leestott
29fa7e1c12
|
1 year ago | |
|---|---|---|
| .. | ||
| solution | 1 year ago | |
| README.md | 1 year ago | |
| assignment.md | 1 year ago | |
| notebook.ipynb | 1 year ago | |
README.md
ဒေတာ သိပ္ပံကို သတ်မှတ်ခြင်း
 |
|---|
| ဒေတာ သိပ္ပံကို သတ်မှတ်ခြင်း - Sketchnote by @nitya |
မသင်ခန်းစာမတိုင်မီ စမ်းမေးခွန်း
ဒေတာဆိုတာဘာလဲ?
နေ့စဉ်ဘဝမှာ ဒေတာတွေက ကျွန်တော်တို့ကို အမြဲဝန်းရံနေပါတယ်။ သင်အခုဖတ်နေတဲ့ စာသားက ဒေတာတစ်ခုပါပဲ။ သင့်ဖုန်းထဲမှာရှိတဲ့ သူငယ်ချင်းတွေရဲ့ ဖုန်းနံပါတ်စာရင်းက ဒေတာဖြစ်သလို၊ နာရီမှာ ပြထားတဲ့ လက်ရှိအချိန်လည်း ဒေတာတစ်ခုပါပဲ။ လူသားတွေဟာ ဒေတာနဲ့ သဘာဝအတိုင်း အလုပ်လုပ်တတ်ကြပါတယ်၊ ဥပမာ - ငွေကို ရေတွက်တာ၊ သူငယ်ချင်းတွေကို စာရေးတာတွေပါ။
ဒါပေမယ့် ကွန်ပျူတာတွေ ပေါ်ထွက်လာပြီးနောက် ဒေတာဟာ အရေးပါမှု ပိုများလာပါတယ်။ ကွန်ပျူတာတွေရဲ့ အဓိကအလုပ်က တွက်ချက်မှုတွေကို လုပ်ဆောင်တာဖြစ်ပေမယ့် ဒေတာမရှိရင် အလုပ်မလုပ်နိုင်ပါဘူး။ ဒါကြောင့် ကွန်ပျူတာတွေ ဒေတာကို ဘယ်လို သိမ်းဆည်းပြီး လုပ်ဆောင်တတ်တယ်ဆိုတာကို နားလည်ဖို့ လိုအပ်ပါတယ်။
အင်တာနက် ပေါ်ထွက်လာပြီးနောက် ကွန်ပျူတာတွေဟာ ဒေတာကို ကိုင်တွယ်တဲ့ စက်ပစ္စည်းအဖြစ် ပိုပြီး အရေးပါလာပါတယ်။ သင်စဉ်းစားကြည့်ပါ - အခုတော့ ကျွန်တော်တို့ဟာ တွက်ချက်မှုတွေထက် ဒေတာကို ကိုင်တွယ်တာနဲ့ ဆက်သွယ်မှုအတွက် ကွန်ပျူတာတွေကို ပိုအသုံးပြုလာကြပါတယ်။ သူငယ်ချင်းကို အီးမေးလ်ရေးတာ၊ အင်တာနက်မှာ အချက်အလက်ရှာတာတွေဟာ ဒေတာကို ဖန်တီးတာ၊ သိမ်းဆည်းတာ၊ ပေးပို့တာနဲ့ ပြောင်းလဲတာတွေပါပဲ။
သင်ကွန်ပျူတာကို တကယ်တမ်း တွက်ချက်မှုအတွက် အသုံးပြုခဲ့တဲ့ နောက်ဆုံးအကြိမ်ကို သတိရနိုင်ပါသလား?
ဒေတာ သိပ္ပံဆိုတာဘာလဲ?
