Data-Science-For-Beginners/translations/th/1-Introduction/01-defining-data-science

การนิยามวิทยาศาสตร์ข้อมูล

การนิยามวิทยาศาสตร์ข้อมูล - สเก็ตโน้ตโดย @nitya

---

แบบทดสอบก่อนการบรรยาย

ข้อมูลคืออะไร?

ในชีวิตประจำวันของเรา เราถูกล้อมรอบด้วยข้อมูลอยู่ตลอดเวลา ข้อความที่คุณกำลังอ่านอยู่นี้ก็เป็นข้อมูล รายชื่อเบอร์โทรศัพท์ของเพื่อนในสมาร์ทโฟนของคุณก็เป็นข้อมูล เช่นเดียวกับเวลาปัจจุบันที่แสดงบนหน้าปัดนาฬิกา ในฐานะมนุษย์ เรามักจะจัดการกับข้อมูลโดยธรรมชาติ เช่น การนับเงินที่เรามี หรือการเขียนจดหมายถึงเพื่อน

อย่างไรก็ตาม ข้อมูลกลับมีความสำคัญมากขึ้นเมื่อมีการสร้างคอมพิวเตอร์ขึ้นมา หน้าที่หลักของคอมพิวเตอร์คือการคำนวณ แต่พวกมันต้องการข้อมูลเพื่อทำงาน ดังนั้นเราจึงต้องเข้าใจว่าคอมพิวเตอร์จัดเก็บและประมวลผลข้อมูลอย่างไร

เมื่ออินเทอร์เน็ตเกิดขึ้น บทบาทของคอมพิวเตอร์ในฐานะอุปกรณ์จัดการข้อมูลก็เพิ่มขึ้น หากคุณลองคิดดู เราใช้คอมพิวเตอร์มากขึ้นเรื่อย ๆ ในการประมวลผลและสื่อสารข้อมูล มากกว่าการคำนวณจริง ๆ เมื่อเราส่งอีเมลถึงเพื่อน หรือค้นหาข้อมูลในอินเทอร์เน็ต เรากำลังสร้าง จัดเก็บ ส่ง และจัดการข้อมูล

คุณจำครั้งสุดท้ายที่คุณใช้คอมพิวเตอร์เพื่อคำนวณอะไรบางอย่างได้ไหม?

วิทยาศาสตร์ข้อมูลคืออะไร?

ใน Wikipedia วิทยาศาสตร์ข้อมูล ถูกนิยามว่าเป็น สาขาวิทยาศาสตร์ที่ใช้วิธีการทางวิทยาศาสตร์เพื่อดึงความรู้และข้อมูลเชิงลึกจากข้อมูลที่มีโครงสร้างและไม่มีโครงสร้าง และนำความรู้และข้อมูลเชิงลึกที่สามารถนำไปปฏิบัติได้จากข้อมูลไปใช้ในหลากหลายโดเมนการใช้งาน

คำจำกัดความนี้เน้นถึงแง่มุมสำคัญของวิทยาศาสตร์ข้อมูลดังนี้:

• เป้าหมายหลักของวิทยาศาสตร์ข้อมูลคือการ ดึงความรู้ จากข้อมูล หรือพูดอีกอย่างคือการ เข้าใจ ข้อมูล ค้นหาความสัมพันธ์ที่ซ่อนอยู่ และสร้าง โมเดล
• วิทยาศาสตร์ข้อมูลใช้ วิธีการทางวิทยาศาสตร์ เช่น ความน่าจะเป็นและสถิติ ในความเป็นจริง เมื่อคำว่า วิทยาศาสตร์ข้อมูล ถูกนำมาใช้ครั้งแรก บางคนแย้งว่าวิทยาศาสตร์ข้อมูลเป็นเพียงชื่อใหม่ที่ดูหรูหราสำหรับสถิติ แต่ปัจจุบันเห็นได้ชัดว่าสาขานี้มีความกว้างขวางกว่านั้นมาก
• ความรู้ที่ได้รับควรถูกนำไปใช้เพื่อสร้าง ข้อมูลเชิงลึกที่สามารถนำไปปฏิบัติได้ หรือข้อมูลเชิงปฏิบัติที่สามารถนำไปใช้ในสถานการณ์ทางธุรกิจจริง
• เราควรสามารถจัดการกับข้อมูลที่มี โครงสร้าง และ ไม่มีโครงสร้าง ได้ เราจะกลับมาพูดถึงประเภทของข้อมูลต่าง ๆ ในภายหลังในหลักสูตรนี้
• โดเมนการใช้งาน เป็นแนวคิดที่สำคัญ และนักวิทยาศาสตร์ข้อมูลมักต้องมีความเชี่ยวชาญในระดับหนึ่งในโดเมนปัญหา เช่น การเงิน การแพทย์ การตลาด เป็นต้น

