History

leestott 8029ff828a 🌐 Update translations via Co-op Translator		5 months ago
..
README.md	🌐 Update translations via Co-op Translator	5 months ago
assignment.md	🌐 Update translations via Co-op Translator	5 months ago

README.md

ਹਕੀਕਤੀ ਦੁਨੀਆ ਵਿੱਚ ਡਾਟਾ ਸਾਇੰਸ


ਹਕੀਕਤੀ ਦੁਨੀਆ ਵਿੱਚ ਡਾਟਾ ਸਾਇੰਸ - @nitya ਦੁਆਰਾ ਸਕੈਚਨੋਟ

ਅਸੀਂ ਇਸ ਸਿੱਖਣ ਯਾਤਰਾ ਦੇ ਅੰਤ ਦੇ ਨੇੜੇ ਪਹੁੰਚ ਰਹੇ ਹਾਂ!

ਅਸੀਂ ਡਾਟਾ ਸਾਇੰਸ ਅਤੇ ਨੈਤਿਕਤਾ ਦੀਆਂ ਪਰਿਭਾਸ਼ਾਵਾਂ ਨਾਲ ਸ਼ੁਰੂਆਤ ਕੀਤੀ, ਡਾਟਾ ਵਿਸ਼ਲੇਸ਼ਣ ਅਤੇ ਵਿਜੁਅਲਾਈਜ਼ੇਸ਼ਨ ਲਈ ਵੱਖ-ਵੱਖ ਟੂਲ ਅਤੇ ਤਕਨੀਕਾਂ ਦੀ ਪੜਚੋਲ ਕੀਤੀ, ਡਾਟਾ ਸਾਇੰਸ ਲਾਈਫਸਾਈਕਲ ਦੀ ਸਮੀਖਿਆ ਕੀਤੀ, ਅਤੇ ਕਲਾਉਡ ਕੰਪਿਊਟਿੰਗ ਸੇਵਾਵਾਂ ਨਾਲ ਡਾਟਾ ਸਾਇੰਸ ਵਰਕਫਲੋਜ਼ ਨੂੰ ਸਕੇਲ ਅਤੇ ਆਟੋਮੇਟ ਕਰਨ ਦੇ ਤਰੀਕੇ ਵੇਖੇ। ਤਾਂ, ਤੁਸੀਂ ਸ਼ਾਇਦ ਸੋਚ ਰਹੇ ਹੋ: "ਇਹ ਸਾਰੀਆਂ ਸਿੱਖਣਾਂ ਨੂੰ ਹਕੀਕਤੀ ਸੰਦਰਭਾਂ ਵਿੱਚ ਕਿਵੇਂ ਜੋੜਿਆ ਜਾਵੇ?"

ਇਸ ਪਾਠ ਵਿੱਚ, ਅਸੀਂ ਉਦਯੋਗ ਵਿੱਚ ਡਾਟਾ ਸਾਇੰਸ ਦੇ ਹਕੀਕਤੀ ਐਪਲੀਕੇਸ਼ਨਾਂ ਦੀ ਪੜਚੋਲ ਕਰਾਂਗੇ ਅਤੇ ਖੋਜ, ਡਿਜ਼ੀਟਲ ਹਿਊਮੈਨਿਟੀਜ਼ ਅਤੇ ਸਸਤੇ ਵਿਕਾਸ ਦੇ ਸੰਦਰਭਾਂ ਵਿੱਚ ਖਾਸ ਉਦਾਹਰਣਾਂ ਵਿੱਚ ਡੁੱਬਾਂਗੇ। ਅਸੀਂ ਵਿਦਿਆਰਥੀ ਪ੍ਰੋਜੈਕਟ ਦੇ ਮੌਕਿਆਂ ਨੂੰ ਵੇਖਾਂਗੇ ਅਤੇ ਤੁਹਾਡੀ ਸਿੱਖਣ ਯਾਤਰਾ ਜਾਰੀ ਰੱਖਣ ਵਿੱਚ ਮਦਦ ਕਰਨ ਲਈ ਲਾਭਦਾਇਕ ਸਰੋਤਾਂ ਨਾਲ ਸਮਾਪਤ ਕਰਾਂਗੇ!

ਪਾਠ-ਪਹਿਲਾਂ ਪ੍ਰਸ਼ਨਾਵਲੀ

ਡਾਟਾ ਸਾਇੰਸ + ਉਦਯੋਗ

AI ਦੇ ਲੋਕਤੰਤਰਿਕਰਨ ਦੇ ਕਾਰਨ, ਵਿਕਾਸਕਾਰਾਂ ਲਈ ਹੁਣ AI-ਚਲਿਤ ਫੈਸਲਾ-ਲੈਣ ਅਤੇ ਡਾਟਾ-ਚਲਿਤ ਅੰਦਰੂਨੀ ਜਾਣਕਾਰੀ ਨੂੰ ਯੂਜ਼ਰ ਅਨੁਭਵਾਂ ਅਤੇ ਵਿਕਾਸ ਵਰਕਫਲੋਜ਼ ਵਿੱਚ ਡਿਜ਼ਾਈਨ ਅਤੇ ਸ਼ਾਮਲ ਕਰਨਾ ਆਸਾਨ ਹੋ ਗਿਆ ਹੈ। ਇੱਥੇ ਕੁਝ ਉਦਾਹਰਣ ਹਨ ਕਿ ਕਿਵੇਂ ਡਾਟਾ ਸਾਇੰਸ ਨੂੰ ਉਦਯੋਗ ਵਿੱਚ "ਲਾਗੂ" ਕੀਤਾ ਜਾਂਦਾ ਹੈ:

