের বিষয়ভিত্তিক ডেটা যা কিছু পণ্যের বা প্রক্রিয়ার গুণমান ধারণ করে। কখনও কখনও গুণগত ডেটা সংখ্যাসূচক হলেও সাধারণত গাণিতিকভাবে ব্যবহার করা হয় না, যেমন ফোন নম্বর বা টাইমস্ট্যাম্প। গুণগত ডেটার কিছু উদাহরণ হলো: ভিডিও মন্তব্য, একটি গাড়ির মডেল এবং নির্মাতা, অথবা আপনার সবচেয়ে কাছের বন্ধুর প্রিয় রং। গুণগত ডেটা ব্যবহার করে গ্রাহকরা কোন পণ্য সবচেয়ে বেশি পছন্দ করে তা বোঝা বা চাকরির আবেদনের রিজুমে থেকে জনপ্রিয় কীওয়ার্ড সনাক্ত করা যেতে পারে।
কাঠামোবদ্ধ ডেটা
কাঠামোবদ্ধ ডেটা হলো এমন ডেটা যা সারি এবং কলামে সংগঠিত, যেখানে প্রতিটি সারিতে একই ধরনের কলাম থাকে। কলামগুলি একটি নির্দিষ্ট ধরণের মান উপস্থাপন করে এবং একটি নাম দ্বারা সনাক্ত করা হয় যা মানটি কী বোঝায় তা বর্ণনা করে, যখন সারিগুলো আসল মানগুলো ধারণ করে। কলামগুলোর মান সঠিকভাবে উপস্থাপনের জন্য নির্দিষ্ট নিয়ম বা বিধিনিষেধ থাকতে পারে। উদাহরণস্বরূপ, কল্পনা করুন একটি গ্রাহকদের স্প্রেডশীট যেখানে প্রতিটি সারিতে ফোন নম্বর থাকতে হবে এবং ফোন নম্বরের মধ্যে কখনই বর্ণমালা থাকবে না। ফোন নম্বরের কলামে এমন নিয়ম থাকতে পারে যাতে এটি কখনও খালি না থাকে এবং শুধুমাত্র সংখ্যা থাকে।
কাঠামোবদ্ধ ডেটার একটি সুবিধা হলো এটি এমনভাবে সংগঠিত করা যায় যাতে এটি অন্যান্য কাঠামোবদ্ধ ডেটার সাথে সম্পর্কিত হতে পারে। তবে, যেহেতু এই ডেটাগুলো একটি নির্দিষ্টভাবে সংগঠিত হওয়ার জন্য ডিজাইন করা হয়েছে, তাই এর সামগ্রিক কাঠামো পরিবর্তন করতে অনেক পরিশ্রম প্রয়োজন হতে পারে। উদাহরণস্বরূপ, গ্রাহকদের স্প্রেডশীটে একটি ইমেল কলাম যোগ করা যা কখনও খালি হতে পারবে না, এর মানে হলো আপনাকে ভাবতে হবে কীভাবে এই মানগুলো বিদ্যমান গ্রাহকদের সারিতে যোগ করবেন।
কাঠামোবদ্ধ ডেটার উদাহরণ: স্প্রেডশীট, রিলেশনাল ডাটাবেস, ফোন নম্বর, ব্যাংক স্টেটমেন্ট
অ-কাঠামোবদ্ধ ডেটা
অ-কাঠামোবদ্ধ ডেটা সাধারণত সারি বা কলামে শ্রেণীবদ্ধ করা যায় না এবং এতে কোনও নির্দিষ্ট ফরম্যাট বা নিয়মাবলী থাকে না। যেহেতু অ-কাঠামোবদ্ধ ডেটার কাঠামোতে কম বিধিনিষেধ থাকে, তাই নতুন তথ্য যোগ করা তুলনামূলক সহজ। উদাহরণস্বরূপ, যদি একটি সেন্সর প্রতি ২ মিনিটে বায়ুবিদ্যুতীয় চাপ মাপছে এবং এখন এটি তাপমাত্রাও মাপতে সক্ষম হয়েছে, তাহলে যদি ডেটা অ-কাঠামোবদ্ধ হয় তবে বিদ্যমান ডেটা পরিবর্তন করার দরকার পড়বে না। তবে, এই ধরনের ডেটা বিশ্লেষণ বা তদন্তে বেশি সময় লাগতে পারে। যেমন, একজন বিজ্ঞানী গত মাসের গড় তাপমাত্রা বের করতে চাইলে দেখেন কিছু ডেটায় “e” লেখা আছে, যা বোঝায় সেন্সরটি ভাঙ্গা ছিল, সাধারণ সংখ্যার পরিবর্তে, যা ডেটাকে অসম্পূর্ণ করে তোলে।
অ-কাঠামোবদ্ধ ডেটার উদাহরণ: টেক্সট ফাইল, টেক্সট মেসেজ, ভিডিও ফাইল
অর্ধ-কাঠামোবদ্ধ ডেটা