อีกแง่มุมที่สำคัญของวิทยาศาสตร์ข้อมูลคือการศึกษาว่าข้อมูลสามารถถูกรวบรวม จัดเก็บ และดำเนินการโดยใช้คอมพิวเตอร์ได้อย่างไร ในขณะที่สถิติให้พื้นฐานทางคณิตศาสตร์ วิทยาศาสตร์ข้อมูลนำแนวคิดทางคณิตศาสตร์ไปใช้เพื่อดึงข้อมูลเชิงลึกจากข้อมูลจริง

หนึ่งในวิธีการ (ที่อ้างถึง Jim Gray) ในการมองวิทยาศาสตร์ข้อมูลคือการพิจารณาว่าเป็นกระบวนทัศน์แยกต่างหากของวิทยาศาสตร์:

• เชิงประจักษ์ ซึ่งเราพึ่งพาการสังเกตและผลลัพธ์จากการทดลองเป็นหลัก
• เชิงทฤษฎี ที่แนวคิดใหม่ ๆ เกิดขึ้นจากความรู้ทางวิทยาศาสตร์ที่มีอยู่
• เชิงคำนวณ ที่เราค้นพบหลักการใหม่ ๆ จากการทดลองคำนวณบางอย่าง
• ขับเคลื่อนด้วยข้อมูล โดยอาศัยการค้นหาความสัมพันธ์และรูปแบบในข้อมูล

สาขาอื่นที่เกี่ยวข้อง

เนื่องจากข้อมูลมีอยู่ทั่วไป วิทยาศาสตร์ข้อมูลจึงเป็นสาขาที่กว้างขวางและเกี่ยวข้องกับหลายสาขาวิชา

ฐานข้อมูล

สิ่งสำคัญคือ วิธีการจัดเก็บ ข้อมูล หรือวิธีการจัดโครงสร้างข้อมูลเพื่อให้สามารถประมวลผลได้เร็วขึ้น มีฐานข้อมูลหลายประเภทที่จัดเก็บข้อมูลที่มีโครงสร้างและไม่มีโครงสร้าง ซึ่ง เราจะพิจารณาในหลักสูตรของเรา

ข้อมูลขนาดใหญ่

บ่อยครั้งที่เราต้องจัดเก็บและประมวลผลข้อมูลจำนวนมากที่มีโครงสร้างค่อนข้างง่าย มีวิธีการและเครื่องมือพิเศษในการจัดเก็บข้อมูลนั้นในลักษณะกระจายบนคลัสเตอร์คอมพิวเตอร์ และประมวลผลอย่างมีประสิทธิภาพ

การเรียนรู้ของเครื่อง

วิธีหนึ่งในการเข้าใจข้อมูลคือการ สร้างโมเดล ที่สามารถทำนายผลลัพธ์ที่ต้องการได้ การพัฒนาโมเดลจากข้อมูลเรียกว่า การเรียนรู้ของเครื่อง คุณอาจต้องการดู หลักสูตรการเรียนรู้ของเครื่องสำหรับผู้เริ่มต้น เพื่อเรียนรู้เพิ่มเติมเกี่ยวกับเรื่องนี้

ปัญญาประดิษฐ์

สาขาหนึ่งของการเรียนรู้ของเครื่องที่เรียกว่าปัญญาประดิษฐ์ (AI) ก็อาศัยข้อมูลเช่นกัน และเกี่ยวข้องกับการสร้างโมเดลที่มีความซับซ้อนสูงที่เลียนแบบกระบวนการคิดของมนุษย์ วิธีการ AI มักช่วยให้เราสามารถเปลี่ยนข้อมูลที่ไม่มีโครงสร้าง (เช่น ภาษาธรรมชาติ) ให้เป็นข้อมูลเชิงลึกที่มีโครงสร้าง