ਗੂਗਲ ਫਲੂ ਟ੍ਰੈਂਡਸ ਨੇ ਖੋਜ ਸ਼ਬਦਾਂ ਨੂੰ ਫਲੂ ਟ੍ਰੈਂਡਸ ਨਾਲ ਜੋੜਨ ਲਈ ਡਾਟਾ ਸਾਇੰਸ ਦੀ ਵਰਤੋਂ ਕੀਤੀ। ਹਾਲਾਂਕਿ ਇਸ ਤਰੀਕੇ ਵਿੱਚ ਖਾਮੀਆਂ ਸਨ, ਇਸ ਨੇ ਡਾਟਾ-ਚਲਿਤ ਸਿਹਤ ਸੰਭਾਵਨਾਵਾਂ (ਅਤੇ ਚੁਣੌਤੀਆਂ) ਬਾਰੇ ਜਾਗਰੂਕਤਾ ਵਧਾਈ।
UPS ਰੂਟਿੰਗ ਪੇਸ਼ਗੋਈਆਂ - ਇਹ ਦੱਸਦਾ ਹੈ ਕਿ UPS ਕਿਵੇਂ ਡਾਟਾ ਸਾਇੰਸ ਅਤੇ ਮਸ਼ੀਨ ਲਰਨਿੰਗ ਦੀ ਵਰਤੋਂ ਕਰਦਾ ਹੈ ਤਾਕਿ ਮੌਸਮ ਦੀ ਸਥਿਤੀ, ਟ੍ਰੈਫਿਕ ਪੈਟਰਨ, ਡਿਲਿਵਰੀ ਦੀਆਂ ਮਿਆਦਾਂ ਆਦਿ ਨੂੰ ਧਿਆਨ ਵਿੱਚ ਰੱਖਦੇ ਹੋਏ ਵਧੀਆ ਰੂਟਾਂ ਦੀ ਪੇਸ਼ਗੋਈ ਕੀਤੀ ਜਾ ਸਕੇ।
NYC ਟੈਕਸੀ ਰੂਟ ਵਿਜੁਅਲਾਈਜ਼ੇਸ਼ਨ - ਸੂਚਨਾ ਦੀ ਆਜ਼ਾਦੀ ਦੇ ਕਾਨੂੰਨਾਂ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਇਕੱਠੇ ਕੀਤੇ ਡਾਟਾ ਨੇ NYC ਟੈਕਸੀਜ਼ ਦੇ ਦਿਨ ਦੀ ਜ਼ਿੰਦਗੀ ਨੂੰ ਵਿਜੁਅਲਾਈਜ਼ ਕਰਨ ਵਿੱਚ ਮਦਦ ਕੀਤੀ, ਜਿਸ ਨਾਲ ਇਹ ਸਮਝਣ ਵਿੱਚ ਮਦਦ ਮਿਲੀ ਕਿ ਉਹ ਸ਼ਹਿਰ ਵਿੱਚ ਕਿਵੇਂ ਚਲਦੇ ਹਨ, ਉਹ ਕਿੰਨਾ ਪੈਸਾ ਕਮਾਉਂਦੇ ਹਨ, ਅਤੇ ਹਰ 24-ਘੰਟੇ ਦੇ ਅਰਸੇ ਦੌਰਾਨ ਯਾਤਰਾਵਾਂ ਦੀ ਮਿਆਦ ਕੀ ਹੁੰਦੀ ਹੈ।
ਉਬਰ ਡਾਟਾ ਸਾਇੰਸ ਵਰਕਬੈਂਚ - ਉਬਰ ਦਿਨ-ਪ੍ਰਤੀ-ਦਿਨ ਲੱਖਾਂ ਯਾਤਰਾਵਾਂ ਤੋਂ ਇਕੱਠੇ ਕੀਤੇ ਡਾਟਾ (ਜਿਵੇਂ ਕਿ ਪਿਕਅੱਪ ਅਤੇ ਡ੍ਰਾਪਆਫ ਸਥਾਨ, ਯਾਤਰਾ ਦੀ ਮਿਆਦ, ਪਸੰਦੀਦਾ ਰੂਟ ਆਦਿ) ਦੀ ਵਰਤੋਂ ਕਰਦਾ ਹੈ, ਤਾਕਿ ਕੀਮਤਾਂ, ਸੁਰੱਖਿਆ, ਧੋਖਾਧੜੀ ਦੀ ਪਛਾਣ ਅਤੇ ਨੈਵੀਗੇਸ਼ਨ ਫੈਸਲਿਆਂ ਲਈ ਡਾਟਾ ਵਿਸ਼ਲੇਸ਼ਣ ਟੂਲ ਬਣਾਇਆ ਜਾ ਸਕੇ।
