localizeflow[bot]
fc898aee9c
|
4 weeks ago | |
|---|---|---|
| .. | ||
| README.md | 4 weeks ago | |
| assignment.md | 7 months ago | |
README.md
ڈیٹا کی تعریف
 |
|---|
| ڈیٹا کی تعریف - اسکیچ نوٹ بذریعہ @nitya |
ڈیٹا حقائق، معلومات، مشاہدات اور پیمائشیں ہیں جو دریافت کرنے اور باخبر فیصلوں کی حمایت کے لیے استعمال ہوتی ہیں۔ ایک ڈیٹا پوائنٹ ڈیٹا کے ایک سیٹ کے اندر ایک واحد ڈیٹا یونٹ ہوتا ہے، جو ڈیٹا پوائنٹس کا مجموعہ ہوتا ہے۔ ڈیٹا سیٹس مختلف فارمیٹس اور ساخت میں ہو سکتے ہیں، اور عام طور پر ان کا انحصار اس کے ماخذ یا اس جگہ پر ہوتا ہے جہاں سے ڈیٹا آیا ہے۔ مثال کے طور پر، ایک کمپنی کی ماہانہ آمدنی اسپریڈشیٹ میں ہو سکتی ہے لیکن اسمارٹ واچ سے حاصل کردہ گھنٹہ وار دل کی دھڑکن کا ڈیٹا JSON فارمیٹ میں ہو سکتا ہے۔ ڈیٹا سائنٹسٹس کے لیے عام بات ہے کہ وہ ایک ڈیٹا سیٹ میں مختلف اقسام کے ڈیٹا کے ساتھ کام کریں۔
یہ سبق ڈیٹا کی خصوصیات اور اس کے ماخذ کے مطابق شناخت اور درجہ بندی پر توجہ دیتا ہے۔
سبق سے پہلے کا کوئز
ڈیٹا کی وضاحت کیسے کی جاتی ہے
کچا ڈیٹا
کچا ڈیٹا وہ ڈیٹا ہوتا ہے جو اپنے ماخذ سے اپنی ابتدائی حالت میں آیا ہو اور اس کا تجزیہ یا تنظیم کی گئی نہ ہو۔ اس بات کو سمجھنے کے لیے کہ ڈیٹا سیٹ کے ساتھ کیا ہو رہا ہے، اسے اس فارم میں منظم کرنا ضروری ہوتا ہے جسے انسان اور وہ ٹیکنالوجی جو اس کا مزید تجزیہ کرنا چاہتی ہے، سمجھ سکے۔ ڈیٹا سیٹ کی ساخت اس بات کی وضاحت کرتی ہے کہ یہ کیسے منظم ہوتا ہے اور اسے منظم، غیر منظم، اور نیم منظم میں تقسیم کیا جا سکتا ہے۔ ان اقسام کی ساخت ماخذ کی بنیاد پر مختلف ہوں گی لیکن آخرکار یہ تینوں اقسام میں فٹ ہوں گی۔
مقداری ڈیٹا
مقداری ڈیٹا ایک ڈیٹا سیٹ میں عددی مشاہدات ہوتے ہیں اور عام طور پر ان کا تجزیہ، پیمائش اور ریاضیاتی استعمال کیا جا سکتا ہے۔ مقداری ڈیٹا کی کچھ مثالیں ہیں: کسی ملک کی آبادی، کسی شخص کی قامت یا کسی کمپنی کی سہ ماہی آمدنی۔ کچھ اضافی تجزیے کے ساتھ، مقداری ڈیٹا کا استعمال موسمی رجحانات، جیسے ایئر کوالٹی انڈیکس (AQI) کی جانچ کرنے یا عمومی کام کے دن میں رش آور ٹریفک کے امکان کا اندازہ لگانے کے لیے کیا جا سکتا ہے۔
معیاری یا وصفیاتی ڈیٹا
معیاری ڈیٹا، جسے زمرہ جاتی ڈیٹا بھی کہا جاتا ہے، وہ ڈیٹا ہے جسے مقداری ڈیٹا کی طرح معروضی طور پر ناپا نہیں جا سکتا۔ یہ عام طور پر مختلف اقسام کے ذاتی نوعیت کے ڈیٹا ہوتے ہیں جو کسی چیز کی خصوصیت جیسے کسی پروڈکٹ یا عمل کی کوالٹی کو ظاہر کرتے ہیں۔ بعض اوقات، معیاری ڈیٹا عددی بھی ہو سکتا ہے لیکن عام طور پر ریاضی میں استعمال نہیں ہوتا، جیسے فون نمبرز یا ٹائم اسٹیمپس۔ معیاری ڈیٹا کی کچھ مثالیں: ویڈیو کمنٹس، گاڑی کا ماڈل اور میک، یا آپ کے قریبی دوست کا پسندیدہ رنگ۔ معیاری ڈیٹا کا استعمال صارفین کی پسندیدہ مصنوعات کو سمجھنے یا جاب اپلیکیشن ریزیومے میں مقبول کی ورڈز کی شناخت کے لیے کیا جا سکتا ہے۔