การสร้างภาพ

ข้อมูลจำนวนมหาศาลนั้นยากที่จะเข้าใจสำหรับมนุษย์ แต่เมื่อเราสร้างภาพที่มีประโยชน์จากข้อมูลนั้น เราสามารถเข้าใจข้อมูลได้มากขึ้น และสรุปผลบางอย่างได้ ดังนั้นจึงเป็นสิ่งสำคัญที่จะต้องรู้วิธีการสร้างภาพข้อมูลหลายรูปแบบ - สิ่งที่เราจะครอบคลุมใน ส่วนที่ 3 ของหลักสูตรของเรา สาขาที่เกี่ยวข้องยังรวมถึง อินโฟกราฟิก และ ปฏิสัมพันธ์ระหว่างมนุษย์กับคอมพิวเตอร์ โดยทั่วไป

ประเภทของข้อมูล

ดังที่เราได้กล่าวไปแล้ว ข้อมูลมีอยู่ทุกที่ เราเพียงแค่ต้องจับมันให้ถูกวิธี! การแยกแยะระหว่างข้อมูลที่มี โครงสร้าง และ ไม่มีโครงสร้าง เป็นสิ่งที่มีประโยชน์ ข้อมูลที่มีโครงสร้างมักจะถูกนำเสนอในรูปแบบที่มีโครงสร้างดี เช่น ตารางหรือจำนวนตาราง ในขณะที่ข้อมูลที่ไม่มีโครงสร้างเป็นเพียงการรวบรวมไฟล์ บางครั้งเรายังสามารถพูดถึงข้อมูลที่มี กึ่งโครงสร้าง ซึ่งมีโครงสร้างบางอย่างที่อาจแตกต่างกันอย่างมาก

มีโครงสร้าง	กึ่งโครงสร้าง	ไม่มีโครงสร้าง
รายชื่อคนพร้อมเบอร์โทรศัพท์ของพวกเขา	หน้า Wikipedia พร้อมลิงก์	ข้อความของสารานุกรม Britannica
อุณหภูมิในทุกห้องของอาคารทุกนาทีในช่วง 20 ปีที่ผ่านมา	การรวบรวมเอกสารวิชาการในรูปแบบ JSON พร้อมผู้เขียน วันที่เผยแพร่ และบทคัดย่อ	การแชร์ไฟล์ที่มีเอกสารขององค์กร
ข้อมูลอายุและเพศของทุกคนที่เข้ามาในอาคาร	หน้าอินเทอร์เน็ต	วิดีโอดิบจากกล้องวงจรปิด

แหล่งข้อมูล

มีแหล่งข้อมูลที่เป็นไปได้มากมาย และมันจะเป็นไปไม่ได้ที่จะระบุทั้งหมด! อย่างไรก็ตาม ลองพูดถึงสถานที่ทั่วไปบางแห่งที่คุณสามารถรับข้อมูลได้:

• มีโครงสร้าง
  • Internet of Things (IoT) รวมถึงข้อมูลจากเซ็นเซอร์ต่าง ๆ เช่น เซ็นเซอร์อุณหภูมิหรือแรงดัน ให้ข้อมูลที่มีประโยชน์มากมาย ตัวอย่างเช่น หากอาคารสำนักงานติดตั้งเซ็นเซอร์ IoT เราสามารถควบคุมการทำความร้อนและแสงสว่างโดยอัตโนมัติเพื่อลดค่าใช้จ่าย
  • แบบสำรวจ ที่เราขอให้ผู้ใช้กรอกหลังการซื้อ หรือหลังจากเยี่ยมชมเว็บไซต์
  • การวิเคราะห์พฤติกรรม สามารถช่วยให้เราเข้าใจว่าผู้ใช้เข้าไปในเว็บไซต์ลึกแค่ไหน และเหตุผลทั่วไปที่ทำให้ผู้ใช้ละทิ้งเว็บไซต์
• ไม่มีโครงสร้าง
  • ข้อความ สามารถเป็นแหล่งข้อมูลเชิงลึกที่ดี เช่น คะแนนความรู้สึกโดยรวม หรือการดึงคำสำคัญและความหมายเชิงความหมาย
  • ภาพ หรือ วิดีโอ วิดีโอจากกล้องวงจรปิดสามารถใช้เพื่อประเมินการจราจรบนถนน และแจ้งเตือนผู้คนเกี่ยวกับการจราจรติดขัดที่อาจเกิดขึ้น
  • บันทึกเซิร์ฟเวอร์เว็บ สามารถใช้เพื่อทำความเข้าใจว่าหน้าใดของเว็บไซต์ของเราถูกเยี่ยมชมบ่อยที่สุด และใช้เวลานานแค่ไหน
• กึ่งโครงสร้าง
  • กราฟเครือข่ายสังคม สามารถเป็นแหล่งข้อมูลที่ดีเกี่ยวกับบุคลิกภาพของผู้ใช้และประสิทธิภาพที่เป็นไปได้ในการเผยแพร่ข้อมูล
  • เมื่อเรามีภาพถ่ายจำนวนมากจากงานปาร์ตี้ เราสามารถลองดึงข้อมูล พลวัตของกลุ่ม โดยการสร้างกราฟของคนที่ถ่ายภาพร่วมกัน