ਖੇਡ ਵਿਸ਼ਲੇਸ਼ਣ - ਪੇਸ਼ਗੋਈ ਵਿਸ਼ਲੇਸ਼ਣ (ਟੀਮ ਅਤੇ ਖਿਡਾਰੀ ਵਿਸ਼ਲੇਸ਼ਣ - ਮਨੀਬਾਲ ਬਾਰੇ ਸੋਚੋ - ਅਤੇ ਪ੍ਰਸ਼ੰਸਕ ਪ੍ਰਬੰਧਨ) ਅਤੇ ਡਾਟਾ ਵਿਜੁਅਲਾਈਜ਼ੇਸ਼ਨ (ਟੀਮ ਅਤੇ ਪ੍ਰਸ਼ੰਸਕ ਡੈਸ਼ਬੋਰਡ, ਖੇਡਾਂ ਆਦਿ) 'ਤੇ ਧਿਆਨ ਕੇਂਦਰਿਤ ਕਰਦਾ ਹੈ, ਜਿਸ ਵਿੱਚ ਪ੍ਰਤਿਭਾ ਖੋਜ, ਖੇਡ ਜੂਆ ਅਤੇ ਸਟੇਡੀਅਮ ਪ੍ਰਬੰਧਨ ਵਰਗੀਆਂ ਐਪਲੀਕੇਸ਼ਨਾਂ ਸ਼ਾਮਲ ਹਨ।
ਬੈਂਕਿੰਗ ਵਿੱਚ ਡਾਟਾ ਸਾਇੰਸ - ਇਹ ਵਿੱਤੀ ਉਦਯੋਗ ਵਿੱਚ ਡਾਟਾ ਸਾਇੰਸ ਦੇ ਮੁੱਲ ਨੂੰ ਰਿਸਕ ਮਾਡਲਿੰਗ ਅਤੇ ਧੋਖਾਧੜੀ ਦੀ ਪਛਾਣ ਤੋਂ ਲੈ ਕੇ ਗਾਹਕ ਸੈਗਮੈਂਟੇਸ਼ਨ, ਰੀਅਲ-ਟਾਈਮ ਪੇਸ਼ਗੋਈ ਅਤੇ ਰਿਕਮੈਂਡਰ ਸਿਸਟਮ ਤੱਕ ਦੀਆਂ ਐਪਲੀਕੇਸ਼ਨਾਂ ਨਾਲ ਹਾਈਲਾਈਟ ਕਰਦਾ ਹੈ। ਪੇਸ਼ਗੋਈ ਵਿਸ਼ਲੇਸ਼ਣ ਮਹੱਤਵਪੂਰਨ ਮਾਪਦੰਡਾਂ ਨੂੰ ਚਲਾਉਂਦਾ ਹੈ ਜਿਵੇਂ ਕਿ ਕ੍ਰੈਡਿਟ ਸਕੋਰ।
ਸਿਹਤ ਸੇਵਾਵਾਂ ਵਿੱਚ ਡਾਟਾ ਸਾਇੰਸ - ਐਪਲੀਕੇਸ਼ਨਾਂ ਨੂੰ ਹਾਈਲਾਈਟ ਕਰਦਾ ਹੈ ਜਿਵੇਂ ਕਿ ਮੈਡੀਕਲ ਇਮੇਜਿੰਗ (ਜਿਵੇਂ ਕਿ MRI, X-Ray, CT-Scan), ਜਿਨੋਮਿਕਸ (DNA ਸਿਕਵੈਂਸਿੰਗ), ਦਵਾਈ ਵਿਕਾਸ (ਰਿਸਕ ਅਸੈਸਮੈਂਟ, ਸਫਲਤਾ ਦੀ ਪੇਸ਼ਗੋਈ), ਪੇਸ਼ਗੋਈ ਵਿਸ਼ਲੇਸ਼ਣ (ਮਰੀਜ਼ ਦੀ ਦੇਖਭਾਲ ਅਤੇ ਸਪਲਾਈ ਲਾਜਿਸਟਿਕਸ), ਬਿਮਾਰੀ ਟ੍ਰੈਕਿੰਗ ਅਤੇ ਰੋਕਥਾਮ ਆਦਿ।

