Extracting Information from Data · Extraire des informations à partir de données
| English | Français |
|---|---|
| information/ˌɪnfəˈmeɪʃn/ | des informations |
| data sets/ˈdeɪtə sets/ | ensembles de données |
| patterns/ˈpætnz/ | motifs |
| trends/trendz/ | tendances |
| Filtering/ˈfɪltərɪŋ/ | Filtrage |
| Cleaning/ˈkliːnɪŋ/ | Nettoyage |
| correlation/ˌkɒrɪˈleɪʃn/ | la corrélation |
| Causation/kɔːˈseɪʃn/ | Causalité |
| Metadata/ˌmetəˈdeɪtə/ | métadonnées |
| visualization/ˌvɪʒuːəlaɪˈzeɪʃn/ | visualisation |
| bias/ˈbaɪəs/ | un biais |
From raw data to information
- Raw data by itself is just numbers and text.
- The goal is to turn it into useful information 信息 — something that answers a real question.
- Programs can scan huge data sets 数据集 far faster than a person.
- By scanning, they find patterns 模式 (things that repeat) and trends 趋势 (changes over time).
Des données brutes à l'information
- Les données brutes en elles-mêmes ne sont que des nombres et du texte.
- Le but est de les transformer en information utile — quelque chose qui répond à une question réelle.
- Les programmes peuvent scanner d'immenses ensembles de données 数据集 bien plus vite qu'une personne.
- En scannant, ils trouvent des modèles 模式 (choses qui se répètent) et des tendances 趋势 (changements au fil du temps).
Turning raw data into something that answers a real question produces: · Transformer des données brutes en quelque chose qui répond à une question réelle produit :
Information is data made useful — patterns and trends answering a question. · Les informations sont des données rendues utiles — des modèles et tendances répondant à une question.
Match each term to its meaning. · Reliez chaque terme à sa signification.
Programs scan data sets to find both. · Les programmes balayent les ensembles de données pour trouver les deux.
Preparing messy data
- Real data is messy, so it must be prepared first.
- Filtering 筛选 keeps only the rows you care about and hides the rest.
- Cleaning 清洗 fixes problems — removing duplicates, filling missing values, correcting mistakes.
- Preparing data this way makes the later analysis meaningful and trustworthy.
Préparer des données désordonnées
- Les données réelles sont désordonnées, elles doivent donc être préparées au préalable.
- Le filtrage 筛选 ne garde que les lignes qui nous intéressent et cache le reste.
- Le nettoyage 清洗 corrige les problèmes — supprimer les doublons, remplir les valeurs manquantes, rectifier les erreurs.
- Préparer les données ainsi rend l'analyse ultérieure significative et fiable.
Filtering or cleaning? · Filtrage ou nettoyage ?
Filtering keeps only the rows you care about; cleaning fixes problems in the data (duplicates, blanks, mistakes) before analysis. · Le filtrage conserve uniquement les lignes souhaitées ; le nettoyage corrige les problèmes de données (duplicates, vides, erreurs) avant l'analyse.
Removing duplicate rows and filling missing values is part of cleaning data. · Supprimer les doublons et remplir les valeurs manquantes fait partie du nettoyage des données.
Cleaning fixes problems so the analysis can be trusted. · Le nettoyage corrige les problèmes pour que l'analyse soit fiable.
Correlation is not causation
- A correlation 相关 means two things change together (ice-cream sales and sunburns both rise in summer).
- Causation 因果 means one thing actually causes the other.
- A correlation does not prove causation.
Don't confuse the two. Ice cream does not cause sunburns — hot, sunny weather causes both. Two things rising together can share a hidden cause, so a correlation alone never proves that one causes the other.
Corrélation n'est pas causalité
- Une corrélation 相关 signifie que deux choses évoluent ensemble (les ventes de glaces et les coups de soleil augmentent toutes deux en été).
- La causalité 因果 signifie qu'une chose cause réellement l'autre.
- Une corrélation ne prouve pas la causalité.
Ne pas les confondre. Les glaces ne causent pas les coups de soleil — la chaleur et le soleil causent les deux. Deux choses qui augmentent ensemble peuvent partager une cause cachée, donc une corrélation seule ne prouve jamais qu'une chose cause l'autre.
Ice-cream sales and sunburns both rise in summer. This shows: · Les ventes de glace et les coups de soleil augmentent tous deux en été. Cela montre :
Hot weather causes both — a shared cause, not one causing the other. · La chaleur provoque les deux — une cause commune, pas l'une causant l'autre.
"Data about data", like a photo's date and location, is called ______. · « Des données sur des données », comme la date et la localisation d'une photo, s'appellent ______.
Metadata helps organize, search, and locate information. · Les métadonnées aident à organiser, rechercher et localiser des informations.
Surveying only people who downloaded an app about whether the app is popular introduces: · Enquêter uniquement auprès des personnes ayant téléchargé une application sur la popularité de cette application introduit :
The collection method slants the result — a biased sample. · La méthode d'échantillonnage fausse le résultat — échantillon biaisé.
Metadata, visualization, and bias
- Metadata 元数据 is "data about data" — a photo's date, camera, and location. It helps organize and search.
- A visualization 可视化 turns data into a picture (a chart or graph) so a pattern is obvious at a glance.
- Always ask how the data was collected: bias 偏差 is a slant that pushes conclusions one way.
Biased survey. A company asks "Is our app popular?" but surveys only people who already downloaded it. Almost all say yes — but unhappy users never took the survey, so the happy result is misleading.
Métadonnées, visualisation et biais
- Les métadonnées 元数据 sont des « données sur les données » — la date, l'appareil photo et la localisation d'une photo. Elles aident à organiser et rechercher.
- Une visualisation 可视化 transforme les données en image (graphique ou diagramme) pour qu'un modèle soit évident d'un coup d'œil.
- Posez toujours la question comment les données ont été collectées : un biais 偏差 est une orientation qui pousse les conclusions dans un sens.
Enquête biaisée. Une entreprise demande « Notre application est-elle populaire ? » mais enquête uniquement auprès de personnes qui l'ont déjà téléchargée. Presque tous disent oui — mais les utilisateurs mécontents n'ont jamais répondu, donc le résultat positif est trompeur.
Programs turn raw data sets into information, finding patterns and trends. Prepare data by filtering (keep relevant rows) and cleaning (fix problems). Beware: a correlation never proves causation, and bias in how data was collected can mislead. Metadata and visualization help organize and reveal insight.
Les programmes transforment des ensembles de données bruts en information, trouvant des modèles et des tendances. Préparez les données par filtrage (garder les lignes pertinentes) et nettoyage (corriger les problèmes). Attention : une corrélation ne prouve jamais une causalité, et un biais dans la collecte de données peut induire en erreur. Les métadonnées et la visualisation aident à organiser et révéler des insights.