Trích xuất Thông tin từ Dữ liệu
Đã giới thiệu| English | Ý nghĩa |
|---|---|
| information/ˌɪnfəˈmeɪʃn/ | information: thông tin |
| data sets/ˈdeɪtə sets/ | data sets: tập dữ liệu |
| patterns/ˈpætnz/ | patterns: mẫu |
| trends/trendz/ | trends: xu hướng |
| Filtering/ˈfɪltərɪŋ/ | Filtering: lọc |
| Cleaning/ˈkliːnɪŋ/ | Cleaning: làm sạch |
| correlation/ˌkɒrɪˈleɪʃn/ | correlation: tương quan |
| Causation/kɔːˈseɪʃn/ | Causation: nguyên nhân - kết quả |
| Metadata/ˌmetəˈdeɪtə/ | Metadata: siêu dữ liệu |
| visualization/ˌvɪʒuːəlaɪˈzeɪʃn/ | visualization: trực quan hóa |
| bias/ˈbaɪəs/ | thiên lệch |
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).
Biến đổi dữ liệu thô thành thứ trả lời một câu hỏi thực tế sẽ tạo ra:
Độ khó 1/5 · 100 xu + một phần thưởng nhỏ cho lần hoàn thành đầu tiên trong ngày
Thông tin là dữ liệu được làm hữu ích — các mô hình và xu hướng trả lời một câu hỏi.
Nối mỗi thuật ngữ với ý nghĩa của nó.
Độ khó 2/5 · 140 xu + một phần thưởng nhỏ cho lần hoàn thành đầu tiên trong ngày
Các chương trình quét các bộ dữ liệu để tìm cả hai.
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.
Filter the rows you need, then count, sum or average them
Lọc hay Làm sạch?
Lọc giữ lại chỉ những hàng bạn quan tâm; làm sạch sửa các vấn đề trong dữ liệu (bản sao, ô trống, sai sót) trước khi phân tích.
Xóa các hàng trùng lặp và điền vào các giá trị thiếu là một phần của việc làm sạch dữ liệu.
Độ khó 1/5 · 100 xu + một phần thưởng nhỏ cho lần hoàn thành đầu tiên trong ngày
Làm sạch sửa các vấn đề để việc phân tích có thể được tin tưởng.
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.
Doanh số kem và tỷ lệ bỏng nắng đều tăng vào mùa hè. Điều này cho thấy:
Độ khó 1/5 · 100 xu + một phần thưởng nhỏ cho lần hoàn thành đầu tiên trong ngày
Thời tiết nóng gây ra cả hai — một nguyên nhân chung, không phải một cái gây ra cái kia.
"Dữ liệu về dữ liệu", như ngày tháng và vị trí của một bức ảnh, được gọi là ______.
Độ khó 1/5 · 100 xu + một phần thưởng nhỏ cho lần hoàn thành đầu tiên trong ngày
Siêu dữ liệu giúp tổ chức, tìm kiếm và định vị thông tin.
Khảo sát chỉ những người đã tải xuống ứng dụng về việc ứng dụng có phổ biến hay không đưa ra:
Độ khó 1/5 · 100 xu + một phần thưởng nhỏ cho lần hoàn thành đầu tiên trong ngày
Phương pháp thu thập lệch hướng kết quả — một mẫu thiên kiến.
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.
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.