Wikipedia မှာ ဒေတာ သိပ္ပံ ကို ဖွဲ့စည်းထားတဲ့ ဒေတာနဲ့ မဖွဲ့စည်းထားတဲ့ ဒေတာတွေကနေ သိပ္ပံနည်းလမ်းတွေကို အသုံးပြုပြီး အသိပညာနဲ့ အမြင်တွေကို ထုတ်ယူပြီး၊ အမျိုးမျိုးသော လုပ်ငန်းခွင်တွေမှာ အသုံးချနိုင်တဲ့ အမြင်တွေကို လက်တွေ့အသုံးချနိုင်အောင် လုပ်ဆောင်တဲ့ သိပ္ပံနယ်ပယ်တစ်ခု လို့ သတ်မှတ်ထားပါတယ်။
ဒီအဓိပ္ပာယ်မှာ ဒေတာ သိပ္ပံရဲ့ အရေးကြီးတဲ့ အချက်တွေကို ဖော်ပြထားပါတယ် -
- ဒေတာ သိပ္ပံရဲ့ အဓိကရည်မှန်းချက်က အသိပညာကို ထုတ်ယူတာဖြစ်ပြီး၊ ဒေတာကို နားလည်ပြီး၊ ဖုံးဖိထားတဲ့ ဆက်စပ်မှုတွေကို ရှာဖွေပြီး မော်ဒယ်တစ်ခုကို တည်ဆောက်တာဖြစ်ပါတယ်။
- ဒေတာ သိပ္ပံဟာ သိပ္ပံနည်းလမ်းတွေကို အသုံးပြုပါတယ်၊ ဥပမာ - အလားအလာနဲ့ သင်္ချာ။ ဒေတာ သိပ္ပံ ဆိုတဲ့ စကားလုံးကို ပထမဆုံး အသုံးပြုခဲ့တဲ့အခါမှာ ဒေတာ သိပ္ပံဟာ သင်္ချာရဲ့ နာမည်အသစ်တစ်ခုသာ ဖြစ်တယ်လို့ အချို့က ဆိုခဲ့ကြပါတယ်။ ယနေ့မှာတော့ ဒေတာ သိပ္ပံဟာ ပိုကျယ်ပြန့်တဲ့ နယ်ပယ်တစ်ခုဖြစ်ကြောင်း ထင်ရှားလာပါတယ်။
- ရရှိတဲ့ အသိပညာကို လက်တွေ့အသုံးချနိုင်တဲ့ အမြင်တွေ ထုတ်လုပ်ဖို့ အသုံးချရမယ်၊ ဒါမှဆိုရင် လုပ်ငန်းခွင်မှာ လက်တွေ့အသုံးချနိုင်တဲ့ အမြင်တွေကို ရရှိနိုင်မှာပါ။
- ဖွဲ့စည်းထားတဲ့ ဒေတာနဲ့ မဖွဲ့စည်းထားတဲ့ ဒေတာ နှစ်မျိုးလုံးကို ကိုင်တွယ်နိုင်ရမယ်။ ဒေတာရဲ့ အမျိုးအစားတွေကို ကျွန်တော်တို့ ဒီသင်တန်းမှာ နောက်ပိုင်းမှာ ပြန်လည်ဆွေးနွေးပါမယ်။
- လျှောက်လွှာနယ်ပယ် ဆိုတာ အရေးကြီးတဲ့ အကြောင်းအရာတစ်ခုဖြစ်ပြီး၊ ဒေတာ သိပ္ပံပညာရှင်တွေဟာ ဥပမာ - ဘဏ္ဍာရေး၊ ဆေးဘက်ဆိုင်ရာ၊ စျေးကွက်ရှာဖွေရေး စသဖြင့် နယ်ပယ်အလိုက် အနည်းဆုံး အတတ်ပညာတစ်ခုခုကို သိရှိထားရမယ်။
ဒေတာ သိပ္ပံရဲ့ အရေးကြီးတဲ့ အချက်တစ်ခုက ဒေတာကို ဘယ်လို စုဆောင်းရမလဲ၊ သိမ်းဆည်းရမလဲ၊ ကွန်ပျူတာတွေနဲ့ ဘယ်လို ကိုင်တွယ်ရမလဲဆိုတာကိုလည်း လေ့လာတယ်ဆိုတာပါ။ သင်္ချာက ကျွန်တော်တို့ကို သင်္ချာဆိုင်ရာ အခြေခံပညာပေးတယ်၊ ဒေတာ သိပ္ပံကတော့ ဒေတာထဲက အမြင်တွေကို တကယ်ထုတ်ယူဖို့ သင်္ချာဆိုင်ရာ အယူအဆတွေကို အသုံးချတယ်။
