What is Data?

Loading...

From the course by Johns Hopkins University

The Data Scientist’s Toolbox

18710 ratings

Johns Hopkins University

The Data Scientist’s Toolbox

18710 ratings

Course 1 of 10 in the Specialization Data Science

In this course you will get an introduction to the main tools and ideas in the data scientist's toolbox. The course gives an overview of the data, questions, and tools that data analysts and data scientists work with. There are two components to this course. The first is a conceptual introduction to the ideas behind turning data into actionable knowledge. The second is a practical introduction to the tools that will be used in the program like version control, markdown, git, GitHub, R, and RStudio.

From the lesson

Week 3: Conceptual Issues

The Week 3 lectures focus on conceptual issues behind study design and turning data into knowledge. If you have trouble or want to explore issues in more depth, please seek out answers on the forums. They are a great resource! If you happen to be a superstar who already gets it, please take the time to help your classmates by answering their questions as well. This is one of the best ways to practice using and explaining your skills to others. These are two of the key characteristics of excellent data scientists.

Types of Questions9:09

What is Data?5:15

What About Big Data?4:15

Experimental Design15:59

Meet the Instructors

Jeff Leek, PhD
Associate Professor, Biostatistics
Bloomberg School of Public Health
Roger D. Peng, PhD
Associate Professor, Biostatistics
Bloomberg School of Public Health
Brian Caffo, PhD
Professor, Biostatistics
Bloomberg School of Public Health

Veri bilimi derslerini aldığınıza göre,

verinin tam olarak ne olduğunu öğrenmeniz iyi olacaktır.

Verinin tanımı için, bir numaralı

bilgi kaynağına yani Vikipedi'ye baktığımızda

şu tanımla karşılaşıyoruz: Veri, bir öğeler kümesine ait

nitel ya da nicel değişkenlerin değerleridir.

Bu tanımda görebileceğiniz ilk şey,

ölçüm yapabileceğiniz bir öğe

kümesine ihtiyacınızın olduğudur.

İstatistiksel çıkarsamada bu öğelere popülasyon denir.

En basit haliyle, bu öğeler, hakkında bir şeyler keşfetmeye çalıştığınız şeylerdir.

Bütün websitelerinin kümesi olabilir,

ya da websitelerine giren bütün insanların kümesi olabilir,

ya da belli bir ilacı alan bütün insanların kümesi olabilir.

Fakat genellikle üzerinde ölçüm yapacağınız şeylerin kümesidir.

Değişkenler, bir öğenin ölçümleri ya da özellikleridir.

Bu ölçümler, bir insanın boyunu

ölçmek gibi olabilir, bir kimsenin herhangi bir

websitesinde geçirdiği zaman süresini

ölçmek gibi olabilir ya da daha nitel özellikleri de ölçebiliriz.

Bir kişinin websitesinde gezindiği yerler de ölçülebilir,

ziyaretçi kişinin erkek mi kadın mı olduğu yönünde tahminlerde de bulunulabilir.

Yani değişkenler nitel ya da nicel olabilirler.

Nitel değişkenler, menşe ülke, cinsiyet ya da tedavi olabilir.

Bunlar sırasıyla bulunmak zorunda değildir,

bu bakımdan ölçü olmak zorunda da değillerdir.

Nicel ölçümler ise sürekli bir ölçekte yapılan ölçümlerdir;

boy, kilo, tansiyon gibi.

Ve ölçek üzerinde sıralamaları vardır.

Peki veri nasıl bir şeydir?

Veri dediğimde belki de aklınıza büyük bir Excel sayfası geliyordur.

Ancak aslında verilerin çoğu başlangıçta

epey işlenmemiş bir formda olurlar.

Örnekte bir kuyruk dosyası görüyorsunuz.

Yeni nesil bir DNA dizileme makinesi tarafından üretilen bir dosya.

Tipik bir deneyin sonucunda bunun gibi görünen

yüz milyonlarca metin dosyası satırı üretilecektir.

Bu dosyada, bir kişinin genomundan gelen

özel bir okumaya ait bir sıralama görüyorsunuz.

Burada yapabileceğiniz şey, dosyayı çözümlemek,

verileri toplamak ve belki de o kişinin genomuyla ilgili çıkarım yapmaktır.

Verilerin bir başka formu da API'dir.

Ekranda Twitter API websitesinin bir resmini görüyorsunuz.