ਚਿੱਤਰ ਸ੍ਰੋਤ: ਡਾਟਾ ਫਲੇਅਰ: ਡਾਟਾ ਸਾਇੰਸ ਦੇ 6 ਸ਼ਾਨਦਾਰ ਐਪਲੀਕੇਸ਼ਨ

ਇਸ ਚਿੱਤਰ ਵਿੱਚ ਹੋਰ ਖੇਤਰ ਅਤੇ ਡਾਟਾ ਸਾਇੰਸ ਤਕਨੀਕਾਂ ਨੂੰ ਲਾਗੂ ਕਰਨ ਦੇ ਉਦਾਹਰਣ ਦਿਖਾਏ ਗਏ ਹਨ। ਹੋਰ ਐਪਲੀਕੇਸ਼ਨਾਂ ਦੀ ਪੜਚੋਲ ਕਰਨਾ ਚਾਹੁੰਦੇ ਹੋ? ਹੇਠਾਂ ਦਿੱਤੇ ਸਮੀਖਿਆ ਅਤੇ ਸਵੈ ਅਧਿਐਨ ਭਾਗ ਨੂੰ ਵੇਖੋ।

ਡਾਟਾ ਸਾਇੰਸ + ਖੋਜ


ਡਾਟਾ ਸਾਇੰਸ ਅਤੇ ਖੋਜ - @nitya ਦੁਆਰਾ ਸਕੈਚਨੋਟ

ਜਦੋਂ ਕਿ ਹਕੀਕਤੀ ਦੁਨੀਆ ਦੇ ਐਪਲੀਕੇਸ਼ਨ ਅਕਸਰ ਉਦਯੋਗ ਦੇ ਵੱਡੇ ਪੱਧਰ ਦੇ ਕੇਸਾਂ 'ਤੇ ਧਿਆਨ ਕੇਂਦਰਿਤ ਕਰਦੇ ਹਨ, ਖੋਜ ਐਪਲੀਕੇਸ਼ਨ ਅਤੇ ਪ੍ਰੋਜੈਕਟ ਦੋਹਰੇ ਦ੍ਰਿਸ਼ਟੀਕੋਣਾਂ ਤੋਂ ਲਾਭਦਾਇਕ ਹੋ ਸਕਦੇ ਹਨ:

ਨਵਾਚਾਰ ਦੇ ਮੌਕੇ - ਅਗਲੀ ਪੀੜ੍ਹੀ ਦੇ ਐਪਲੀਕੇਸ਼ਨਾਂ ਲਈ ਉੱਨਤ ਧਾਰਨਾਵਾਂ ਦੇ ਤੇਜ਼ ਪ੍ਰੋਟੋਟਾਈਪਿੰਗ ਅਤੇ ਯੂਜ਼ਰ ਅਨੁਭਵਾਂ ਦੀ ਜਾਂਚ ਕਰੋ।
ਤੈਨਾਤੀ ਚੁਣੌਤੀਆਂ - ਹਕੀਕਤੀ ਸੰਦਰਭਾਂ ਵਿੱਚ ਡਾਟਾ ਸਾਇੰਸ ਤਕਨੀਕਾਂ ਦੇ ਸੰਭਾਵਿਤ ਨੁਕਸਾਨ ਜਾਂ ਅਣਚਾਹੇ ਨਤੀਜਿਆਂ ਦੀ ਜਾਂਚ ਕਰੋ।

ਵਿਦਿਆਰਥੀਆਂ ਲਈ, ਇਹ ਖੋਜ ਪ੍ਰੋਜੈਕਟ ਸਿੱਖਣ ਅਤੇ ਸਹਿਯੋਗ ਦੇ ਮੌਕੇ ਪ੍ਰਦਾਨ ਕਰ ਸਕਦੇ ਹਨ ਜੋ ਤੁਹਾਡੀ ਵਿਸ਼ੇ ਦੀ ਸਮਝ ਨੂੰ ਸੁਧਾਰ ਸਕਦੇ ਹਨ ਅਤੇ ਰੁਚੀ ਦੇ ਖੇਤਰਾਂ ਵਿੱਚ ਕੰਮ ਕਰ ਰਹੇ ਸੰਬੰਧਤ ਲੋਕਾਂ ਜਾਂ ਟੀਮਾਂ ਨਾਲ ਤੁਹਾਡੀ ਜਾਗਰੂਕਤਾ ਅਤੇ ਸਹਿਭਾਗਤਾ ਨੂੰ ਵਧਾ ਸਕਦੇ ਹਨ। ਤਾਂ ਖੋਜ ਪ੍ਰੋਜੈਕਟ ਕਿਵੇਂ ਦਿਖਦੇ ਹਨ ਅਤੇ ਉਹ ਕਿਵੇਂ ਪ੍ਰਭਾਵ ਪਾ ਸਕਦੇ ਹਨ?