ဒေတာ သိပ္ပံကို Jim Gray က သတ်မှတ်ခဲ့တဲ့ နည်းလမ်းတစ်ခုအနေနဲ့ ကြည့်မယ်ဆိုရင်၊ ဒေတာ သိပ္ပံဟာ သိပ္ပံရဲ့ သီးခြားနယ်ပယ်တစ်ခုအဖြစ် ရှုနိုင်ပါတယ် -
- အတွေ့အကြုံအပေါ် အခြေခံတဲ့ သိပ္ပံနယ်ပယ်၊ အတွေ့အကြုံနဲ့ စမ်းသပ်မှုရလဒ်တွေကို အဓိကထားတယ်။
- သီအိုရီအပေါ် အခြေခံတဲ့ နယ်ပယ်၊ ရှိပြီးသား သိပ္ပံပညာတွေကနေ အယူအဆအသစ်တွေကို ဖန်တီးတယ်။
- ကွန်ပျူတာဆိုင်ရာ စမ်းသပ်မှုအပေါ် အခြေခံတဲ့ နယ်ပယ်၊ စမ်းသပ်မှုတွေကနေ အခြေခံသဘောတရားအသစ်တွေကို ရှာဖွေတယ်။
- ဒေတာအပေါ် အခြေခံတဲ့ နယ်ပယ်၊ ဒေတာထဲက ဆက်စပ်မှုတွေ၊ ပုံစံတွေကို ရှာဖွေတယ်။
ဆက်စပ်နယ်ပယ်များ
ဒေတာဟာ အရာရာမှာ ရှိနေတဲ့အတွက် ဒေတာ သိပ္ပံဟာလည်း ကျယ်ပြန့်တဲ့ နယ်ပယ်တစ်ခုဖြစ်ပြီး အခြားသော အတော်များများသော နယ်ပယ်တွေနဲ့ ဆက်စပ်နေပါတယ်။ သင်ဤနည်းလမ်းကို အကောင်းဆုံးမဟုတ်ဘူးလို့ အငြင်းပွားနိုင်ပါတယ်၊ အကြောင်းကတော့ module တွေဟာ အရှည်အတို မတူညီနိုင်ပါတယ်။ module ရဲ့ အရှည် (အက္ခရာအရေအတွက်) ကို အချိန်နဲ့ ခွဲခြားပြီး၊ အဲဒီတန်ဖိုးတွေကို နှိုင်းယှဉ်တာက ပိုတရားမျှတနိုင်ပါတယ်။ အများပြည်သူရွေးချယ်မှု စမ်းသပ်မှုရလဒ်များကို စတင်လေ့လာတဲ့အခါမှာ ကျောင်းသားတွေ နားလည်ဖို့ အခက်အခဲရှိတဲ့ အကြောင်းအရာတွေကို သတ်မှတ်နိုင်ပြီး အကြောင်းအရာတွေကို ပိုမိုကောင်းမွန်အောင် ပြင်ဆင်နိုင်ပါတယ်။ ဒါကိုလုပ်ဖို့အတွက် စမ်းသပ်မှုတွေကို တစ်ခုချင်းစီက အကြောင်းအရာတစ်ခုသို့မဟုတ် အသိပညာတစ်ခုကို ဆက်စပ်အောင် ဒီဇိုင်းဆွဲဖို့ လိုအပ်ပါတယ်။
ပိုမိုရှုပ်ထွေးတဲ့အရာကို လုပ်ချင်ရင် ကျောင်းသားတွေ အသက်အရွယ်အုပ်စုနဲ့ module တစ်ခုစီကို ပြီးမြောက်ဖို့ ကြာချိန်ကို ရှုထောင့်ပေါ်မှာ ရှာဖွေနိုင်ပါတယ်။ အသက်အရွယ်အုပ်စုတစ်ချို့အတွက် module ကို ပြီးမြောက်ဖို့ အချိန်အလွန်ကြာတာတွေ၊ ဒါမှမဟုတ် module ကို ပြီးမြောက်မချင်း ကျောင်းသားတွေ ထွက်သွားတာတွေကို တွေ့နိုင်ပါတယ်။ ဒါက module အတွက် အသက်အရွယ်အကြံပြုချက်တွေ ပေးနိုင်ဖို့နဲ့ မျှော်လင့်ချက်မှားမှုကြောင့် လူတွေ မကျေနပ်မှုကို လျှော့ချနိုင်ဖို့ အထောက်အကူဖြစ်ပါတယ်။
