Data-Science-For-Beginners/translations/km/1-Introduction/03-defining-data

ការកំណត់ទិន្នន័យ

ការកំណត់ទិន្នន័យ - Sketchnote ដោយ @nitya

ទិន្នន័យគឺជោការពិត ព័ត៌មាន ការសង្កេត និងការវាស់វង់ដែលត្រូវបានប្រើសម្រាប់ធ្វើការស្រាវជ្រាវ និងគាំទ្រការសម្រេចចិត្តដែលបានចេះដឹង។ ចំណុចទិន្នន័យគឺជាឯកតាតែមួយនៃទិន្នន័យក្នុងសំណុំទិន្នន័យមួយ ដែលជាការប្រមូលផ្តុំចំណុចទិន្នន័យ។ សំណុំទិន្នន័យអាចមកក្នុងទ្រង់ទ្រាយ និងរចនាសម្ព័ន្ធខុសគ្នា ហើយភាគច្រើននឹងផ្អែកលើប្រភពរបស់វា ឬកន្លែងដែលទិន្នន័យបានមកពី។ ឧទាហរណ៍ ការចំណូលប្រចាំខែរបស់ក្រុមហ៊ុនអាចមាននៅក្នុងសន្លឹកបង្កើត តែកំណត់បេះដូងបេះដូងរៀលរបស់ម៉ោងពីនាឡិកាឆ្លាតតូចអាចមាននៅក្នុងទ្រង់ទ្រាយ JSON ។ វាជារឿងធម្មតាសម្រាប់អ្នកវិទ្យាសាស្រ្តទិន្នន័យក្នុងការធ្វើការជាមួយប្រភេទទិន្នន័យផ្សេងៗនៅក្នុងសំណុំទិន្នន័យមួយ។

មេរៀននេះផ្តោតលើការបញ្ជាក់ និងចាត់ថ្នាក់ទិន្នន័យដោយគុណលក្ខណៈ និងប្រភពរបស់វា។

សំនួរពីមុនពេលបង្រៀន

របៀបដែលទិន្នន័យត្រូវបានពិពណ៌នា

ទិន្នន័យដើម

ទិន្នន័យដើមគឺជាទិន្នន័យដែលមកពីប្រភពរបស់វានៅក្នុងសភាពដើម និងមិនទាន់ត្រូវបានវិភាគ ឬរៀបចំឡើយ។ ដើម្បីយល់ពីអ្វីកំពុងកើតឡើងជាមួយសំណុំទិន្នន័យ វាត្រូវតែត្រូវបានរៀបចំក្នុងទ្រង់ទ្រាយដែលមនុស្ស និងបច្ចេកវិទ្យាដែលប្រើប្រាស់សម្រាប់វិភាគបន្ថែមអាចយល់បាន។ រចនាសម្ព័ន្ធសំណុំទិន្នន័យពណ៌នាថាវាត្រូវបានរៀបចំយ៉ាងដូចម្តេច ហើយអាចចាត់ថ្នាក់ជារចនាសម្ព័ន្ធ មានរចនាសម្ព័ន្ធ មិនមានរចនាសម្ព័ន្ធ និងរចនាសម្ព័ន្ធរាក់ឡាយ។ ប្រភេទរចនាសម្ព័ន្ធទាំងនេះនឹងខុសគ្នាតាមប្រភព ប៉ុន្តែចុងក្រោយនឹងសម្តែងនៅក្នុងបីប្រភេទនេះ។