منظم ڈیٹا
منظم ڈیٹا وہ ہوتا ہے جو قطاروں اور ستونوں میں ترتیب دیا گیا ہو، جہاں ہر قطار میں ایک ہی قسم کے ستون ہوتے ہیں۔ ستون کسی مخصوص قسم کی قدر کی نمائندگی کرتے ہیں اور انہیں ایک ایسا نام دیا جاتا ہے جو اس قدر کی نمائندگی کرتا ہے، جبکہ قطاروں میں اصل قدریں ہوتی ہیں۔ ستونوں میں اکثر قدروں پر مخصوص قواعد یا پابندیاں ہوتی ہیں تاکہ قدریں درست طور پر ستون کی نمائندگی کریں۔ مثال کے طور پر، ایک صارفین کا اسپریڈشیٹ سوچیں جہاں ہر قطار میں فون نمبر ہونا ضروری ہو اور فون نمبرز میں کبھی بھی حروف نہ ہوں۔ فون نمبر کے ستون پر ایسی پابندیاں لگائی جا سکتی ہیں تاکہ یہ کبھی خالی نہ ہو اور صرف نمبر شامل ہوں۔
منظم ڈیٹا کا فائدہ یہ ہے کہ اسے اس طرح ترتیب دیا جا سکتا ہے کہ اسے دوسرے منظم ڈیٹا سے جوڑا جا سکے۔ تاہم، چونکہ ڈیٹا کو ایک مخصوص انداز میں منظم کرنے کے لیے ڈیزائن کیا گیا ہے، اس کی مجموعی ساخت میں تبدیلی کرنا کافی محنت طلب ہو سکتا ہے۔ مثال کے طور پر، صارفین کے اسپریڈشیٹ میں ایک ای میل ستون شامل کرنا جو خالی نہ ہو، اس کا مطلب ہے کہ آپ کو یہ سمجھنا پڑے گا کہ آپ ان قدروں کو موجودہ قطاروں میں کیسے شامل کریں گے۔
منظم ڈیٹا کی مثالیں: اسپریڈشیٹس، تعلقاتی ڈیٹا بیس، فون نمبرز، بینک اسٹیٹمنٹس
غیر منظم ڈیٹا
غیر منظم ڈیٹا عام طور پر قطاروں یا ستونوں میں تقسیم نہیں ہوتا اور اس میں کسی خاص فارمیٹ یا قواعد کا مجموعہ نہیں ہوتا۔ چونکہ غیر منظم ڈیٹا کی ساخت پر کم پابندیاں ہوتی ہیں، نئے معلومات کا اضافہ اس کے مقابلے میں آسان ہوتا ہے جو منظم ڈیٹا سیٹ ہوتا ہے۔ اگر کوئی سینسر ہر 2 منٹ پر بارومیٹرک پریشر کا ڈیٹا ریکارڈ کرتا ہے اور اسے اپ ڈیٹ کیا جائے کہ وہ اب درجہ حرارت بھی ماپ اور ریکارڈ کر سکتا ہے، تو اگر یہ ڈیٹا غیر منظم ہو تو موجودہ ڈیٹا کو تبدیل کرنے کی ضرورت نہیں ہوتی۔ تاہم، اس قسم کے ڈیٹا کے تجزیے یا تحقیقات میں زیادہ وقت لگ سکتا ہے۔ مثال کے طور پر، ایک سائنسدان جو گزشتہ مہینے کی اوسط درجہ حرارت معلوم کرنا چاہتا ہے، لیکن معلوم کرتا ہے کہ سینسر نے کچھ ریکارڈ کیے گئے ڈیٹا میں "e" ٹائپ کیا ہے تاکہ یہ ظاہر کیا جا سکے کہ وہ خراب تھا، جو اس بات کا اشارہ ہے کہ ڈیٹا نامکمل ہے۔
غیر منظم ڈیٹا کی مثالیں: ٹیکسٹ فائلز، ٹیکسٹ میسجز، ویڈیو فائلز
نیم منظم ڈیٹا
نیم منظم ڈیٹا میں ایسی خصوصیات ہوتی ہیں جو اسے منظم اور غیر منظم ڈیٹا کا امتزاج بناتی ہیں۔ یہ عام طور پر قطاروں اور ستونوں کے فارمیٹ کے مطابق نہیں ہوتا لیکن ایک ایسے انداز میں منظم ہوتا ہے جسے منظم سمجھا جاتا ہے اور یہ کسی مقررہ فارمیٹ یا قواعد کا پابند ہو سکتا ہے۔ اس کی ساخت ماخذ کے لحاظ سے مختلف ہوتی ہے، جیسا کہ ایک واضح ہائیرارکی سے لے کر اس میں آسان معلومات شامل کرنے کے لیے زیادہ لچک دار طریقہ۔ میٹا ڈیٹا وہ اشارے ہوتے ہیں جو یہ فیصلہ کرنے میں مدد کرتے ہیں کہ ڈیٹا کیسے منظم اور ذخیرہ کیا گیا ہے اور جسے مختلف نام دیے جاتے ہیں، جیسے ٹیگز، عناصر، اکائیوں اور صفات۔ مثال کے طور پر، ایک عام ای میل پیغام کا موضوع، متن، اور وصول کنندگان کا مجموعہ ہوتا ہے اور اسے بھیجنے والے یا بھیجنے کے وقت کے مطابق منظم کیا جا سکتا ہے۔