অর্ধ-কাঠামোবদ্ধ ডেটার বৈশিষ্ট্য রয়েছে যা এটিকে কাঠামোবদ্ধ এবং অ-কাঠামোবদ্ধ ডেটার সংমিশ্রণ করে তোলে। এটি সাধারণত সারি এবং কলামের ফরম্যাট অনুসরণ করে না, তবে একটি নির্দিষ্ট রীতিনীতি বা নিয়মাবলী অনুসরণ করে সংগঠিত হয় যা কাঠামোবদ্ধ বলে বিবেচিত। কাঠামো উৎস অনুসারে পরিবর্তিত হতে পারে, যেমন একটি ভাল সংজ্ঞায়িত শ্রেণী কাঠামো থেকে শুরু করে কিছু সহজাত যা নতুন তথ্যের সহজ সংযোজনের অনুমতি দেয়। মেটাডেটা হলো নির্দেশক যা নির্ধারণ করে কীভাবে ডেটা সংগঠিত এবং সংরক্ষিত হয় এবং এর বিভিন্ন নাম থাকতে পারে, যেমন ট্যাগ, উপাদান, সত্তা এবং বৈশিষ্ট্য। উদাহরণস্বরূপ, একটি সাধারণ ইমেল মেসেজের সাবজেক্ট, বডি এবং প্রাপকগণের একটি সেট থাকবে এবং এটি প্রেরক বা প্রেরণের সময় অনুযায়ী সংগঠিত হতে পারে।
অর্ধ-কাঠামোবদ্ধ ডেটার উদাহরণ: HTML, CSV ফাইল, JavaScript অবজেক্ট নোটেশন (JSON)
ডেটার উৎস
ডেটা সোর্স হলো সেই প্রাথমিক অবস্থান যেখানে ডেটা তৈরি হয়েছে, বা যেখানে এটি "থাকে" এবং এটি কীভাবে এবং কখন সংগ্রহ করা হয়েছে তার উপর পরিবর্তিত হয়। ব্যবহারকারী দ্বারা তৈরি ডেটাকে প্রাথমিক ডেটা বলা হয়, যখন গৃহীত ডেটা এমন উত্স থেকে আসে যা সাধারণ ব্যবহারের জন্য ডেটা সংগ্রহ করেছে। উদাহরণস্বরূপ, একটি দল বিজ্ঞানী যারা একটি রেইনফরেস্টে পর্যবেক্ষণ সংগ্রহ করছেন, তারা প্রাথমিক ডেটা হিসেবে বিবেচিত হবেন, এবং যদি তারা এটি অন্য বিজ্ঞানীদের সাথে শেয়ার করেন, তবে এটি সেকেন্ডারি হিসেবে বিবেচিত হবে যারা এটি ব্যবহার করে।
ডাটাবেস একটি সাধারণ উৎস এবং এটি একটি ডাটাবেস ম্যানেজমেন্ট সিস্টেমের ওপর নির্ভর করে ডেটা হোস্ট এবং বজায় রাখতে, যেখানে ব্যবহারকারীরা কুয়েরি নামে কমান্ড ব্যবহার করে ডেটা অন্বেষণ করে। ফাইল ডেটার উৎস হতে পারে অডিও, ছবি, ভিডিও ফাইল এবং স্প্রেডশীট যেমন এক্সেল। ইন্টারনেট উৎস হচ্ছে ডেটা হোস্ট করার একটি সাধারণ অবস্থান, যেখানে ডাটাবেস এবং ফাইল উভয়ই পাওয়া যায়। অ্যাপ্লিকেশন প্রোগ্রামিং ইন্টারফেস (API) প্রোগ্রামারদের জন্য একটি মাধ্যম যা ইন্টারনেটের মাধ্যমে বহিরাগত ব্যবহারকারীদের সাথে ডেটা ভাগ করার পথ সৃষ্টি করে, এবং ওয়েব স্ক্র্যাপিং একটি ওয়েব পেজ থেকে ডেটা উত্তোলন করে। ডেটার সাথে কাজ করার পাঠগুলো বিভিন্ন ডেটা উৎস ব্যবহারের উপর কেন্দ্রিত।
উপসংহার
এই পাঠে আমরা শিখেছি:
- ডেটা কী
- কিভাবে ডেটা বর্ণনা করা হয়
- কিভাবে ডেটা শ্রেণীবদ্ধ এবং ক্যাটাগরাইজ করা হয়
- ডেটা কোথায় পাওয়া যায়
🚀 চ্যালেঞ্জ
Kaggle হলো ওপেন ডেটাসেটের একটি চমৎকার উৎস। ডেটাসেট সার্চ টুল ব্যবহার করে কিছু আকর্ষণীয় ডেটাসেট খুঁজে বের করুন এবং নিম্নলিখিত মানদণ্ড দিয়ে ৩-৫ ডেটাসেট শ্রেণীবদ্ধ করুন:
- ডেটা কি পরিমাণগত নাকি গুণগত?
- ডেটা কি কাঠামোবদ্ধ, অ-কাঠামোবদ্ধ, না অর্ধ-কাঠামোবদ্ধ?
পোস্ট-লেকচার কুইজ
পর্যালোচনা ও আত্ম-অধ্যয়ন
- এই Microsoft Learn ইউনিট, ডেটা ফরম্যাট চিহ্নিতকরণ টাইটেল সহ, কাঠামোবদ্ধ, অর্ধ-কাঠামোবদ্ধ, ও অ-কাঠামোবদ্ধ ডেটার বিস্তারিত বিশ্লেষণ দেয়।
অ্যাসাইনমেন্ট
অস্বীকৃতি: এই নথিটি AI অনুবাদ পরিষেবা Co-op Translator ব্যবহার করে অনূদিত হয়েছে। যদিও আমরা শুদ্ধতার জন্য চেষ্টা করি, অনুগ্রহ করে মনে রাখবেন যে স্বয়ংক্রিয় অনুবাদে ত্রুটি বা অসঙ্গতি থাকতে পারে। মূল নথিটি তার স্বভাষায় কর্তৃত্বপূর্ণ উৎস হিসেবে বিবেচিত হওয়া উচিত। গুরুত্বপূর্ণ তথ্যের জন্য পেশাদার মানব অনুবাদ সুপারিশ করা হয়। এই অনুবাদের ব্যবহারে প্রয়োজনীয় ভুল বোঝাবুঝি বা ভুল ব্যাখ্যার জন্য আমরা দায়বদ্ধ নই।