ទិន្នន័យបរិមាណ

ទិន្នន័យបរិមាណគឺជាការសង្កេតជាលេខក្នុងសំណុំទិន្នន័យ ហើយជាធម្មតាអាចវិភាគ វាស់ និងប្រើប្រាស់គណិតវិធីបាន។ ឧទាហរណ៍ខ្លះៗនៃទិន្នន័យបរិមាណមាន៖ ប្រជាជនប្រទេសមួយ, កម្ពស់មនុស្សម្នាក់ ឬប្រាក់ចំណូលត្រីមាសរបស់ក្រុមហ៊ុន។ ជាមួយនឹងការវិភាគបន្ថែម ទិន្នន័យបរិមាណអាចប្រើសម្រាប់រកទំនុំរដូវកាលនៃសន្ទស្សន៍គុណភាពខ្យល់ (AQI) ឬប៉ាន់ប្រមាណភាពធ្លាក់ចុះនៃចរាចរណ៍ម៉ោងចរចនារសៀលនៅថ្ងៃធ្វើការ។

ទិន្នន័យគុណលក្ខណៈ

ទិន្នន័យគុណលក្ខណៈ ដែលគេហៅថាទិន្នន័យប្រភេទប្រៀបធៀប គឺជាទិន្នន័យដែលមិនអាចវាស់វែងយ៉ាងឥតពណ៌លក្ខណៈដូចការសង្កេតទិន្នន័យបរិមាណ។ វាជាទូទៅជាទិន្នន័យដែលមានទ្រង់ទ្រាយបញ្ញាតិចផ្សេងៗ ដែលចាប់យកគុណភាពរបស់អ្វីមួយ ដូចជាផលិតផល ឬដំណើរការ។ មួយចំនួនទិន្នន័យគុណលក្ខណៈជាលេខហើយមិនត្រូវបានប្រើនៅក្នុងគណិតវិធីជាធម្មតា ដូចជាលេខទូរស័ព្ទ ឬពេលវេលា។ ឧទាហរណ៏នៃទិន្នន័យគុណលក្ខណៈមាន៖ មតិវីដេអូ ពីតែមួយម៉ូដែលនៃរថយន្ត ឬពណ៌ដែលមិត្តជិតស្និទ្ធរបស់អ្នកចូលចិត្ត។ ទិន្នន័យគុណលក្ខណៈអាចប្រើសម្រាប់យល់ពីផលិតផលដែលភាគហ៊ុនចូលចិត្ត ឬកំណត់ពាក្យគន្លឹះពេញនិយមនៅក្នុងប្រវត្តិរូបស្នើសុំការងារ។

ទិន្នន័យដែលមានរចនាសម្ព័ន្ធ

ទិន្នន័យដែលមានរចនាសម្ព័ន្ធគឺជាទិន្នន័យដែលរៀបចំក្នុងជួរដេក និងជួរឈរ ដែលជួរដេកមួយៗនឹងមានជួរឈរដដែលគ្នា។ ជួរឈរតំណាងឱ្យតម្លៃប្រភេទមួយ និងត្រូវបានកំណត់ជាមួយឈ្មោះ ដែលពន្យល់អំពីអ្វីដែលតម្លៃតំណាងឱ្យ ខណៈដែលជួរដេកមានតម្លៃពិតប្រាកដ។ ជួរឈរមិនធ្លាប់មានច្បាប់ ឬកំណត់លើតម្លៃ ដើម្បីធានាថាតម្លៃតំណាងឱ្យជួរឈរនោះយ៉ាងត្រឹមត្រូវ។ ឧទាហរណ៍ ស\Columnព្រះ\ផ្ទាល់ខ្លួនវាត្រូវមានលេខទូរស័ព្ទ ហើយលេខទូរស័ព្ទមិនមានតួអក្សរព្រិល។ អាចមានច្បាប់ ចំពោះជួរឈរលេខទូរស័ព្ទ ដើម្បីធានាថាវាពុំទទេ ហើយមានតម្លៃខ្ពស់គឺលេខ។

