قراءات عربية في العلوم والتقنية والطبيعة والثقافة، تبدأ بسؤال وتترك لك مساحة للاستكشاف.
2297 مقالًا
وحدات القياس في بيانات تعلم الآلة جزء من معنى القيمة، وليست زينة بجانب الرقم. توضح NIST أن القيمة تكتب مع رمز الوحدة، وأن بادئة مثل سنتي تحدد جزءا من مئة من الوحدة. لذلك لا تقارن أرقاما مجردة قبل فهم قياسها. [1]
الفرق بين مخطط البيانات ومحتواها هو الفرق بين وصف البنية والقيم التي تشغلها. يوضح AWS أن المخطط يصف تنظيم قاعدة البيانات، بينما تتغير القيم الفعلية مع الإضافة والتعديل والحذف. [1]
فحص تغير مخطط البيانات عند الاستيراد يبدأ بمقارنة الملف الجديد بتوقعات موثقة، لا بقبول كل ما تقرؤه الأداة. يوضح دليل TensorFlow Data Validation فحص البيانات مقابل المخطط، ومراجعة المخطط المستنتج قبل الاعتماد عليه. [1]
عقد البيانات في مشروع تعلم الآلة يوضح ما يتوقعه مستخدم البيانات ممن يقدمها. تصف Bitol العقد بأنه اتفاق بين المنتج والمستهلكين، وتعرض ضمنه أقساما للمخطط والجودة والدعم ومستوى الخدمة. [1]
الفرق بين البيانات المقطعية والطولية يتعلق بالزمن وهوية الوحدات التي نلاحظها. يوضح UK Data Service أن البيانات المقطعية تصف نقطة زمنية، بينما تتابع المسوح الطولية الأفراد أنفسهم عبر أوقات متعددة. [1]
بيانات المعاملات وأحداث التصفح قد تصف أجزاء مختلفة من المسار نفسه. في دليل Google Analytics، عرض تفاصيل منتج وإضافته إلى السلة والشراء أحداث مختلفة. والشراء نفسه يسجل كحدث؛ لذلك ليست المعاملات والأحداث مجموعتين متعارضتين دائما. [1]
سجل الأحداث والحالة الحالية يجيبان عن سؤالين مختلفين: ماذا حدث، وما الوضع الآن؟ يشرح نمط Event Sourcing حفظ تسلسل التغييرات، مقابل تحديث الحالة الأحدث، مع إمكان استخراج الحالة من الأحداث. [1]
الطابع الزمني في البيانات يربط السجل بوقت ذي معنى محدد. يقدم RFC 3339 صيغة نصية تضم التاريخ والوقت والإزاحة، وتسمح بكسور اختيارية للثانية؛ لذلك لا يلزم أن يكون كل طابع زمني رقما منفردا. [1]
توحيد المناطق الزمنية في البيانات يحتاج إلى معرفة مرجع الوقت قبل مقارنته. الإزاحة العددية تصف الفرق عن UTC، بينما تحفظ قاعدة IANA تاريخ قواعد الوقت لمواقع مختلفة وتحدثها عند تغيرها. [1] [2]
وقت الحدث ووقت المعالجة قد يختلفان، وقد توجد بينهما لحظة رصد السجل أيضا. يفصل نموذج سجلات OpenTelemetry بين وقت وقوع الحدث عند المصدر ووقت ملاحظته بواسطة نظام الجمع؛ وقد يغيب وقت المصدر إذا كان مجهولا. [1]
البيانات المتأخرة قد تصل بعد أن أعددنا نتيجة للفترة التي وقع فيها الحدث. تعرض أمثلة Apache Beam أحداثا تصل خارج ترتيب وقوعها، ونتائج تحدث عند وصول بيانات متأخرة وفق إعدادات المعالجة. [1]
المعالجة الدفعية والدفقية تختلفان في تنظيم العمل على البيانات. يشرح AWS معالجة مجموعات كبيرة دوريا، مقابل معالجة البيانات تدريجيا أثناء تدفقها، ويعرض إمكان جمع النمطين في مسار واحد. [1]
معدل أخذ العينات في القياس يصف تكرار جمع القراءات. في توثيق NI، معدل أخذ العينات هو معدل الحصول على عينة لكل قناة، ووحدته عينات لكل قناة في الثانية. [1] هذا يختلف عن اختيار أشخاص لعينة إحصائية.
نافذة الرصد في بيانات النموذج تحدد الفترة التي ننظر داخلها إلى السجلات. ولا يكفي اسم «آخر عشر دقائق» دون حقل وقت وحدود واضحة. تقدم TimeWindow في Apache Flink مثالا تقنيا لفترة تشمل بدايتها وتستبعد نهايتها. [1]
البيانات العددية المستمرة والمتقطعة تصنف بحسب القيم الممكنة، لا عدد الخانات المعروضة. المستمرة تسمح بقيم على مجال متصل، والمتقطعة بقيم منفصلة قابلة للعد؛ وقد تعرض المتقطعة بكسور عشرية. [1]
المتغير الاسمي والمتغير الرتبي كلاهما فئوي. الاسمي يصف أسماء أو فئات بلا ترتيب طبيعي، والرتبي يصف فئات ذات ترتيب، دون أن يحدد بالضرورة مقدار الفرق بينها. [1]
الرقم التعريفي والمتغير العددي قد يظهران كلاهما بخانات رقمية، لكن المعنى يختلف. يميز Statistics Canada الكميات العددية عن الأرقام التي ترمز إلى فئات، وينبه إلى أهمية وصف الترميز. [1]
حفظ الأصفار الأولى في المعرفات يبدأ عند إدخال البيانات أو استيرادها. يوضح دعم Microsoft أن Excel قد يزيل الأصفار البادئة بتحويل النص الرقمي إلى عدد، ويشرح استعمال النوع النصي للحفاظ على الصيغة الأصلية. [1]
