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

Kufafanua Data

Kufafanua Data - Sketchnote na @nitya

Data ni ukweli, taarifa, maoni na vipimo vinavyotumika kufanya ugunduzi na kusaidia maamuzi yaliyo na taarifa. Kitu cha data ni kipengele kimoja cha data ndani ya seti ya data, ambayo ni mkusanyiko wa vitu vya data. Seti za data zinaweza kuja katika miundo na muundo tofauti, na kawaida zitategemea chanzo chake, au mahali data ilipotoka. Kwa mfano, mapato ya kila mwezi ya kampuni yanaweza kuwekwa katika karatasi ya kazi lakini data ya kiwango cha moyo kila saa kutoka kwa saa ya mkononi inaweza kuwa katika muundo wa JSON. Ni kawaida kwa wataalamu wa data kufanya kazi na aina tofauti za data ndani ya seti ya data.

Somo hili linaangazia kutambua na kuainisha data kwa sifa zake na vyanzo vyake.

Mtihani wa Kabla ya Somo

Jinsi Data Inavyofafanuliwa

Data Mbichi

Data mbichi ni data iliyotoka kwenye chanzo chake katika hali yake ya awali na bado haijachambuliwa au kupanga. Ili kuelewa kinachotokea na seti ya data, inahitaji kupangwa katika muundo ambao unaweza kueleweka na wanadamu pamoja na teknolojia wanayotumia kuchambua zaidi. Muundo wa seti ya data unaeleza jinsi ilivyopangwa na unaweza kuainishwa kuwa muundo uliopangwa, usiopangwa na nusu uliopangwa. Aina hizi za muundo zitabadilika kulingana na chanzo lakini hatimaye zitajumuishwa katika makundi haya matatu.

Data ya Kiasi

Data ya kiasi ni maoni ya nambari ndani ya seti ya data na kwa kawaida inaweza kuchambuliwa, kupimwa na kutumika kihisabati. Mifano ya data ya kiasi ni kama: idadi ya watu wa nchi, urefu wa mtu au mapato ya robo mwaka ya kampuni. Kwa uchambuzi zaidi, data ya kiasi inaweza kutumika kugundua mwelekeo wa msimu wa Kielelezo cha Ubora wa Hewa (AQI) au kukadiria uwezekano wa msongamano wa magari wakati wa saa za msongamano siku ya kazi kawaida.

Data ya Sifa

Data ya sifa, pia inayojulikana kama data ya aina, ni data ambayo haiwezi kupimwa kwa njia za kisayansi kama maoni ya data ya kiasi. Kwa ujumla ni aina mbalimbali za data za hisia zinazoelezea ubora wa kitu, kama bidhaa au mchakato. Wakati mwingine, data ya sifa ni nambari lakini kwa kawaida haitumiwi kihisabati, kama namba za simu au muda wa kumbukumbu. Mifano ya data ya sifa ni kama: maoni ya video, chapa na mfano wa gari au rangi pendwa ya rafiki yako wa karibu. Data ya sifa inaweza kutumika kuelewa bidhaa gani wateja wanazopenda zaidi au kutambua maneno maarufu katika wasifu wa maombi ya kazi.

Data Iliyo Pangiliwa

Data iliyopangiliwa ni data iliyopangwa katika safu na nguzo, ambapo kila safu itakuwa na seti sawa ya nguzo. Nguzo zinaonesha thamani ya aina fulani na zitabainishwa na jina linaloelezea thamani hiyo, wakati safu zina maadili halisi. Nguzo mara nyingi huwa na sheria au vikwazo maalum juu ya thamani, ili kuhakikisha maadili yanawakilisha nguzo hiyo kwa usahihi. Kwa mfano fikiria karatasi ya wateja ambapo kila safu lazima iwe na namba ya simu na namba za simu hazijumuishi herufi. Kunaweza kuwa na sheria zinazotumika kwenye nguzo ya namba za simu kuhakikisha haitajiwi na inajumuisha nambari tu.

Faida ya data iliyopangiliwa ni kwamba inaweza kupangwa kwa njia inayoweza kuhusishwa na data mingine iliyopangiliwa. Hata hivyo, kwa kuwa data imeundwa kuandaliwa katika njia maalum, kufanya mabadiliko ya jumla kwenye muundo wake kunaweza kuhitaji juhudi nyingi. Kwa mfano, kuongeza safu ya barua pepe kwenye karatasi ya wateja ambayo haipaswi kuwa tupu inamaanisha utahitaji kubaini jinsi ya kuongeza maadili haya kwenye safu zilizopo za wateja katika seti ya data.