អត្ថប្រយោជន៍មួយនៃទិន្នន័យដែលមានរចនាសម្ព័ន្ធគឺវាអាចត្រូវបានរៀបចំដូច្នេះវាអាចទាក់ទងទៅនឹងទិន្នន័យដែលមានរចនាសម្ព័ន្ធផ្សេងទៀត។ ទោះយ៉ាងណា ព្រោះទិន្នន័យត្រូវបានរចនាឡើងសម្រាប់រៀបចំជារបៀបពិសេស ការផ្លាស់ប្តូររចនាសម្ព័ន្ធទាំងមូលអាចត្រូវការខិតខំយ៉ាងច្រើន។ ឧទាហរណ៍ ការបន្ថែមជួរឈរអ៊ីមែលទៅក្នុងសន្លឹកបង្កើតអតិថិជនដែលមិនអាចទទេមានន័យថាអ្នកត្រូវតែស្វែងរកវិធីដែលអ្នកនឹងបន្ថែមតម្លៃទាំងនេះទៅជួរដេកអតិថិជនដែលមានរួចនៅក្នុងសំណុំទិន្នន័យ។

ឧទាហរណ៍នៃទិន្នន័យដែលមានរចនាសម្ព័ន្ធ៖ សន្លឹកបង្កើត ឃ្លាំងទិន្នន័យទំនាក់ទំនង លេខទូរស័ព្ទ ពាក្យបញ្ជា​ធនាគារ

ទិន្នន័យមិនមានរចនាសម្ព័ន្ធ

ទិន្នន័យមិនមានរចនាសម្ព័ន្ធគឺភាគច្រើនមិនអាចចាត់ថ្នាក់ជា​ជួរដេកឬជួរឈរបាន ហើយមិនមានទ្រង់ទ្រាយ ឬច្បាប់ណាមួយគួរតែអនុវត្តន៍។ ព្រោះទិន្នន័យមិនមានរចនាសម្ព័ន្ធមានកំណត់តិចលើរចនាសម្ព័ន្ធ វាជាងងាយស្រួលបន្ថែមព័ត៌មានថ្មីៗ ប្រសិនបើបង្ហាប់ខ្យល់ដែលចាប់យកទិន្នន័យលើសំពាធបារម្ភរៀងរាល់ 2 នាទីបានទទួលការអាប់ដេតឱ្យវាសមត្ថភាពវាស់ និងកត់ត្រាសីតុណ្ហភាព វាមិនបាច់ប្រែស្លាបទិន្នន័យដែលមានមុនប្រសិនបើវាមិនមានរចនាសម្ព័ន្ធទេ។ ទន្ទឹមនឹងគ្នា វាអាចធ្វើអោយការវិភាគ ឬស្រាវជ្រាវលើប្រភេទទិន្នន័យនេះនឹងយកពេលវេលាច្រើន។ ឧទាហរណ៍ អ្នកវិទ្យាសាស្ត្រម្នាក់ដែលចង់រកសីតុណ្ហភាពមធ្យមប្រចាំខែមុនពីទិន្នន័យឧបករណ៍ចាប់យក តែរកឃើញថាឧបករណ៍បានកត់ត្រា​អក្សរ "e" នៅក្នុងទិន្នន័យកត់ត្រាលើកខ្លះ ដើម្បីសម្គាល់ថាវាដួលបែក មិនមែនជាលេខទេ មានន័យថាទិន្នន័យមិនបញ្ជេញ។