Böyle durumlarda belli bir URL'yi alabilirsiniz.

Şu URL'ye erişim sağlayıp oradan bilgi alabilirsiniz.

Bunun sonucunda karşınıza şöyle bir şey çıkacaktır.

Burada Excel dosyalarında göremeyeceğiniz

yapısal formda veriler görüyorsunuz.

Bu yapısal formdaki verileri elde edebilirsiniz.

Bu örnekte tıbbi bir kayıt görüyoruz.

Bu da başka bir veri formu.

Tıbbi kayıtları incelemek insanların çok ilgisini çekiyor.

İnsanları nasıl daha iyi sigortalarız

ya da onlara nasıl daha iyi tıbbi bakım sağlarız gibi

sorulara cevap aramakla ilgileniyorlar.

İşte bu veriler de yine çok güzel bir şekilde

düzenlenmemiş metin dosyaları olarak karşımıza çıkıyor.

Bu dosyalarda yapılabilecek şey,

dosyada alerji adını tanımlamak olabilir.

Ya da mesela sipariş edilen ilaçları da tanımlayabilirsiniz.

Sonra da bu verileri bazı soruları yanıtlamakta kullanabilirsiniz.

Veri dediğimiz şey bir video da olabilir.

Bu örnekte, yapay öğrenme uzmanları videonun kedi mi, yoksa

başka bir şey mi olduğunu öğrenebilen bir algoritma geliştirmişler.

Önemsiz bir uygulama gibi görünebilir.

Aslına bakarsanız çok zor bir problemi çözmüşler.

Bu örnekte veriler aslında videoların kendisi.

Videoların kendisinden alınan görüntüler.

Veri, bir ses dosyası da olabilir.

DarwinTunes örneğine bakalım.

Burada insanlar müziğin zaman içerisindeki

değişimini inceliyor, ses dosyalarında yapılan yeniliklerin

ilginç olup olmadığına karar verebiliyorlar.

Zaman içerisinde insanların dinleyeceği

daha melodik ve daha ilginç müzikler geliştirilmiş.

Bu çalışmadaki veriler aslında ses dosyalarının ta kendisi oluyor.

Veriler, dosyalara erişim de olabiliyor.

API üzerinden, çizelge üzerinden ya da açık bir devlet websitesi üzerinden.

Örn; data.gov adresinden birçok veri kümesine

erişim mümkün. Bu veri siteleri, çok basit formatlardan tutun da

sekme ya da virgülle ayrılmış dosyalara, Excel dosyalarına ya da işlenmemiş metin dosyaları gibi

çok daha karmaşık ve dağınık dosyalara kadar çeşitli formatlarda olabiliyor.

Verilerin, herhangi bir veri bilimi projesinin başlangıcında

beklediğiniz gibi göründüğü nadirdir.

Bu örnekte, sütunlarda değişkenlerin,

satırlarda gözlemlerin olduğu çok net ve basit bir veri kümesi görüyorsunuz.

Analiz etmesi çok kolay görünüyor.

Bir çalışmaya başlamadan önce

verilerin böylesine kolay işlemlenmiş bir şekilde geldiği nadiren görülür.

O halde, veri bilimindeki ikinci en önemli şey veridir.

Veri bilimindeki en önemli şey

cevaplamaya çalıştığınız sorudur aslında.

Veri, soruyu takip eder.

Veri, önem sırasında sorunun ardından ikinci sırada yer alır.

Sormaya çalıştığınız soruları kısıtlayan ya da önünü açan verilerdir.

Başka bir deyişle, işe soruyla başlarsınız ama o soruyu cevaplamak için

gereken veri elinizde yoktur. Bu durumda cevabı bulabilmek için

alt ya da ilintili sorularla soruyu modifiye etmeniz gerekir.

Ancak eğer soracak sorunuz yoksa

veri sizi çoğu kez kurtaramaz.

Buradan almamız gereken ders,

belki de veri bilimcinin alet çantası derslerinin özü,

elinizdeki soruyu verilerinizle çözmeye odaklanmanız gerektiği gibi,

verilerinizin oluşunun sizin çıkış noktanız olmaması gerektiğidir.

Explore our Catalog

Join for free and get personalized recommendations, updates and offers.

Coursera provides universal access to the world’s best education, partnering with top universities and organizations to offer courses online.

© 2019 Coursera Inc. All rights reserved.

Download on the App Store

Get it on Google Play