Mifano ya data iliyopangiliwa: karatasi za kazi, hifadhidata za mahusiano, namba za simu, taarifa za benki

Data Isiyopangiliwa

Data isiyopangiliwa kwa kawaida haiwezi kuwekwa katika safu au nguzo na haina muundo au seti ya sheria za kufuata. Kwa kuwa data isiyopangiliwa haina vikwazo vingi juu ya muundo wake, ni rahisi kuongeza taarifa mpya ikilinganishwa na seti ya data iliyopangiliwa. Ikiwa kifaa kinachokusanya data ya shinikizo la anga kila baada ya dakika 2 kimepokea sasisho kinachoruhusu kupima na kurekodi joto, hakitaji kubadilisha data iliyopo ikiwa ni isiyo pangiliwa. Hata hivyo, hii inaweza kufanya uchambuzi au uchunguzi wa aina hii ya data kuchukua muda mrefu zaidi. Kwa mfano, mtaalamu wa sayansi anayetaka kupata wastani wa joto la mwezi uliopita kutoka kwa data za kifaa cha sensa, lakini anagundua kuwa sensa ilirekodi "e" kwenye baadhi ya data kuonyesha kwamba ilikuwa imevunjika badala ya nambari ya kawaida, inamaanisha data haikamiliki.

Mifano ya data isiyopangiliwa: faili za maandishi, ujumbe wa maandishi, faili za video

Nusu-imepangiliwa

Data nusu-imepangiliwa ina sifa zinazofanya iwe mchanganyiko wa data iliyopangiliwa na isiyopangiliwa. Kwa kawaida hailingani na muundo wa safu na nguzo lakini imepangwa kwa njia inayochukuliwa kuwa imepangwa na inaweza kufuata muundo thabiti au seti ya sheria. Muundo utabadilika kati ya vyanzo, kama daraja lililopangwa vizuri hadi kitu kinachobadilika kirahisi kinachoruhusu ushirikiano rahisi wa habari mpya. Metadata ni viashiria vinavyosaidia kuamua jinsi data ilivyo pangiliwa na kuhifadhiwa na vitakuwa na majina mbalimbali, kulingana na aina ya data. Baadhi ya majina yanayojulikana kwa metadata ni alama, vipengele, taasisi na sifa. Kwa mfano, ujumbe wa barua pepe wa kawaida utakuwa na mada, mwili na orodha ya wapokeaji na unaweza kupangwa kulingana na nani au lini ulitumwa.

Mifano ya data nusu-imepangiliwa: HTML, faili za CSV, JavaScript Object Notation (JSON)

Vyanzo vya Data

Chanzo cha data ni mahali pa awali ambapo data ilizalishwa, au mahali inapo "ishi" na kitabadilika kulingana na jinsi na lini ilikusanywa. Data inayozalishwa na mtumiaji wake inajulikana kama data ya msingi wakati data ya sekondari hutoka kwenye chanzo ambacho kimekusanya data kwa matumizi ya jumla. Kwa mfano, kundi la wataalamu wanaokusanya maoni porini lingechukuliwa kuwa data ya msingi na ikiwa wataamua kuishiriki na wataalamu wengine ingechukuliwa sekondari kwa wale wanaoitumia.

Hifadhidata ni chanzo maarufu na hutegemea mfumo wa usimamizi wa hifadhidata kuhifadhi na kudumisha data ambapo watumiaji hutumia amri zinazojulikana kama queries kuchunguza data. Faili kama vyanzo vya data vinaweza kuwa faili za sauti, picha, na video pamoja na karatasi za kazi kama Excel. Vyanzo vya mtandao ni mahali pa kawaida pa kuhifadhi data, ambapo hifadhidata pamoja na faili zinaweza kupatikana. Interfaces za programu za maombi, pia zinajulikana kama APIs huruhusu waprogramu kuunda njia za kushiriki data na watumiaji wa nje kupitia mtandao, wakati mchakato wa kuvuta data kutoka kwenye ukurasa wa mtandao unachukua data kutoka kwenye ukurasa wa wavuti. Mafunzo katika Kufanya kazi na Data yanazingatia jinsi ya kutumia vyanzo mbalimbali vya data.

Hitimisho

Katika somo hili tumefahamu:

• Data ni nini
• Jinsi data inavyoelezwa
• Jinsi data inavyoainishwa na kuainishwa
• Mahali pa kupata data

🚀 Changamoto

Kaggle ni chanzo bora cha seti za data za wazi. Tumia chombo cha kutafuta seti za data kupata seti za data za kuvutia na ainisha seti 3-5 kwa vigezo hivi:

• Je data ni ya kiasi au ya sifa?
• Je data ni iliyopangiliwa, isiyopangiliwa, au nusu-imepangiliwa?

Mtihani baada ya somo

Muhtasari na Kujifunza Binafsi

• Kitengo hiki cha Microsoft Learn, kilichoitwa Kutambua muundo wa data kina maelezo ya kina kuhusu data iliyopangiliwa, nusu-imepangiliwa, na isiyopangiliwa.

Kazi ya Nyumbani

Kuainisha Seti za Data

---

Kionyozo: Hati hii imetafsiriwa kwa kutumia huduma ya tafsiri ya AI Co-op Translator. Ingawa tunajitahidi kupata usahihi, tafadhali fahamu kwamba tafsiri za kiotomatiki zinaweza kuwa na makosa au upungufu wa usahihi. Hati ya asili katika lugha yake halisi inapaswa kuchukuliwa kama chanzo cha mamlaka. Kwa taarifa muhimu, tafsiri ya kitaalamu inayofanywa na binadamu inapendekezwa. Hatutojibu kwa kuelewa vibaya au tafsiri potofu zinazotokea kutokana na matumizi ya tafsiri hii.