ឧទាហរណ៍នៃទិន្នន័យមិនមានរចនាសម្ព័ន្ធ៖ ឯកសារអត្ថបទ សារអត្ថបទ ឯកសារ​វីដេអូ

រចនាសម្ព័ន្ធរាក់ឡាយ

ទិន្នន័យរចនាសម្ព័ន្ធរាក់ឡាយមានលក្ខណៈដែលធ្វើឱ្យវាជាការរួមបញ្ចូលរវាងទិន្នន័យដែលមានរចនាសម្ព័ន្ធ និងមិនមានរចនាសម្ព័ន្ធ។ វាមិនភាគច្រើនអនុវត្តតាមទ្រង់ទ្រាយជួរដេក និងជួរឈរទេ ប៉ុន្តែវាត្រូវបានរៀបចំយ៉ាងដែលចាត់ទុកថាដូចរចនាសម្ព័ន្ធ ហើយអាចធ្វើតាមទ្រង់ទ្រាយកំណត់ ឬច្បាប់មួយ។ រចនាសម្ព័ន្ធនឹងខុសគ្នារវាងប្រភព ដូចជាមានតារាងចំណាត់ថ្នាក់លម្អិត ទៅរបស់អាចបត់បែន ដែលអនុញ្ញាតឱ្យបញ្ចូលព័ត៌មានថ្មីបានងាយស្រួល។ មេតា​ដាតា​គឺជាសញ្ញាណដែលជួយសម្រេចថាតើទិន្នន័យត្រូវបានរៀបចំ និងរក្សាទុកយ៉ាងដូចម្តេច ហើយវានឹងមានឈ្មោះខុសៗគ្នា ដើម្បីផ្អែកលើប្រភេទទិន្នន័យ។ ឈ្មោះពេញនិយមសម្រាប់មេលទាដាតាទាំងនេះមាន៖ ស្លាក ប្រភេទធាតু ធាតុ និងគុណលក្ខណៈ។ ឧទាហរណ៍ សារអ៊ីមែលមួយទូទៅនឹងមានប្រធានបទ ការពិពណ៌នា និងបញ្ជីអ្នកទទួល និងអាចរៀបចំបានដោយអ្នកផ្ញើ ឬពេលវេលាដែលវាត្រូវបានផ្ញើ។

ឧទាហរណ៍នៃទិន្នន័យរចនាសម្ព័ន្ធរាក់ឡាយ៖ HTML, ឯកសារជារៀង CSV, ការបង្ហាញវត្ថុ JavaScript (JSON)

ប្រភពទិន្នន័យ

ប្រភពទិន្នន័យគឺជាកន្លែងដំបូងដែលទិន្នន័យត្រូវបានបង្កើត ឬកន្លែងដែលវា "រស់" ហើយនឹងខុសគ្នាដោយផ្អែកលើរបៀប និងពេលវេលាដែលវាត្រូវបានប្រមូល។ ទិន្នន័យដែលបានបង្កើតដោយអ្នកប្រើប្រាស់គឺហៅថាទិន្នន័យដើម ខណៈដែលទិន្នន័យជំនួយមកពីប្រភពដែលបានប្រមូលទិន្នន័យសម្រាប់ប្រើប្រាស់ទូទៅ។ ឧទាហរណ៍ ក្រុមមួយនៃអ្នកវិទ្យាសាស្ត្រប្រមូលការសង្កេតនៅក្នុងព្រៃខ្យល់ធំមួយ គេនឹងចាត់ទុកថាជាទិន្នន័យដើម ហើយប្រសិនបើពួកគេសម្រេចចិត្តចែករំលែកវាជាមួយអ្នកវិទ្យាសាស្ត្រផ្សេងទៀត វានឹងត្រូវបានគេចាត់ទុកថាជាទិន្នន័យជំនួយសម្រាប់អ្នកប្រើប្រាស់នោះ។

