Galeria de mapas mentais Processo e métodos
O Capítulo 3 da Teoria e Prática da Ciência de Dados inclui processamento de dados, auditoria de dados, análise de dados, visualização de dados, narrativa de dados e gerenciamento de projetos de ciência de dados.
Editado em 2023-10-15 10:50:07Il s'agit d'une carte mentale sur les anévrismes intracrâniens, avec le contenu principal, notamment: le congé, l'évaluation d'admission, les mesures infirmières, les mesures de traitement, les examens auxiliaires, les manifestations cliniques et les définitions.
Il s'agit d'une carte mentale sur l'entretien de comptabilité des coûts, le principal contenu comprend: 5. Liste des questions d'entrevue recommandées, 4. Compétences de base pour améliorer le taux de réussite, 3. Questions professionnelles, 2. Questions et réponses de simulation de scénarios, 1. Questions et réponses de capacité professionnelle.
Il s'agit d'une carte mentale sur les méthodes de recherche de la littérature, et son contenu principal comprend: 5. Méthode complète, 4. Méthode de traçabilité, 3. Méthode de vérification des points, 2. Méthode de recherche inversée, 1. Méthode de recherche durable.
Il s'agit d'une carte mentale sur les anévrismes intracrâniens, avec le contenu principal, notamment: le congé, l'évaluation d'admission, les mesures infirmières, les mesures de traitement, les examens auxiliaires, les manifestations cliniques et les définitions.
Il s'agit d'une carte mentale sur l'entretien de comptabilité des coûts, le principal contenu comprend: 5. Liste des questions d'entrevue recommandées, 4. Compétences de base pour améliorer le taux de réussite, 3. Questions professionnelles, 2. Questions et réponses de simulation de scénarios, 1. Questions et réponses de capacité professionnelle.
Il s'agit d'une carte mentale sur les méthodes de recherche de la littérature, et son contenu principal comprend: 5. Méthode complète, 4. Méthode de traçabilité, 3. Méthode de vérification des points, 2. Méthode de recherche inversée, 1. Méthode de recherche durable.
Processo e métodos
Processo básico
Digitalização
O processo de capturar a vida das pessoas, negócios ou atividades sociais e convertê-los em dados
Processamento e regularização de dados
dados limpos
Organizar dados
Duas questões básicas no processamento de dados
Análise exploratória de dados
Método EDA
Resistência
residual
reexpressar
Análise de dados e insights
Análise descritiva
Análise preditiva
análise normativa
Os resultados mostram
Fornecimento de produtos de dados
processamento de dados
O processamento de dados refere-se a uma série de atividades de processamento que auditam, limpam, transformam, integram, dessensibilizam, reduzem e rotulam o conjunto de dados original de acordo com as necessidades de cálculos de dados subsequentes antes que os dados sejam formalmente processados.
Requisitos de qualidade de dados, requisitos de cálculo de dados
Limpeza de dados
Tratamento de dados ausente
Processamento de dados redundante
Processamento de dados barulhento
De acordo com a estratégia de binning do conjunto de dados original
Método de substituição baseado nos dados dos membros em cada caixa
transformação de dados
Suavização
Construção de recursos
juntar
estandardização
discretização
integração de dados
Integração de conteúdo
integração estrutural
Integração de padrões
Redundância de dados
Detecção e eliminação de conflitos
Dessensibilização de dados
Unidirecionalidade
Nenhum resíduo
fácil de realizar
redução de dados
redução dimensional
redução de valor
Anotação de dados
Anotação gramatical
Anotação semântica
Auditoria de dados
De acordo com os regulamentos gerais e métodos de avaliação da qualidade dos dados, auditar o conteúdo dos dados e seus elementos para identificar problemas.
