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

הגדרת נתונים

הגדרת נתונים - סקצ'נוט מאת @nitya

נתונים הם עובדות, מידע, תצפיות ומדידות שמשמשים לגילויים ולתמיכה בהחלטות מושכלות. נקודת נתונים היא יחידת נתונים אחת בתוך מערך נתונים, שהוא אוסף של נקודות נתונים. מערכי נתונים יכולים להגיע בפורמטים ובמבנים שונים, ובדרך כלל יתבססו על המקור שלהם או על המקום שממנו הגיעו הנתונים. לדוגמה, רווחים חודשיים של חברה עשויים להיות בגיליון אלקטרוני, אך נתוני דופק לפי שעה משעון חכם עשויים להיות בפורמט JSON. זה נפוץ שמדעני נתונים עובדים עם סוגים שונים של נתונים בתוך מערך נתונים.

השיעור הזה מתמקד בזיהוי וסיווג נתונים לפי מאפייניהם ומקורותיהם.

שאלון לפני השיעור

איך נתונים מתוארים

נתונים גולמיים

נתונים גולמיים הם נתונים שהגיעו ממקורם במצבם הראשוני ולא נותחו או אורגנו. כדי להבין מה קורה עם מערך נתונים, יש לארגן אותו בפורמט שניתן להבינו על ידי בני אדם וגם על ידי הטכנולוגיה שבה הם עשויים להשתמש לניתוח נוסף. המבנה של מערך נתונים מתאר איך הוא מאורגן וניתן לסווג אותו כנתונים מובנים, לא מובנים וחצי מובנים. סוגי המבנה הללו ישתנו בהתאם למקור, אך בסופו של דבר יתאימו לשלוש הקטגוריות הללו.

נתונים כמותיים

נתונים כמותיים הם תצפיות מספריות בתוך מערך נתונים וניתן בדרך כלל לנתחם, למדוד אותם ולהשתמש בהם מתמטית. כמה דוגמאות לנתונים כמותיים הן: אוכלוסיית מדינה, גובה של אדם או רווחים רבעוניים של חברה. עם ניתוח נוסף, נתונים כמותיים יכולים לשמש לגילוי מגמות עונתיות במדד איכות האוויר (AQI) או להערכת ההסתברות לתנועה בשעות העומס ביום עבודה טיפוסי.

נתונים איכותיים

נתונים איכותיים, הידועים גם כנתונים קטגוריים, הם נתונים שלא ניתן למדוד באופן אובייקטיבי כמו תצפיות של נתונים כמותיים. בדרך כלל מדובר בפורמטים שונים של נתונים סובייקטיביים שמלכדים את האיכות של משהו, כמו מוצר או תהליך. לפעמים נתונים איכותיים הם מספריים אך לא ישמשו בדרך כלל מתמטית, כמו מספרי טלפון או חותמות זמן. כמה דוגמאות לנתונים איכותיים הן: תגובות על סרטונים, סוג ודגם של רכב או הצבע האהוב על החברים הקרובים שלך. נתונים איכותיים יכולים לשמש להבנת אילו מוצרים הצרכנים אוהבים ביותר או לזיהוי מילות מפתח פופולריות בקורות חיים של מועמדים לעבודה.

נתונים מובנים

נתונים מובנים הם נתונים שמאורגנים לשורות ועמודות, כאשר לכל שורה יש את אותו סט של עמודות. עמודות מייצגות ערך מסוג מסוים ויהיו מזוהות עם שם שמתאר מה הערך מייצג, בעוד שהשורות מכילות את הערכים בפועל. לעיתים קרובות יהיו לעמודות סט ספציפי של כללים או הגבלות על הערכים, כדי להבטיח שהערכים מייצגים באופן מדויק את העמודה. לדוגמה, דמיינו גיליון אלקטרוני של לקוחות שבו כל שורה חייבת להכיל מספר טלפון ומספרי הטלפון לעולם לא מכילים תווים אלפביתיים. ייתכן שיהיו כללים המיושמים על עמודת מספר הטלפון כדי לוודא שהיא לעולם לא ריקה ומכילה רק מספרים.

יתרון של נתונים מובנים הוא שניתן לארגן אותם בצורה שמאפשרת לקשר אותם לנתונים מובנים אחרים. עם זאת, מכיוון שהנתונים מעוצבים להיות מאורגנים בצורה מסוימת, ביצוע שינויים במבנה הכללי שלהם עשוי לדרוש מאמץ רב. לדוגמה, הוספת עמודת דוא"ל לגיליון הלקוחות שלא יכולה להיות ריקה פירושה שתצטרכו להבין איך להוסיף את הערכים הללו לשורות הקיימות של לקוחות במערך הנתונים.

דוגמאות לנתונים מובנים: גיליונות אלקטרוניים, מסדי נתונים יחסיים, מספרי טלפון, דפי חשבון בנק.