نیم منظم ڈیٹا کی مثالیں: HTML، CSV فائلز، جاوا اسکرپٹ آبجیکٹ نوٹیشن (JSON)
ڈیٹا کے ماخذ
ڈیٹا کا ماخذ وہ ابتدائی جگہ ہوتی ہے جہاں سے ڈیٹا پیدا ہوا ہو یا جہاں "رہتا" ہو اور یہ اس بات پر منحصر ہوتا ہے کہ ڈیٹا کیسے اور کب جمع کیا گیا تھا۔ صارفین کے ذریعہ پیدا کردہ ڈیٹا کو بنیادی ڈیٹا کہا جاتا ہے، جب کہ ثانوی ڈیٹا اس ماخذ سے آتا ہے جس نے عمومی استعمال کے لیے ڈیٹا اکٹھا کیا ہو۔ مثال کے طور پر، اگر سائنسدانوں کا ایک گروپ بارانی جنگل میں مشاہدات جمع کر رہا ہے تو اسے بنیادی ڈیٹا سمجھا جائے گا، اور اگر وہ اسے دوسرے سائنسدانوں کے ساتھ بانٹنے کا فیصلہ کرتے ہیں تو جو لوگ اسے استعمال کریں گے ان کے لیے یہ ثانوی ڈیٹا ہوگا۔
ڈیٹا بیس ایک عام ماخذ ہیں اور ڈیٹا کو ہوسٹ اور مینیج کرنے کے لیے ڈیٹا بیس مینجمنٹ سسٹم پر انحصار کرتے ہیں جہاں صارفین کوئریز کہلانے والے کمانڈز کا استعمال کرتے ہوئے ڈیٹا کو دریافت کرتے ہیں۔ فائلیں جیسے آڈیو، تصویری، اور ویڈیو فائلز کے علاوہ اسپریڈشیٹ مثلاً ایکسل، ڈیٹا کے ماخذ ہو سکتے ہیں۔ انٹرنیٹ بھی ایک عام جگہ ہے جہاں ڈیٹا ہوسٹ کیا جاتا ہے، جہاں ڈیٹا بیس اور فائلیں دونوں دستیاب ہو سکتی ہیں۔ ایپلیکیشن پروگرامنگ انٹرفیسز، جنہیں APIs کہا جاتا ہے، پروگرامرز کو انٹرنیٹ کے ذریعے بیرونی صارفین کے ساتھ ڈیٹا شیئر کرنے کے طریقے بنانے کی اجازت دیتے ہیں، جبکہ ویب اسکریپنگ کا عمل ویب پیج سے ڈیٹا نکالتا ہے۔ ڈیٹا کے ساتھ کام کرنے والے اسباق میں مختلف ڈیٹا ماخذوں کے استعمال پر توجہ دی گئی ہے۔
نتیجہ
اس سبق میں ہم نے سیکھا:
- ڈیٹا کیا ہے
- ڈیٹا کی وضاحت کیسے کی جاتی ہے
- ڈیٹا کی درجہ بندی اور تقسیم بندی کیسے کی جاتی ہے
- ڈیٹا کہاں سے حاصل کیا جا سکتا ہے
🚀 چیلنج
کیگل ایک عمدہ ذریعہ ہے اوپن ڈیٹا سیٹس کا۔ ڈیٹا سیٹ سرچ ٹول کا استعمال کرتے ہوئے کچھ دلچسپ ڈیٹا سیٹس تلاش کریں اور 3 سے 5 ڈیٹا سیٹس کو درج ذیل معیار کے مطابق درجہ بند کریں:
- کیا ڈیٹا مقداری ہے یا وصفیاتی؟
- کیا ڈیٹا منظم، غیر منظم، یا نیم منظم ہے؟
سبق کے بعد کا کوئز
جائزہ اور خود مطالعہ
- یہ مائیکروسافٹ لرن یونٹ، جس کا عنوان ہے ڈیٹا فارمیٹس کی شناخت، منظم، نیم منظم، اور غیر منظم ڈیٹا کی تفصیلی تقسیم فراہم کرتا ہے۔
اسائنمنٹ
ڈس کلیمر: یہ دستاویز AI ترجمہ سروس Co-op Translator کے ذریعے ترجمہ کی گئی ہے۔ جبکہ ہم درستگی کے لیے کوشاں ہیں، براہ کرم اس بات سے آگاہ رہیں کہ خودکار ترجمے میں غلطیاں یا عدم درستیاں ہو سکتی ہیں۔ اصل دستاویز اپنے مادری زبان میں مستند ماخذ سمجھی جائے گی۔ حساس معلومات کے لیے پیشہ ور انسانی ترجمہ کی سفارش کی جاتی ہے۔ اس ترجمے کے استعمال سے پیدا ہونے والی کسی بھی غلط فہمی یا غلط تشریح کی ذمہ داری ہم قبول نہیں کرتے۔