Valores ausentes, valores de ruído, valores inconsistentes, valores incompletos
Auditorias predefinidas
Dicionário de dados
Restrições de integridade definidas pelo usuário
informações autodescritivas sobre os dados
valor de domínio do atributo
Informações associadas independentes de dados
Auditoria personalizada
Regras de definição de variáveis
Regras de definição de função
Técnicas comuns para auditoria de dados
primeira lei dos números
princípio da pequena probabilidade
regras linguísticas
teoria da continuidade de dados
tecnologia de autenticação de dados
Auditoria visual
análise de dados
Análise descritiva
Concentre-se no passado e responda o que aconteceu
O primeiro passo na análise de dados
Métodos de análise estatística descritiva
análise diagnóstica
Concentre-se no passado e responda por que isso aconteceu
Análise de correlação e análise causal
Análise preditiva
Concentre-se no futuro e responda o que vai acontecer
Use análise de classificação e análise de tendências
é a base para a análise normativa
análise normativa
Preste atenção aos problemas de simulação e otimização, e como otimizar os problemas que irão ocorrer
Usando técnicas de pesquisa operacional, simulação e emulação
Pode gerar valor industrial diretamente
Visualização de dados
tipo básico
visualização científica
visualização de informações
análise visual
análise visual
visualização de informações
mineração de dados
Análise Estatística
raciocínio analítico
interação humano-computador
Modelo de análise visual
Ênfase no processo de conversão de dados em conhecimento
Ênfase na interação entre análise visual e modelagem automatizada
Enfatize a importância do mapeamento e mineração de dados
Ênfase na necessidade de processamento de dados
Ênfase na importância da interação humano-computador
Metodologia
Base metodológica
método básico
métodos de domínio
Percepção visual e cognição visual
percepção visual
O processo pelo qual coisas objetivas produzem reações diretas no cérebro humano através de órgãos sensoriais visuais
cognição visual
O processamento adicional de informações de percepção visual por indivíduos
Tipos de dados de uma perspectiva visual
Dados categorizados
dados ordinais
dados de intervalo
Dados de proporção
Método de seleção visual de canal
Precisão
legibilidade
artefato visual
Refere-se a uma percepção visual falsa ou imprecisa produzida pelo usuário alvo que é inconsistente com a intenção do visualizador de dados ou com a realidade dos próprios dados
Visualizar o ambiente ao redor de Yamashita, onde o apóstolo está localizado, pode causar artefatos visuais
O julgamento relativo do olho humano sobre brilho e cor pode facilmente levar a ilusões visuais
A experiência e experiência do usuário alvo podem causar artefatos visuais
Seis práticas famosas em visualização de dados e seus códigos-fonte
Calcule a idade do universo
Renderize a lua com as cores da Terra
1,3 bilhão de viagens de táxi na cidade de Nova York
Veja o mundo através de 17.000 itinerários
Formatação Eclipse
A experiência de Jimi Hendrix
Contação de histórias de dados
Definição: O processo de transformar dados em histórias de dados é chamado de narrativa de dados
fácil de lembrar
Fácil de reconhecer
Fácil de experimentar
Modelo de história de dados
Necessidades de negócios
dados
Insights analíticos
modelo de história
Narrativa
comportamento do público
Termos relacionados para narrativa de dados
Contação de histórias baseada em dados
narrativa visual
Narrativa Analítica
Narrativa interativa
Conte histórias com dados
narrativa digital
O papel das histórias de dados
atrai
explicar
Inspirar
Compreendendo histórias de dados
Percepção da história de dados
A narração narrativa do narrador produz uma resposta direta no cérebro humano por meio dos órgãos dos sentidos visuais.
Compreendendo histórias de dados
O processamento adicional do público de informações sensoriais baseadas em histórias
Histórias de dados em ação
As ações que o público realiza depois de ouvir histórias de dados
Gerenciamento de projetos de ciência de dados
personagem principal
Patrocinador do projeto
gestor de projeto
cliente
cientista de dados
engenheiro de dados
operador
Processo básico
Definição dos objetivos do projeto
Aquisição e gerenciamento de dados
padrão, insights de modelo
Padrões, validação de modelo e otimização
Visualização e documentação de resultados
Padrões, aplicação e manutenção de modelos
Erros comuns em projetos de ciência de dados
Analisando dados sem verificá-los
Analise dados sem entendê-los
Colocar o modelo em uso sem testá-lo
O trabalho de análise de ciência de dados tem apenas objetivos e nenhuma hipótese de pesquisa
O modelo de dados não é atualizado simultaneamente com os dados e utiliza um modelo desatualizado.
Tire conclusões casualmente, sem discutir os resultados da análise de dados
Falta de envolvimento de especialistas em negócios
Adote ou treine algoritmos de modelo excessivamente complexos
A existência de viés de dados
Não é dada atenção suficiente ao efeito de apresentação dos resultados do projeto de análise de dados
Ênfase insuficiente na experiência do usuário de produtos de ciência de dados
Superestimar ou subestimar a capacidade de compreensão do usuário-alvo