ឃ្លាំងទិន្នន័យគឺជាប្រភពទូទៅ ហើយពឹងផ្អែកលើប្រព័ន្ធគ្រប់គ្រងឃ្លាំងទិន្នន័យសម្រាប់ផ្តល់សេវា និងថែរក្សាទិន្នន័យ ដោយដែលអ្នកប្រើប្រាស់ប្រើពាក្យបញ្ជាឈ្មោះសួរដើម្បីស្វែងរកទិន្នន័យ។ ឯកសារជាប្រភពទិន្នន័យអាចជាឯកសារសម្លេង រូបភាព និងវីដេអូ ហើយទទួលបានបែបសន្លឹកបង្កើតដូចជា Excel។ ប្រភពអ៊ីនធឺណិតជាគន្លងទូទៅសម្រាប់ផ្តល់សេវាទិន្នន័យ ដែលឃ្លាំងទិន្នន័យ និងឯកសារអាចត្រូវបានរកឃើញ។ កម្មវិធី API ដែលហៅថាជាកម្មវិធីផ្ទៀងផ្ទាត់អនុញ្ញាតឱ្យអ្នកកម្មវិធីបង្កើតវិធីចែករំលែកទិន្នន័យជាមួយអ្នកប្រើប្រាស់ខាងក្រៅតាមអ៊ីនធឺណិត ខណៈដែលដំណើរការតាំតាមវែបស្រាប់ចេញទិន្នន័យពីទំព័រវែប។ មេរៀននៅក្នុង ការធ្វើការជាមួយទិន្នន័យ ផ្តោតលើរបៀបប្រើប្រាស់ប្រភពទិន្នន័យនានា។

នيانة

នៅក្នុងមេរៀននេះ យើងបានរៀន៖

• តើទិន្នន័យជាអ្វី
• របៀបដែលទិន្នន័យត្រូវបានពិពណ៌នា
• របៀបដែលទិន្នន័យត្រូវបានចាត់ថ្នាក់ និងចែងចាប់ប្រភេទ
• ទីតាំងដែលអាចរកឃើញទិន្នន័យ

🚀 thách thức

Kaggle ជាប្រភពល្អដើម្បីបើកសំណុំទិន្នន័យ។ ប្រើ ឧបករណ៍ស្វែងរកសំណុំទិន្នន័យ ដើម្បីរកសំណុំទិន្នន័យដែលគួរឲ្យចាប់អារម្មណ៍ ហើយចាត់ថ្នាក់ 3-5 សំណុំទិន្នន័យជាមួយលក្ខខណ្ឌនេះ៖

• តើទិន្នន័យជាបរិមាណ ឬគុណលក្ខណៈ?
• តើទិន្នន័យមានរចនាសម្ព័ន្ធ មិនមានរចនាសម្ព័ន្ធ ឬរចនាសម្ព័ន្ធរាក់ឡាយ?

សំនួរបន្ទាប់ពីបង្រៀន

ទិចភាព និងការសិក្សាដោយខ្លួនឯង

• ផ្នែករបស់ Microsoft Learn ដែលមានចំណងជើង សម្គាល់ទ្រង់ទ្រាយទិន្នន័យ មានការបំបែកលម្អិតអំពីទិន្នន័យដែលមានរចនាសម្ព័ន្ធ រចនាសម្ព័ន្ធរាក់ឡាយ និងមិនមានរចនាសម្ព័ន្ធ។

ភារកិច្ច

ចាត់ថ្នាក់សំណុំទិន្នន័យ

---

ការបដិសេធ: ឯកសារនេះត្រូវបានបម្លែងភាសា ដោយប្រើសេវាបម្លែងភាសា AI Co-op Translator។ ទោះយើងខ្ញុំមានក្តីប្រាថ្នាឱ្យបានច្បាស់លាស់ តែសូមយល់ដឹងថាការបម្លែងដោយស្វ័យប្រវត្តិក៏អាចមានកំហុសឬភាពមិនត្រឹមត្រូវ។ ឯកសារដើមជាភាសាទីតាំងគួរត្រូវបានគេប្រើជាប្រភពច្បាស់លាស់។ សម្រាប់ព័ត៌មានសំខាន់ៗ សូមណែនាំឱ្យប្រើប្រាស់ការប្រែដោយមនុស្សជំនាញ។ យើងខ្ញុំមិនទទួលខុសត្រូវចំពោះការយល់ច្រឡំ ឬការបកស្រាយខុសបន្ទាប់ពីការប្រើប្រាស់ការបម្លែងនេះនោះទេ។