Extracting Information from Data
مُقدَّم| English | المعنى |
|---|---|
| information/ˌɪnfəˈmeɪʃn/ | معلومات |
| data sets/ˈdeɪtə sets/ | مجموعات البيانات |
| patterns/ˈpætnz/ | أنماط |
| trends/trendz/ | اتجاهات |
| Filtering/ˈfɪltərɪŋ/ | فلترة |
| Cleaning/ˈkliːnɪŋ/ | تنظيف |
| correlation/ˌkɒrɪˈleɪʃn/ | ترابط |
| Causation/kɔːˈseɪʃn/ | سببية |
| Metadata/ˌmetəˈdeɪtə/ | بيانات وصفية |
| visualization/ˌvɪʒuːəlaɪˈzeɪʃn/ | تصور البيانات |
| bias/ˈbaɪəs/ | تحيز |
من البيانات الخام إلى المعلومات
- البيانات الخام بحد ذاتها هي مجرد أرقام ونصوص.
- الهدف هو تحويلها إلى معلومات مفيدة — شيء يجيب على سؤال حقيقي.
- يمكن للبرامج فحص مجموعات بيانات ضخمة بشكل أسرع بكثير من الإنسان.
- من خلال الفحص، تجد هذه البرامج أنماطًا (أشياء تتكرر) واتجاهات (تغيرات مع مرور الوقت).
Turning raw data into something that answers a real question produces:
الصعوبة 1/5 · 100 عملة + مكافأة صغيرة عند الإنجاز الأول اليوم
Information is data made useful — patterns and trends answering a question.
Match each term to its meaning.
الصعوبة 2/5 · 140 عملة + مكافأة صغيرة عند الإنجاز الأول اليوم
Programs scan data sets to find both.
تجهيز البيانات الفوضوية
- البيانات الحقيقية فوضوية، لذا يجب تجهيزها أولاً.
- التصفية تحتفظ فقط بالصفوف التي تهتم بها وتخفي الباقي.
- التنظيف يصلح المشاكل — بإزالة النسخ المكررة، وملء القيم المفقودة، وتصحيح الأخطاء.
- يجعل تجهيز البيانات بهذه الطريقة التحليل لاحقاً ذا معنى وموثوق.

فلترة الصفوف المطلوبة، ثم عدّها أو اجمعها أو احسب متوسطها
Filtering or cleaning?
Filtering keeps only the rows you care about; cleaning fixes problems in the data (duplicates, blanks, mistakes) before analysis.
Removing duplicate rows and filling missing values is part of cleaning data.
الصعوبة 1/5 · 100 عملة + مكافأة صغيرة عند الإنجاز الأول اليوم
Cleaning fixes problems so the analysis can be trusted.
الارتباط ليس سببية
- الارتباط يعني أن شيئين يتغيران معاً (مبيعات الآيس كريم والحروق الشمسية ترتفع كلاهما في الصيف).
- السببية تعني أن شيئاً واحداً يسبب الآخر فعلياً.
- الارتباط لا يثبت السببية.
لا تخلط بينهما. الآيس كريم لا يسبب الحروق الشمسية — الطقس الحار والمشمس يسبب كليهما. يمكن شيئين يرتفعان معاً أن يشاركا سبباً خفياً، لذا فإن الارتباط وحده لا يثبت أبداً أن أحدهما يسبب الآخر.
Ice-cream sales and sunburns both rise in summer. This shows:
الصعوبة 1/5 · 100 عملة + مكافأة صغيرة عند الإنجاز الأول اليوم
Hot weather causes both — a shared cause, not one causing the other.
"Data about data", like a photo's date and location, is called ______.
الصعوبة 1/5 · 100 عملة + مكافأة صغيرة عند الإنجاز الأول اليوم
Metadata helps organize, search, and locate information.
Surveying only people who downloaded an app about whether the app is popular introduces:
الصعوبة 1/5 · 100 عملة + مكافأة صغيرة عند الإنجاز الأول اليوم
The collection method slants the result — a biased sample.
البيانات الوصفية، والتصور والتحيز
- البيانات الوصفية هي "بيانات حول البيانات" — تاريخ الصورة، الكاميرا، والموقع. تساعد في التنظيم والبحث.
- التصور يحول البيانات إلى صورة (رسم بياني أو مخطط) بحيث يكون النمط واضحاً في نظرة واحدة.
- اسأل دائماً كيف تم جمع البيانات: التحيز هو ميل يدفع النتائج نحو اتجاه واحد.
استبيان متحيز. تسأل شركة "هل تطبيقنا محبوب؟" لكنها تستطلع آراء الأشخاص الذين حمّلوه بالفعل. يقول الجميع نعم تقريباً — لكن المستخدمين غير السعداء لم يشاركوا في الاستبيان، لذا تكون النتيجة الإيجابية مضللة.
تحول البرمجيات مجموعات البيانات الخام إلى معلومات، وتجد أنماطاً واتجاهات. جهّز البيانات عن طريق التصفية (الاحتفاظ بالصفوف ذات الصلة) والتنظيف (إصلاح المشاكل). احذر: الارتباط لا يثبت أبداً السببية، والتحيز في كيفية جمع البيانات قد يضلل. البيانات الوصفية والتصور يساعدان في التنظيم وكشف الرؤى.