msb-public
/
Data-Science-For-Beginners
mirror of https://github.com/microsoft/Data-Science-For-Beginners.git
1
0
Code Issues Projects Releases Wiki Activity
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.
Branches Tags
${ item.name }
Create tag ${ searchTerm }
Create branch ${ searchTerm }
from 'd2bec516ae'
${ noResults }
Data-Science-For-Beginners/translations/et/1-Introduction/01-defining-data-science/solution/assignment.md

3.3 KiB
Raw Blame History Escape

Ülesanne: Andmeteaduse stsenaariumid

Selles esimeses ülesandes palume teil mõelda mõnele päriselulisele protsessile või probleemile erinevates valdkondades ja sellele, kuidas saaksite seda parandada andmeteaduse protsessi abil. Mõelge järgmistele punktidele:

  1. Milliseid andmeid saab koguda?
  2. Kuidas neid andmeid koguda?
  3. Kuidas andmeid salvestada? Kui suured need andmed tõenäoliselt on?
  4. Milliseid teadmisi võiks nendest andmetest saada? Milliseid otsuseid saaks nende andmete põhjal teha?

Proovige mõelda kolmele erinevale probleemile/protsessile ja kirjeldage iga valdkonna puhul ülaltoodud punkte.

Siin on mõned probleemivaldkonnad ja probleemid, mis aitavad teil mõtteid käivitada:

  1. Kuidas saaks andmeid kasutada laste haridusprotsessi parandamiseks koolides?
  2. Kuidas saaks andmeid kasutada vaktsineerimise kontrollimiseks pandeemia ajal?
  3. Kuidas saaks andmeid kasutada selleks, et tagada tööalane produktiivsus?

Juhised

Täitke järgmine tabel (vajadusel asendage soovitatud probleemivaldkonnad enda omadega):

Probleemivaldkond Probleem Milliseid andmeid koguda Kuidas andmeid salvestada Milliseid teadmisi/otsuseid saame teha
Haridus Ülikoolis on loengutel tavaliselt madal osalus ja meil on hüpotees, et loengutel osalevad tudengid teevad eksamitel keskmiselt paremini. Soovime osalust stimuleerida ja hüpoteesi testida. Saame jälgida osalust turvakaamera klassis tehtud piltide kaudu või jälgida tudengite mobiiltelefonide bluetooth/wifi aadresse klassis. Eksamiandmed on juba ülikooli andmebaasis olemas. Kui jälgime turvakaamera pilte, peame salvestama mõned (5–10) fotod loengu ajal (struktureerimata andmed) ja seejärel kasutama AI-d tudengite nägude tuvastamiseks (muutes andmed struktureeritud vormiks). Saame arvutada iga tudengi keskmise osalusprotsendi ja vaadata, kas eksamitulemuste vahel on korrelatsioon. Korrelatsioonist räägime rohkem tõenäosuse ja statistika osas. Tudengite osaluse stimuleerimiseks saame avaldada iganädalase osaluse reitingu kooli portaalis ja loosida auhindu nende seas, kellel on kõrgeim osalus.
Vaktsineerimine
Produktiivsus

Pakume ainult ühe vastuse näitena, et saaksite aimu, mida selles ülesandes oodatakse.

Hindamiskriteeriumid

Näidiskvaliteet Piisav Vajab parandamist
Oskas tuvastada mõistlikud andmeallikad, andmete salvestamise viisid ja võimalikud otsused/teadmised kõigi probleemivaldkondade jaoks Mõned lahenduse aspektid ei ole üksikasjalikud, andmete salvestamist ei ole arutatud, vähemalt 2 probleemivaldkonda on kirjeldatud Kirjeldatud on ainult osa andmelahendusest, käsitletud on ainult ühte probleemivaldkonda.

Lahtiütlus:
See dokument on tõlgitud AI tõlketeenuse Co-op Translator abil. Kuigi püüame tagada täpsust, palume arvestada, et automaatsed tõlked võivad sisaldada vigu või ebatäpsusi. Algne dokument selle algses keeles tuleks pidada autoriteetseks allikaks. Olulise teabe puhul soovitame kasutada professionaalset inimtõlget. Me ei vastuta selle tõlke kasutamisest tulenevate arusaamatuste või valesti tõlgenduste eest.