ਆਓ ਇੱਕ ਉਦਾਹਰਣ ਵੇਖੀਏ - MIT ਜੈਂਡਰ ਸ਼ੇਡਸ ਅਧਿਐਨ ਜੋਏ ਬੁਓਲਾਮਵਿਨੀ (MIT ਮੀਡੀਆ ਲੈਬਜ਼) ਦੁਆਰਾ ਇੱਕ ਦਸਤਖਤ ਖੋਜ ਪੇਪਰ ਦੇ ਨਾਲ, ਜੋ ਟਿਮਨਿਟ ਗੇਬਰੂ (ਤਦ ਮਾਈਕਰੋਸਾਫਟ ਰਿਸਰਚ) ਨਾਲ ਸਹਿ-ਲਿਖਿਆ ਗਿਆ ਸੀ, ਜਿਸ ਨੇ ਧਿਆਨ ਕੇਂਦਰਿਤ ਕੀਤਾ:

ਕੀ: ਖੋਜ ਪ੍ਰੋਜੈਕਟ ਦਾ ਉਦੇਸ਼ ਸੀ ਲਿੰਗ ਅਤੇ ਚਮੜੀ ਦੇ ਰੰਗ ਦੇ ਆਧਾਰ 'ਤੇ ਆਟੋਮੈਟਿਕ ਫੇਸ਼ਲ ਵਿਸ਼ਲੇਸ਼ਣ ਐਲਗੋਰਿਥਮ ਅਤੇ ਡਾਟਾਸੈਟ ਵਿੱਚ ਮੌਜੂਦ ਪੱਖਪਾਤ ਦਾ ਮੁਲਾਂਕਣ ਕਰਨਾ।
ਕਿਉਂ: ਫੇਸ਼ਲ ਵਿਸ਼ਲੇਸ਼ਣ ਕਾਨੂੰਨ ਲਾਗੂ ਕਰਨ, ਹਵਾਈ ਅੱਡੇ ਦੀ ਸੁਰੱਖਿਆ, ਭਰਤੀ ਪ੍ਰਣਾਲੀਆਂ ਅਤੇ ਹੋਰ ਖੇਤਰਾਂ ਵਿੱਚ ਵਰਤਿਆ ਜਾਂਦਾ ਹੈ - ਜਿੱਥੇ ਗਲਤ ਵਰਗੀਕਰਨ (ਜਿਵੇਂ ਕਿ ਪੱਖਪਾਤ ਦੇ ਕਾਰਨ) ਪ੍ਰਭਾਵਿਤ ਵਿਅਕਤੀਆਂ ਜਾਂ ਸਮੂਹਾਂ ਲਈ ਆਰਥਿਕ ਅਤੇ ਸਮਾਜਿਕ ਨੁਕਸਾਨ ਪੈਦਾ ਕਰ ਸਕਦਾ ਹੈ। ਵਰਤੋਂ ਵਿੱਚ ਨਿਰਪੱਖਤਾ ਲਈ ਪੱਖਪਾਤ ਨੂੰ ਸਮਝਣਾ (ਅਤੇ ਖਤਮ ਜਾਂ ਘਟਾਉਣਾ) ਮਹੱਤਵਪੂਰਨ ਹੈ।
ਕਿਵੇਂ: ਖੋਜਕਰਤਾਵਾਂ ਨੇ ਮੰਨਿਆ ਕਿ ਮੌਜੂਦਾ ਬੈਂਚਮਾਰਕ ਮੁੱਖ ਤੌਰ 'ਤੇ ਹਲਕੇ ਚਮੜੀ ਵਾਲੇ ਵਿਸ਼ਿਆਂ ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹਨ, ਅਤੇ ਇੱਕ ਨਵਾਂ ਡਾਟਾਸੈਟ (1000+ ਚਿੱਤਰ) ਤਿਆਰ ਕੀਤਾ ਜੋ ਲਿੰਗ ਅਤੇ ਚਮੜੀ ਦੇ ਰੰਗ ਦੇ ਆਧਾਰ 'ਤੇ ਵਧੇਰੇ ਸੰਤੁਲਿਤ ਸੀ। ਇਸ ਡਾਟਾਸੈਟ ਦੀ ਵਰਤੋਂ ਤਿੰਨ ਲਿੰਗ ਵਰਗੀਕਰਨ ਉਤਪਾਦਾਂ (ਮਾਈਕਰੋਸਾਫਟ, IBM ਅਤੇ ਫੇਸ++ ਤੋਂ) ਦੀ ਸ਼ੁੱਧਤਾ ਦਾ ਮੁਲਾਂਕਣ ਕਰਨ ਲਈ ਕੀਤੀ ਗਈ।

ਨਤੀਜਿਆਂ ਨੇ ਦਿਖਾਇਆ ਕਿ ਹਾਲਾਂਕਿ ਕੁੱਲ ਵਰਗੀਕਰਨ ਸ਼ੁੱਧਤਾ ਚੰਗੀ ਸੀ, ਵੱਖ-ਵੱਖ ਉਪਸਮੂਹਾਂ ਵਿੱਚ ਗਲਤੀ ਦੀਆਂ ਦਰਾਂ ਵਿੱਚ ਇੱਕ ਨਜ਼ਰ ਆਉਣ ਵਾਲਾ ਫਰਕ ਸੀ - ਜਿਸ ਨਾਲ ਗਲਤ ਲਿੰਗ ਨਿਰਧਾਰਨ ਮਹਿਲਾਵਾਂ ਜਾਂ ਗੂੜ੍ਹੇ ਚਮੜੀ ਵਾਲੇ ਵਿਅਕਤੀਆਂ ਲਈ ਵੱਧ ਸੀ, ਜੋ ਪੱਖਪਾਤ ਦਾ ਸੰਕੇਤ ਦਿੰਦਾ ਹੈ।

