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

Дефинисање података

Дефинисање података - Sketchnote од @nitya

Подаци су чињенице, информације, посматрања и мерења која се користе за открића и подршку информисаним одлукама. Појединачна јединица података унутар скупа података је појединачна тачка података, а скуп података је збирка таквих тачака. Скупови података могу имати различите формате и структуре, и обично зависи од извора или од места одакле подаци потичу. На пример, месечни приходи компаније могу бити у табели у програму за табеларне прорачуне, док подаци о срчаном ритму по сату са паметног сатa могу бити у JSON формату. Често је да научници који раде са подацима користе различите типове података унутар скупа података.

Овај час се фокусира на идентификацију и класификацију података према њиховим карактеристикама и изворима.

Преквиз на предавању

Како се описују подаци

Рафинирани подаци

Рафинирани подаци су подаци који су дошли са свог извора у почетном стању и нису анализирани или организовани. Да бисмо разумели шта се дешава у скупу података, морају бити организовани у формат који људи могу да разумеју као и технологија коју могу да користе за даљу анализу. Структура скупа података описује како је организован и може бити класификована као структурирана, неструктурирана и полуструктурирана. Ове врсте структура варирају у зависности од извора али ће се на крају сврстати у ове три категорије.

Квантитативни подаци

Квантитативни подаци су нумеричка посматрања унутар скупа података и обично се могу анализирати, мерити и користити математички. Некоторые примери квантитативних података су: популација земље, висина особе или квартални приходи компаније. Уз додатну анализу, квантитативни подаци могу се користити за откривање сезонских трендова Индекса квалитета ваздуха (AQI) или процену вероватноће саобраћајних гужви у време шпица на типичан радни дан.

Квалитативни подаци

Квалитативни подаци, познати и као категоријски подаци, су подаци који се не могу објективно мерити као што је посматрање квантитативних података. Углавном су различити формати субјективних података који описују квалитет нечега, као што је производ или процес. Понекад су квалитативни подаци нумерички и не користе се обично математички, као што су бројеви телефона или временски ознаке. Неки примери квалитативних података су: коментари на видео, модел и марка аутомобила или омиљена боја најближих пријатеља. Квалитативни подаци могу се користити за разумевање који производи су најпопуларнији код потрошача или за идентификовање популарних кључних речи у животописима за посао.

Структурирани подаци

Структурирани подаци су подаци организовани у редове и колоне, где сваки ред има исти скуп колона. Колоне представљају вредност одређеног типа и биће означене именом које описује шта вредност представља, док редови садрже стварне вредности. Колоне често имају специфична правила или ограничења око вредности да би се осигурало да вредности тачно представљају колону. На пример, замислите табелу купаца где сваки ред мора имати број телефона, а бројеви телефона никада не садрже слова. Могу постојати правила за колону броја телефона да никада не буде празна и да садржи само бројеве.

Предност структурираних података је што се могу организовати тако да буду повезани са другим структурираним подацима. Међутим, зато што су подаци дизајнирани да буду организовани на специфичан начин, измене у њиховој структури могу захтевати много труда. На пример, додавање колоне за имејл у табелу купаца која не сме да буде празна значи да морате да смислите како ћете додати те податке у постојеће редове у скупу података.

Примери структурираних података: табеле у програму за табеларне прорачуне, релационе базе података, бројеви телефона, банкарски извештаји

Неструктурирани подаци

Неструктурирани подаци обично не могу бити категорисани у редове или колоне и немају одређен формат или скуп правила. Пошто су ови подаци мање ограничени у структури, лакше је додавати нове информације у поређењу са структурираним скупом података. Ако сензор који записује атмосферски притисак на свака 2 минута добије ажурирање које му омогућава мерење и температуре, не мора да мења постојеће податке ако су неструктурирани. Међутим, ово може учинити анализу или истраживање таквих података дуже. На пример, научник који жели да пронађе просечну температуру претходног месеца из података сензора, али открије да је сензор у неким записима уместо броја ставио „e“ да би означио да је био неисправан, што значи да су подаци непотпуни.

Примери неструктурираних података: текстуални фајлови, СМС поруке, видео фајлови

Полу-структурирани подаци

Полу-структурирани подаци имају особине које их чине комбинацијом структурираних и неструктурираних података. Они обично не прате формат редова и колона, али су организовани на начин који се сматра структурисаним и могу пратити фиксни формат или скуп правила. Структура варира у зависности од извора, од добро дефинисане хијерархије до нечег флексибилнијег што омогућава лаку интеграцију нових информација. Мета-подаци су показатељи који помажу у одређивању како су подаци организовани и чувају се под различитим именима у зависности од типа података. Нека уобичајена имена за метаподатке су тагови, елементи, ентитети и атрибути. На пример, типична имејл порука има предмет, тело поруке и скуп прималаца и може се организовати према томе коју је и када послао.

Примери полу-структурираних података: HTML, CSV фајлови, JavaScript Object Notation (JSON)

Извори података

Извор података је почетна локација где су подаци генерисани или где „живе“ и варира у зависности од начина и времена прикупљања. Подаци које генеришу њихови корисници познати су као примарни подаци, док секундарни подаци долазе из извора који је прикупио податке за општу употребу. На пример, група научника која прикупља посматрања у прашуми би се сматрала примарним извором, а ако одлуче да те податке деле са другим научницима, онда за оне који их користе ти подаци постају секундарни.

Базе података су чест извор и ослањају се на систем за управљање базама података који је домаћин и одржава податке, где корисници користе команде зване упити да би истражили податке. Фајлови као извори података могу бити аудио, сликовни, и видео фајлови као и табеле као што је Excel. Интернет извори су уобичајена локација за хостовање података, где се могу наћи базе података као и фајлови. Апликациони програмски интерфејси, познати као API-ји, омогућавају програмерима да креирају начине за дељење података са спољним корисницима преко интернета, док процес web scraping-а издваја податке са веб странице. Лекције у одељку Рад са подацима се фокусирају на коришћење различитих извора података.

Закључак

У овом часу смо научили:

• Шта су подаци
• Како се описују подаци
• Како се класификују и категоришу подаци
• Где се могу пронаћи подаци

🚀 Изазов

Kaggle је одличан извор отворених скупова података. Користите алат за претрагу скупова података да пронађете неке занимљиве скупове података и класификујте 3-5 скупова података по овим критеријумима:

• Да ли су подаци квантитативни или квалитативни?
• Да ли су подаци структурирани, неструктурирани или полу-структурирани?

Пост-везана квиз

Ревизија и самостални рад

• Ова Microsoft Learn јединица, под називом Identify data formats има детаљан преглед структурираних, полу-структурираних и неструктурираних података.

Задатак

Класификација скупова података

---

Изјава о одрицању одговорности: Овај документ је преведен коришћењем услуге за аутоматски превод Co-op Translator. Иако тежимо тачности, имајте у виду да аутоматски преводи могу садржати грешке или нетачности. Оригинални документ на његовом изворном језику треба сматрати ауторитативним извором. За критичне информације препоручује се професионални људски превод. Нисмо одговорни за било каква неспоразума или погрешна тумачења која произилазе из коришћења овог превода.