โดยการรู้แหล่งข้อมูลที่เป็นไปได้ต่าง ๆ คุณสามารถลองคิดเกี่ยวกับสถานการณ์ต่าง ๆ ที่เทคนิควิทยาศาสตร์ข้อมูลสามารถนำไปใช้เพื่อเข้าใจสถานการณ์ได้ดีขึ้น และปรับปรุงกระบวนการทางธุรกิจ

สิ่งที่คุณสามารถทำได้ด้วยข้อมูล

ในวิทยาศาสตร์ข้อมูล เรามุ่งเน้นไปที่ขั้นตอนต่อไปนี้ในเส้นทางของข้อมูล:

1) การเก็บข้อมูล

ขั้นตอนแรกคือการรวบรวมข้อมูล ในหลายกรณีอาจเป็นกระบวนการที่ตรงไปตรงมา เช่น ข้อมูลที่เข้าสู่ฐานข้อมูลจากแอปพลิเคชันเว็บ บางครั้งเราจำเป็นต้องใช้เทคนิคพิเศษ ตัวอย่างเช่น ข้อมูลจากเซ็นเซอร์ IoT อาจมีปริมาณมากเกินไป และเป็นการปฏิบัติที่ดีที่จะใช้จุดสิ้นสุดการบัฟเฟอร์ เช่น IoT Hub เพื่อรวบรวมข้อมูลทั้งหมดก่อนการประมวลผลเพิ่มเติม

2) การจัดเก็บข้อมูล

การจัดเก็บข้อมูลอาจเป็นเรื่องท้าทาย โดยเฉพาะอย่างยิ่งหากเรากำลังพูดถึงข้อมูลขนาดใหญ่ เมื่อพิจารณาว่าจะจัดเก็บข้อมูลอย่างไร ควรคาดการณ์วิธีที่คุณต้องการสอบถามข้อมูลในอนาคต มีหลายวิธีที่ข้อมูลสามารถจัดเก็บได้:

• ฐานข้อมูลเชิงสัมพันธ์จัดเก็บคอลเลกชันของตาราง และใช้ภาษาพิเศษที่เรียกว่า SQL ในการสอบถามข้อมูล โดยทั่วไป ตารางจะถูกจัดเป็นกลุ่มต่าง ๆ ที่เรียกว่าสคีมา ในหลายกรณีเราจำเป็นต้องแปลงข้อมูลจากรูปแบบเดิมให้เหมาะสมกับสคีมา
• ฐานข้อมูล NoSQL เช่น CosmosDB ไม่บังคับใช้สคีมากับข้อมูล และอนุญาตให้จัดเก็บข้อมูลที่ซับซ้อนมากขึ้น เช่น เอกสาร JSON แบบลำดับชั้นหรือกราฟ อย่างไรก็ตาม ฐานข้อมูล NoSQL ไม่มีความสามารถในการสอบถามข้อมูลที่หลากหลายเหมือน SQL และไม่สามารถบังคับใช้ความสมบูรณ์ของการอ้างอิงได้ เช่น กฎเกี่ยวกับโครงสร้างข้อมูลในตารางและการกำกับดูแลความสัมพันธ์ระหว่างตาราง
• การจัดเก็บข้อมูลใน Data Lake ใช้สำหรับการรวบรวมข้อมูลขนาดใหญ่ในรูปแบบดิบที่ไม่มีโครงสร้าง Data Lake มักใช้กับข้อมูลขนาดใหญ่ ซึ่งข้อมูลทั้งหมดไม่สามารถใส่ในเครื่องเดียวได้ และต้องจัดเก็บและประมวลผลโดยคลัสเตอร์เซิร์ฟเวอร์ Parquet เป็นรูปแบบข้อมูลที่มักใช้ร่วมกับข้อมูลขนาดใหญ่