ਮੁੱਖ ਨਤੀਜੇ: ਇਹ ਜਾਗਰੂਕਤਾ ਵਧਾਈ ਕਿ ਡਾਟਾ ਸਾਇੰਸ ਨੂੰ ਵਧੇਰੇ ਪ੍ਰਤਿਨਿਧੀ ਡਾਟਾਸੈਟ (ਸੰਤੁਲਿਤ ਉਪਸਮੂਹ) ਅਤੇ ਵਧੇਰੇ ਸਮਾਵੇਸ਼ੀ ਟੀਮਾਂ (ਵਿਭਿੰਨ ਪਿਛੋਕੜ) ਦੀ ਲੋੜ ਹੈ, ਤਾਂ ਜੋ AI ਹੱਲਾਂ ਵਿੱਚ ਅਜਿਹੇ ਪੱਖਪਾਤ ਨੂੰ ਜਲਦੀ ਪਛਾਣਿਆ ਜਾ ਸਕੇ ਅਤੇ ਖਤਮ ਜਾਂ ਘਟਾਇਆ ਜਾ ਸਕੇ। ਅਜਿਹੇ ਖੋਜ ਯਤਨ ਬਹੁਤ ਸਾਰੀਆਂ ਸੰਸਥਾਵਾਂ ਨੂੰ ਜਿੰਮੇਵਾਰ AI ਲਈ ਸਿਧਾਂਤ ਅਤੇ ਅਭਿਆਸ ਪਰਿਭਾਸ਼ਿਤ ਕਰਨ ਵਿੱਚ ਵੀ ਸਹਾਇਕ ਹਨ, ਤਾਂ ਜੋ ਉਹਨਾਂ ਦੇ AI ਉਤਪਾਦਾਂ ਅਤੇ ਪ੍ਰਕਿਰਿਆਵਾਂ ਵਿੱਚ ਨਿਰਪੱਖਤਾ ਵਿੱਚ ਸੁਧਾਰ ਕੀਤਾ ਜਾ ਸਕੇ।

ਮਾਈਕਰੋਸਾਫਟ ਵਿੱਚ ਸੰਬੰਧਤ ਖੋਜ ਯਤਨਾਂ ਬਾਰੇ ਜਾਣਨਾ ਚਾਹੁੰਦੇ ਹੋ?

ਮਾਈਕਰੋਸਾਫਟ ਰਿਸਰਚ ਪ੍ਰੋਜੈਕਟ 'ਤੇ Artificial Intelligence ਬਾਰੇ ਪੜਚੋਲ ਕਰੋ।
ਮਾਈਕਰੋਸਾਫਟ ਰਿਸਰਚ ਡਾਟਾ ਸਾਇੰਸ ਸਮਰ ਸਕੂਲ ਤੋਂ ਵਿਦਿਆਰਥੀ ਪ੍ਰੋਜੈਕਟਾਂ ਦੀ ਪੜਚੋਲ ਕਰੋ।
Fairlearn ਪ੍ਰੋਜੈਕਟ ਅਤੇ ਜਿੰਮੇਵਾਰ AI ਪਹਲਾਂ ਦੀ ਜਾਂਚ ਕਰੋ। ਪਲੇਨਟਰੀ ਕੰਪਿਊਟਰ ਪ੍ਰੋਜੈਕਟ ਇਸ ਸਮੇਂ ਪ੍ਰੀਵਿਊ ਵਿੱਚ ਹੈ (ਸਤੰਬਰ 2021 ਤੱਕ) - ਇਹ ਹੈ ਕਿ ਤੁਸੀਂ ਡਾਟਾ ਸਾਇੰਸ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਸਥਿਰਤਾ ਹੱਲਾਂ ਵਿੱਚ ਯੋਗਦਾਨ ਪਾਉਣ ਦੀ ਸ਼ੁਰੂਆਤ ਕਿਵੇਂ ਕਰ ਸਕਦੇ ਹੋ।
ਪਹੁੰਚ ਦੀ ਬੇਨਤੀ ਕਰੋ ਤਾਕਿ ਖੋਜ ਸ਼ੁਰੂ ਕੀਤੀ ਜਾ ਸਕੇ ਅਤੇ ਸਾਥੀਆਂ ਨਾਲ ਜੁੜਿਆ ਜਾ ਸਕੇ।
ਡਾਕੂਮੈਂਟੇਸ਼ਨ ਦੀ ਖੋਜ ਕਰੋ ਤਾਕਿ ਸਮਝਿਆ ਜਾ ਸਕੇ ਕਿ ਕਿਹੜੇ ਡਾਟਾਸੈਟ ਅਤੇ APIs ਸਹਾਇਕ ਹਨ।
Ecosystem Monitoring ਵਰਗੇ ਐਪਲੀਕੇਸ਼ਨ ਦੀ ਖੋਜ ਕਰੋ ਜੋ ਐਪਲੀਕੇਸ਼ਨ ਵਿਚਾਰਾਂ ਲਈ ਪ੍ਰੇਰਨਾ ਦੇ ਸਕਦੇ ਹਨ।