נתונים לא מובנים

נתונים לא מובנים בדרך כלל לא יכולים להיות מסווגים לשורות או עמודות ולא מכילים פורמט או סט של כללים שיש לעקוב אחריהם. מכיוון שלנתונים לא מובנים יש פחות הגבלות על המבנה שלהם, קל יותר להוסיף מידע חדש בהשוואה למערך נתונים מובנה. אם חיישן שמקליט נתונים על לחץ ברומטרי כל 2 דקות קיבל עדכון שמאפשר לו למדוד ולהקליט טמפרטורה, אין צורך לשנות את הנתונים הקיימים אם הם לא מובנים. עם זאת, זה עשוי להקשות על ניתוח או חקירת סוג זה של נתונים. לדוגמה, מדען שרוצה למצוא את הטמפרטורה הממוצעת של החודש הקודם מנתוני החיישן, אך מגלה שהחיישן הקליט "e" בחלק מהנתונים שלו כדי לציין שהוא היה מקולקל במקום מספר טיפוסי, מה שאומר שהנתונים אינם שלמים.

דוגמאות לנתונים לא מובנים: קבצי טקסט, הודעות טקסט, קבצי וידאו.

נתונים חצי מובנים

נתונים חצי מובנים כוללים מאפיינים שהופכים אותם לשילוב של נתונים מובנים ולא מובנים. הם בדרך כלל לא תואמים לפורמט של שורות ועמודות אך מאורגנים בצורה שנחשבת מובנית ועשויים לעקוב אחר פורמט קבוע או סט של כללים. המבנה ישתנה בין מקורות, כמו היררכיה מוגדרת היטב למשהו גמיש יותר שמאפשר שילוב קל של מידע חדש. מטא-נתונים הם אינדיקטורים שעוזרים להחליט איך הנתונים מאורגנים ומאוחסנים ויהיו להם שמות שונים, בהתאם לסוג הנתונים. כמה שמות נפוצים למטא-נתונים הם תגיות, אלמנטים, ישויות ותכונות. לדוגמה, הודעת דוא"ל טיפוסית תכלול נושא, גוף ומערכת נמענים וניתן לארגן אותה לפי מי שלח אותה או מתי היא נשלחה.

דוגמאות לנתונים חצי מובנים: HTML, קבצי CSV, JavaScript Object Notation (JSON).

מקורות נתונים

מקור נתונים הוא המיקום הראשוני שבו הנתונים נוצרו או המקום שבו הם "חיים" וישתנה בהתאם לאופן ולזמן שבו הם נאספו. נתונים שנוצרו על ידי המשתמשים שלהם ידועים כנתונים ראשוניים, בעוד שנתונים משניים מגיעים ממקור שאסף נתונים לשימוש כללי. לדוגמה, קבוצת מדענים שאוספת תצפיות ביער גשם תיחשב לנתונים ראשוניים, ואם הם יחליטו לשתף אותם עם מדענים אחרים זה ייחשב לנתונים משניים עבור אלו שמשתמשים בהם.

מסדי נתונים הם מקור נפוץ ומסתמכים על מערכת ניהול מסדי נתונים לארח ולתחזק את הנתונים, כאשר משתמשים משתמשים בפקודות שנקראות שאילתות כדי לחקור את הנתונים. קבצים כמקורות נתונים יכולים להיות קבצי שמע, תמונה ווידאו וכן גיליונות אלקטרוניים כמו Excel. מקורות אינטרנט הם מיקום נפוץ לאירוח נתונים, שבו ניתן למצוא גם מסדי נתונים וגם קבצים. ממשקי תכנות יישומים, הידועים גם כ-APIs, מאפשרים למתכנתים ליצור דרכים לשתף נתונים עם משתמשים חיצוניים דרך האינטרנט, בעוד שתהליך של גרידת רשת (web scraping) שולף נתונים מדף אינטרנט. השיעורים בעבודה עם נתונים מתמקדים באיך להשתמש במקורות נתונים שונים.

סיכום

בשיעור הזה למדנו:

• מה הם נתונים
• איך נתונים מתוארים
• איך נתונים מסווגים ומקוטלגים
• איפה ניתן למצוא נתונים

🚀 אתגר

Kaggle הוא מקור מצוין למערכי נתונים פתוחים. השתמשו בכלי החיפוש של מערכי נתונים כדי למצוא כמה מערכי נתונים מעניינים וסווגו 3-5 מערכי נתונים לפי הקריטריונים הבאים:

• האם הנתונים כמותיים או איכותיים?
• האם הנתונים מובנים, לא מובנים או חצי מובנים?

שאלון אחרי השיעור

סקירה ולימוד עצמי

• יחידת Microsoft Learn, בשם סיווג הנתונים שלך כוללת פירוט מעמיק של נתונים מובנים, חצי מובנים ולא מובנים.

משימה

סיווג מערכי נתונים

---

כתב ויתור:
מסמך זה תורגם באמצעות שירות תרגום מבוסס בינה מלאכותית Co-op Translator. למרות שאנו שואפים לדיוק, יש לקחת בחשבון שתרגומים אוטומטיים עשויים להכיל שגיאות או אי דיוקים. המסמך המקורי בשפתו המקורית צריך להיחשב כמקור הסמכותי. עבור מידע קריטי, מומלץ להשתמש בתרגום מקצועי על ידי אדם. איננו נושאים באחריות לאי הבנות או לפרשנויות שגויות הנובעות משימוש בתרגום זה.