3) การประมวลผลข้อมูล

นี่คือส่วนที่น่าตื่นเต้นที่สุดของเส้นทางข้อมูล ซึ่งเกี่ยวข้องกับการแปลงข้อมูลจากรูปแบบเดิมไปเป็นรูปแบบที่สามารถใช้สำหรับการสร้างภาพ/การฝึกอบรมโมเดลได้ เมื่อจัดการกับข้อมูลที่ไม่มีโครงสร้าง เช่น ข้อความหรือภาพ เราอาจต้องใช้เทคนิค AI เพื่อดึง คุณลักษณะ จากข้อมูล เพื่อแปลงข้อมูลให้เป็นรูปแบบที่มีโครงสร้าง

4) การสร้างภาพ / ข้อมูลเชิงลึกของมนุษย์

บ่อยครั้ง เพื่อที่จะเข้าใจข้อมูล เราจำเป็นต้องสร้างภาพข้อมูล การมีเทคนิคการสร้างภาพที่หลากหลายในกล่องเครื่องมือของเรา เราสามารถค้นหามุมมองที่เหมาะสมเพื่อสร้างข้อมูลเชิงลึกได้ บ่อยครั้ง นักวิทยาศาสตร์ข้อมูลจำเป็นต้อง "เล่นกับข้อมูล" สร้างภาพข้อมูลหลายครั้งและมองหาความสัมพันธ์บางอย่าง นอกจากนี้ เราอาจใช้เทคนิคทางสถิติเพื่อทดสอบสมมติฐานหรือพิสูจน์ความสัมพันธ์ระหว่างข้อมูลต่าง ๆ

5) การฝึกอบรมโมเดลการทำนาย

เนื่องจากเป้าหมายสูงสุดของวิทยาศาสตร์ข้อมูลคือการสามารถตัดสินใจโดยอิงจากข้อมูล เราอาจต้องการใช้เทคนิคของ การเรียนรู้ของเครื่อง เพื่อสร้างโมเดลการทำนาย เราสามารถใช้โมเดลนี้เพื่อทำการทำนายโดยใช้ชุดข้อมูลใหม่ที่มีโครงสร้างคล้ายกัน

แน่นอนว่า ขึ้นอยู่กับข้อมูลจริง บางขั้นตอนอาจหายไป (เช่น เมื่อเรามีข้อมูลอยู่ในฐานข้อมูลแล้ว หรือเมื่อเราไม่จำเป็นต้องฝึกอบรมโมเดล) หรือบางขั้นตอนอาจถูกทำซ้ำหลายครั้ง (เช่น การประมวลผลข้อมูล)

การดิจิทัลและการเปลี่ยนแปลงดิจิทัล

ในทศวรรษที่ผ่านมา ธุรกิจหลายแห่งเริ่มเข้าใจถึงความสำคัญของข้อมูลเมื่อทำการตัดสินใจทางธุรกิจ เพื่อใช้หลักการวิทยาศาสตร์ข้อมูลในการดำเนินธุรกิจ ก่อนอื่นต้องรวบรวมข้อมูลบางอย่าง กล่าวคือ แปลงกระบวนการทางธุรกิจให้เป็นรูปแบบดิจิทัล สิ่งนี้เรียกว่า การดิจิทัล การใช้เทคนิควิทยาศาสตร์ข้อมูลกับข้อมูลนี้เพื่อแนะนำการตัดสินใจสามารถนำไปสู่การเพิ่มประสิทธิภาพอย่างมาก (หรือแม้กระทั่งการเปลี่ยนแปลงธุรกิจ) ซึ่งเรียกว่า การเปลี่ยนแปลงดิจิทัล

ลองพิจารณาตัวอย่าง สมมติว่าเรามีหลักสูตรวิทยาศาสตร์ข้อมูล (เช่น หลักสูตรนี้) ที่เราสอนออนไลน์ให้กับนักเรียน และเราต้องการใช้วิทยาศาสตร์ข้อมูลเพื่อปรับปรุงหลักสูตร เราจะทำได้อย่างไร?