ਸੋਚੋ ਕਿ ਤੁਸੀਂ ਕਿਵੇਂ ਡਾਟਾ ਵਿਜੁਅਲਾਈਜ਼ੇਸ਼ਨ ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਜ਼ਰੂਰੀ ਜਾਣਕਾਰੀ ਨੂੰ ਉਜਾਗਰ ਕਰ ਸਕਦੇ ਹੋ ਜਾਂ ਜੰਗਲਾਂ ਦੀ ਕਟਾਈ ਅਤੇ ਮੌਸਮ ਬਦਲਾਅ ਵਰਗੇ ਖੇਤਰਾਂ ਵਿੱਚ ਜਾਣਕਾਰੀ ਨੂੰ ਵਧਾ ਸਕਦੇ ਹੋ। ਜਾਂ ਸੋਚੋ ਕਿ ਇਹ ਜਾਣਕਾਰੀ ਕਿਵੇਂ ਨਵੇਂ ਯੂਜ਼ਰ ਅਨੁਭਵ ਬਣਾਉਣ ਲਈ ਵਰਤੀ ਜਾ ਸਕਦੀ ਹੈ ਜੋ ਜ਼ਿੰਮੇਵਾਰ ਜੀਵਨ ਲਈ ਵਿਹਾਰਕ ਬਦਲਾਅ ਨੂੰ ਪ੍ਰੇਰਿਤ ਕਰਦੇ ਹਨ।

ਡਾਟਾ ਸਾਇੰਸ + ਵਿਦਿਆਰਥੀ

ਅਸੀਂ ਉਦਯੋਗ ਅਤੇ ਖੋਜ ਵਿੱਚ ਅਸਲ-ਦੁਨੀਆ ਦੇ ਐਪਲੀਕੇਸ਼ਨ ਬਾਰੇ ਗੱਲ ਕੀਤੀ ਹੈ ਅਤੇ ਡਿਜਿਟਲ ਹਿਊਮੈਨਿਟੀਜ਼ ਅਤੇ ਸਥਿਰਤਾ ਵਿੱਚ ਡਾਟਾ ਸਾਇੰਸ ਐਪਲੀਕੇਸ਼ਨ ਦੇ ਉਦਾਹਰਨਾਂ ਦੀ ਖੋਜ ਕੀਤੀ ਹੈ। ਤਾਂ ਤੁਸੀਂ ਡਾਟਾ ਸਾਇੰਸ ਸ਼ੁਰੂਆਤੀ ਹੋਣ ਦੇ ਨਾਤੇ ਆਪਣੀਆਂ ਕੌਸ਼ਲਾਂ ਕਿਵੇਂ ਵਿਕਸਿਤ ਕਰ ਸਕਦੇ ਹੋ ਅਤੇ ਆਪਣੀ ਮਹਾਰਤ ਕਿਵੇਂ ਸਾਂਝੀ ਕਰ ਸਕਦੇ ਹੋ?

ਇੱਥੇ ਕੁਝ ਡਾਟਾ ਸਾਇੰਸ ਵਿਦਿਆਰਥੀ ਪ੍ਰੋਜੈਕਟਾਂ ਦੇ ਉਦਾਹਰਨ ਹਨ ਜੋ ਤੁਹਾਨੂੰ ਪ੍ਰੇਰਿਤ ਕਰ ਸਕਦੇ ਹਨ।

MSR Data Science Summer School ਨਾਲ GitHub projects ਜੋ ਹੇਠਾਂ ਦਿੱਤੇ ਵਿਸ਼ਿਆਂ ਦੀ ਖੋਜ ਕਰਦੇ ਹਨ:
- ਪੁਲਿਸ ਦੇ ਜ਼ੋਰ ਦੇ ਵਰਤੋਂ ਵਿੱਚ ਨਸਲੀ ਪੱਖਪਾਤ | Github
- NYC ਸਬਵੇ ਸਿਸਟਮ ਦੀ ਭਰੋਸੇਯੋਗਤਾ | Github
Digitizing Material Culture: Exploring socio-economic distributions in Sirkap - Ornella Altunyan ਅਤੇ Claremont ਦੀ ਟੀਮ ਦੁਆਰਾ, ArcGIS StoryMaps ਦੀ ਵਰਤੋਂ ਕਰਦੇ ਹੋਏ।

