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.
41 lines
8.1 KiB
41 lines
8.1 KiB
# అసైన్మెంట్: డేటా సైన్స్ సన్నివేశాలు
|
|
|
|
ఈ మొదటి అసైన్మెంట్లో, మేము మీరు వివిధ సమస్యా డొమైన్లలోని కొన్ని వాస్తవ జీవిత ప్రక్రియ లేదా సమస్య గురించి ఆలోచించాలని కోరుతున్నాము, మరియు మీరు డేటా సైన్స్ ప్రక్రియను ఉపయోగించి దాన్ని ఎలా మెరుగుపరచగలరో. క్రింది విషయాల గురించి ఆలోచించండి:
|
|
|
|
1. మీరు ఏ డేటాను సేకరించగలరు?
|
|
1. దాన్ని మీరు ఎలా సేకరిస్తారు?
|
|
1. డేటాను మీరు ఎలా నిల్వ చేస్తారు? డేటా ఎంత పెద్దదిగా ఉండవచ్చు?
|
|
1. ఈ డేటా నుండి మీరు ఏ అవగాహనలను పొందగలరు? డేటా ఆధారంగా ఏ నిర్ణయాలు తీసుకోవచ్చు?
|
|
|
|
3 విభిన్న సమస్యలు/ప్రక్రియల గురించి ఆలోచించి, ప్రతి సమస్యా డొమైన్ కోసం పై పాయింట్లను వివరించండి.
|
|
|
|
ఇక్కడ కొన్ని సమస్యా డొమైన్లు మరియు సమస్యలు ఉన్నాయి, ఇవి మీ ఆలోచన ప్రారంభానికి సహాయపడతాయి:
|
|
|
|
1. పిల్లల విద్యా ప్రక్రియను మెరుగుపరచడానికి మీరు డేటాను ఎలా ఉపయోగించగలరు?
|
|
1. మహమ్మారి సమయంలో టీకా నియంత్రణ కోసం మీరు డేటాను ఎలా ఉపయోగించగలరు?
|
|
1. మీరు పని సమయంలో ఉత్పాదకత ఉన్నారని నిర్ధారించుకోవడానికి డేటాను ఎలా ఉపయోగించగలరు?
|
|
|
|
## సూచనలు
|
|
|
|
క్రింది పట్టికను పూరించండి (మీ అవసరానికి అనుగుణంగా సూచించిన సమస్యా డొమైన్లను మీ స్వంత వాటితో మార్చుకోవచ్చు):
|
|
|
|
| సమస్యా డొమైన్ | సమస్య | ఏ డేటాను సేకరించాలి | డేటాను ఎలా నిల్వ చేయాలి | ఏ అవగాహన/నిర్ణయాలు తీసుకోవచ్చు |
|
|
|----------------|---------|-----------------------|-----------------------|--------------------------------------|
|
|
| విద్య | విశ్వవిద్యాలయంలో, సాధారణంగా లెక్చర్లకు హాజరు తక్కువగా ఉంటుంది, మరియు లెక్చర్లకు హాజరు ఇచ్చే విద్యార్థులు పరీక్షల్లో సగటున మెరుగ్గా ఉంటారని మన hypothesis ఉంది. హాజరును ప్రేరేపించి hypothesis ని పరీక్షించాలనుకుంటున్నాము. | తరగతిలో సెక్యూరిటీ కెమెరా తీసిన చిత్రాల ద్వారా లేదా తరగతిలో విద్యార్థుల మొబైల్ ఫోన్ల బ్లూటూత్/వైఫై అడ్రెస్లను ట్రాక్ చేయడం ద్వారా హాజరును ట్రాక్ చేయవచ్చు. పరీక్షా డేటా ఇప్పటికే విశ్వవిద్యాలయ డేటాబేస్లో అందుబాటులో ఉంది. | సెక్యూరిటీ కెమెరా చిత్రాలను ట్రాక్ చేస్తే - తరగతి సమయంలో కొన్ని (5-10) ఫోటోలు (అనుసంఘటిత డేటా) నిల్వ చేయాలి, తరువాత AI ఉపయోగించి విద్యార్థుల ముఖాలను గుర్తించి (డేటాను నిర్మిత రూపంలోకి మార్చాలి). | ప్రతి విద్యార్థి సగటు హాజరు డేటాను లెక్కించి, పరీక్షా గ్రేడ్లతో ఏ సంబంధం ఉందో చూడవచ్చు. సంబంధం గురించి [probability and statistics](../../04-stats-and-probability/README.md) విభాగంలో మరింత చర్చిస్తాము. విద్యార్థుల హాజరును ప్రేరేపించడానికి వారానికి ఒకసారి హాజరు రేటింగ్ను స్కూల్ పోర్టల్లో ప్రచురించి, అత్యధిక హాజరు ఉన్నవారిలో బహుమతులు ఇవ్వవచ్చు. |
|
|
| టీకా | | | | |
|
|
| ఉత్పాదకత | | | | |
|
|
|
|
> *ఈ అసైన్మెంట్లో మీరు ఏం చేయాలో అర్థం చేసుకోవడానికి ఒక ఉదాహరణగా ఒకే ఒక సమాధానాన్ని మాత్రమే అందిస్తున్నాము.*
|
|
|
|
## రూబ్రిక్
|
|
|
|
ఉదాహరణాత్మకంగా | సరిపడా | మెరుగుదల అవసరం
|
|
--- | --- | -- |
|
|
అన్ని సమస్యా డొమైన్ల కోసం తగిన డేటా మూలాలు, డేటా నిల్వ విధానాలు మరియు సాధ్యమైన నిర్ణయాలు/అవగాహనలను గుర్తించగలిగారు | పరిష్కారంలోని కొన్ని అంశాలు వివరించబడలేదు, డేటా నిల్వ గురించి చర్చించబడలేదు, కనీసం 2 సమస్యా డొమైన్లు మాత్రమే వివరించబడ్డాయి | డేటా పరిష్కారంలోని భాగాలు మాత్రమే వివరించబడ్డాయి, ఒకే ఒక సమస్యా డొమైన్ మాత్రమే పరిగణించబడింది.
|
|
|
|
---
|
|
|
|
<!-- CO-OP TRANSLATOR DISCLAIMER START -->
|
|
**అస్పష్టత**:
|
|
ఈ పత్రాన్ని AI అనువాద సేవ [Co-op Translator](https://github.com/Azure/co-op-translator) ఉపయోగించి అనువదించబడింది. మేము ఖచ్చితత్వానికి ప్రయత్నించినప్పటికీ, ఆటోమేటెడ్ అనువాదాల్లో పొరపాట్లు లేదా తప్పిదాలు ఉండవచ్చు. మూల పత్రం దాని స్వదేశీ భాషలో అధికారిక మూలంగా పరిగణించాలి. ముఖ్యమైన సమాచారానికి, ప్రొఫెషనల్ మానవ అనువాదం సిఫార్సు చేయబడుతుంది. ఈ అనువాదం వాడకంలో ఏర్పడిన ఏవైనా అపార్థాలు లేదా తప్పుదారితీసే అర్థాలు కోసం మేము బాధ్యత వహించము.
|
|
<!-- CO-OP TRANSLATOR DISCLAIMER END --> |