เรา

คุณอาจแย้งว่าวิธีนี้ไม่เหมาะสมเท่าไหร่ เพราะโมดูลอาจมีความยาวที่แตกต่างกัน อาจจะยุติธรรมกว่าถ้าแบ่งเวลาโดยพิจารณาจากความยาวของโมดูล (ในจำนวนตัวอักษร) และเปรียบเทียบค่าที่ได้แทน

เมื่อเราเริ่มวิเคราะห์ผลการทดสอบแบบปรนัย เราสามารถพยายามระบุแนวคิดที่นักเรียนมีความยากลำบากในการทำความเข้าใจ และใช้ข้อมูลนั้นเพื่อปรับปรุงเนื้อหา เพื่อทำสิ่งนี้ เราจำเป็นต้องออกแบบการทดสอบในลักษณะที่แต่ละคำถามเชื่อมโยงกับแนวคิดหรือส่วนความรู้เฉพาะ

หากเราต้องการทำให้ซับซ้อนยิ่งขึ้น เราสามารถวางกราฟเวลาที่ใช้ในแต่ละโมดูลเทียบกับกลุ่มอายุของนักเรียน เราอาจพบว่าในบางกลุ่มอายุใช้เวลานานเกินไปในการทำโมดูลให้เสร็จ หรือว่านักเรียนออกจากการเรียนก่อนที่จะทำโมดูลเสร็จ สิ่งนี้สามารถช่วยให้เราแนะนำอายุที่เหมาะสมสำหรับโมดูล และลดความไม่พอใจของผู้คนจากความคาดหวังที่ผิดพลาด

🚀 ความท้าทาย

ในความท้าทายนี้ เราจะพยายามค้นหาแนวคิดที่เกี่ยวข้องกับสาขาวิทยาศาสตร์ข้อมูลโดยการดูจากข้อความ เราจะนำบทความ Wikipedia เกี่ยวกับวิทยาศาสตร์ข้อมูลมาดาวน์โหลดและประมวลผลข้อความ จากนั้นสร้าง Word Cloud แบบนี้:

เยี่ยมชม notebook.ipynb เพื่ออ่านโค้ด คุณยังสามารถรันโค้ดและดูว่ามันทำการแปลงข้อมูลแบบเรียลไทม์อย่างไร

หากคุณไม่ทราบวิธีการรันโค้ดใน Jupyter Notebook ลองดู บทความนี้

แบบทดสอบหลังการบรรยาย

งานที่ได้รับมอบหมาย

• งานที่ 1: แก้ไขโค้ดด้านบนเพื่อค้นหาแนวคิดที่เกี่ยวข้องกับสาขา Big Data และ Machine Learning
• งานที่ 2: คิดเกี่ยวกับสถานการณ์ในวิทยาศาสตร์ข้อมูล

เครดิต

บทเรียนนี้ถูกเขียนขึ้นด้วย ♥️ โดย Dmitry Soshnikov

---

ข้อจำกัดความรับผิดชอบ:
เอกสารนี้ได้รับการแปลโดยใช้บริการแปลภาษา AI Co-op Translator แม้ว่าเราจะพยายามให้การแปลมีความถูกต้อง แต่โปรดทราบว่าการแปลโดยอัตโนมัติอาจมีข้อผิดพลาดหรือความไม่ถูกต้อง เอกสารต้นฉบับในภาษาดั้งเดิมควรถือเป็นแหล่งข้อมูลที่เชื่อถือได้ สำหรับข้อมูลที่สำคัญ ขอแนะนำให้ใช้บริการแปลภาษามืออาชีพ เราไม่รับผิดชอบต่อความเข้าใจผิดหรือการตีความผิดที่เกิดจากการใช้การแปลนี้