🚀 ਚੁਣੌਤੀ

ਉਹ ਲੇਖ ਖੋਜੋ ਜੋ ਸ਼ੁਰੂਆਤੀ ਲਈ ਡਾਟਾ ਸਾਇੰਸ ਪ੍ਰੋਜੈਕਟਾਂ ਦੀ ਸਿਫਾਰਸ਼ ਕਰਦੇ ਹਨ - ਜਿਵੇਂ ਇਹ 50 ਵਿਸ਼ਿਆਂ ਜਾਂ ਇਹ 21 ਪ੍ਰੋਜੈਕਟ ਵਿਚਾਰ ਜਾਂ ਇਹ 16 ਪ੍ਰੋਜੈਕਟ ਸੋਰਸ ਕੋਡ ਨਾਲ ਜੋ ਤੁਸੀਂ ਵਿਖੰਡਿਤ ਕਰ ਸਕਦੇ ਹੋ ਅਤੇ ਦੁਬਾਰਾ ਬਣਾਉਣ ਲਈ ਵਰਤ ਸਕਦੇ ਹੋ। ਅਤੇ ਆਪਣੀਆਂ ਸਿੱਖਣ ਦੀਆਂ ਯਾਤਰਾਵਾਂ ਬਾਰੇ ਬਲੌਗ ਕਰਨਾ ਨਾ ਭੁੱਲੋ ਅਤੇ ਸਾਰਿਆਂ ਨਾਲ ਆਪਣੀਆਂ ਜਾਣਕਾਰੀਆਂ ਸਾਂਝੀਆਂ ਕਰੋ।

ਪੋਸਟ-ਲੈਕਚਰ ਕਵਿਜ਼

ਸਮੀਖਿਆ ਅਤੇ ਸਵੈ-ਅਧਿਐਨ

ਹੋਰ ਵਰਤੋਂ ਦੇ ਕੇਸਾਂ ਦੀ ਖੋਜ ਕਰਨਾ ਚਾਹੁੰਦੇ ਹੋ? ਇੱਥੇ ਕੁਝ ਸਬੰਧਤ ਲੇਖ ਹਨ:

17 ਡਾਟਾ ਸਾਇੰਸ ਐਪਲੀਕੇਸ਼ਨ ਅਤੇ ਉਦਾਹਰਨ - ਜੁਲਾਈ 2021
ਅਸਲ ਦੁਨੀਆ ਵਿੱਚ 11 ਸ਼ਾਨਦਾਰ ਡਾਟਾ ਸਾਇੰਸ ਐਪਲੀਕੇਸ਼ਨ - ਮਈ 2021
ਅਸਲ ਦੁਨੀਆ ਵਿੱਚ ਡਾਟਾ ਸਾਇੰਸ - ਲੇਖ ਸੰਗ੍ਰਹਿ
ਡਾਟਾ ਸਾਇੰਸ ਵਿੱਚ: ਸ਼ਿਕਸ਼ਾ, ਖੇਤੀਬਾੜੀ, ਵਿੱਤ, ਫਿਲਮਾਂ ਅਤੇ ਹੋਰ।

ਅਸਾਈਨਮੈਂਟ

ਪਲੇਨਟਰੀ ਕੰਪਿਊਟਰ ਡਾਟਾਸੈਟ ਦੀ ਖੋਜ ਕਰੋ

ਅਸਵੀਕਤੀ:
ਇਹ ਦਸਤਾਵੇਜ਼ AI ਅਨੁਵਾਦ ਸੇਵਾ Co-op Translator ਦੀ ਵਰਤੋਂ ਕਰਕੇ ਅਨੁਵਾਦ ਕੀਤਾ ਗਿਆ ਹੈ। ਜਦੋਂ ਕਿ ਅਸੀਂ ਸਹੀ ਹੋਣ ਦਾ ਯਤਨ ਕਰਦੇ ਹਾਂ, ਕਿਰਪਾ ਕਰਕੇ ਧਿਆਨ ਦਿਓ ਕਿ ਸਵੈਚਾਲਿਤ ਅਨੁਵਾਦਾਂ ਵਿੱਚ ਗਲਤੀਆਂ ਜਾਂ ਅਸੁਚਤਤਾਵਾਂ ਹੋ ਸਕਦੀਆਂ ਹਨ। ਮੂਲ ਦਸਤਾਵੇਜ਼ ਨੂੰ ਇਸਦੀ ਮੂਲ ਭਾਸ਼ਾ ਵਿੱਚ ਅਧਿਕਾਰਤ ਸਰੋਤ ਮੰਨਿਆ ਜਾਣਾ ਚਾਹੀਦਾ ਹੈ। ਮਹੱਤਵਪੂਰਨ ਜਾਣਕਾਰੀ ਲਈ, ਪੇਸ਼ੇਵਰ ਮਨੁੱਖੀ ਅਨੁਵਾਦ ਦੀ ਸਿਫਾਰਸ਼ ਕੀਤੀ ਜਾਂਦੀ ਹੈ। ਇਸ ਅਨੁਵਾਦ ਦੀ ਵਰਤੋਂ ਤੋਂ ਪੈਦਾ ਹੋਣ ਵਾਲੇ ਕਿਸੇ ਵੀ ਗਲਤਫਹਿਮੀ ਜਾਂ ਗਲਤ ਵਿਆਖਿਆ ਲਈ ਅਸੀਂ ਜ਼ਿੰਮੇਵਾਰ ਨਹੀਂ ਹਾਂ।