🚀 စိန်ခေါ်မှု
ဒီစိန်ခေါ်မှုမှာ Data Science နယ်ပယ်နဲ့ ဆက်စပ်တဲ့ အကြောင်းအရာတွေကို စာသားတွေကို ကြည့်ပြီး ရှာဖွေကြမယ်။ Data Science အကြောင်း Wikipedia ဆောင်းပါးတစ်ခုကို ယူပြီး စာသားကို ဒေါင်းလုပ်လုပ်ပြီး အဆင့်ဆင့် ပြုပြင်ပြီးတော့ ဒီလို word cloud တစ်ခုကို တည်ဆောက်ပါမယ်:
notebook.ipynb ကို သွားပြီး code ကို ဖတ်ရှုပါ။ သင် code ကို run လုပ်ပြီး data transformation တွေကို အချိန်နဲ့တပြေးညီ ဘယ်လိုလုပ်ဆောင်သလဲ ကြည့်ရှုနိုင်ပါတယ်။
Jupyter Notebook မှာ code ကို ဘယ်လို run လုပ်ရမလဲ မသိရင် ဒီဆောင်းပါး ကို ကြည့်ပါ။
Post-lecture quiz
အလုပ်များ
- Task 1: အထက်ပါ code ကို ပြင်ဆင်ပြီး Big Data နဲ့ Machine Learning နယ်ပယ်တွေအတွက် ဆက်စပ်တဲ့ အကြောင်းအရာတွေကို ရှာဖွေပါ။
- Task 2: Data Science အခြေအနေတွေကို စဉ်းစားပါ
အကျိုးတူ
ဒီသင်ခန်းစာကို Dmitry Soshnikov မှ ♥️ နဲ့ရေးသားထားပါတယ်။
ဝက်ဘ်ဆိုက်မှတ်ချက်:
ဤစာရွက်စာတမ်းကို AI ဘာသာပြန်ဝန်ဆောင်မှု Co-op Translator ကို အသုံးပြု၍ ဘာသာပြန်ထားပါသည်။ ကျွန်ုပ်တို့သည် တိကျမှန်ကန်မှုအတွက် ကြိုးစားနေပါသော်လည်း၊ အလိုအလျောက်ဘာသာပြန်ဆိုမှုများတွင် အမှားများ သို့မဟုတ် မတိကျမှုများ ပါဝင်နိုင်သည်ကို ကျေးဇူးပြု၍ သတိပြုပါ။ မူရင်းစာရွက်စာတမ်းကို ၎င်း၏ မူလဘာသာစကားဖြင့် အာဏာတည်သောရင်းမြစ်အဖြစ် သတ်မှတ်သင့်ပါသည်။ အရေးကြီးသော အချက်အလက်များအတွက် လူ့ဘာသာပြန်ပညာရှင်များမှ ပြန်ဆိုမှုကို အကြံပြုပါသည်။ ဤဘာသာပြန်ကို အသုံးပြုခြင်းမှ ဖြစ်ပေါ်လာသော နားလည်မှုမှားများ သို့မဟုတ် အဓိပ္ပါယ်မှားများအတွက် ကျွန်ုပ်တို့သည် တာဝန်မယူပါ။