İnşa Etmeden Önce Verileri İnceleyin

Henüz kimsenin modellemediği bir veri çıkışı size verildiğinde, en riskli hareket inşa etmeye başlamaktır. Bu öğretici, bunun yerine nasıl bir veri incelemesi yapılacağını gösterir: ham dosyaları inceleyen ve gerçekten neyi destekleyebileceklerini, hangi birleştirmelerin geçerli olduğunu, kimlerin gerçekten temsil edildiğini ve hangi kararların size ait olduğunu söyleyen bir Yapay Zeka Görevi - tümü herhangi bir modelleme yapılmadan önce.

Bir veri incelemesi, rapor göreviyle aynı ekran üzerinden başlar. Fark tamamen istemde (prompt) gizlidir: ajanı bir olay günlüğü (event log) oluşturması için çağırmak yerine, önce dosyaları incelemesini istersiniz.

Örnek, altı ilişkili tabloyu içeren 32,593 ders kaydı, kayıtları, değerlendirmeleri ve puanları kapsayan gerçek, halka açık bir üniversite veri çıkışını kullanır - bu sayfadaki her ekran görüntüsü ve sayı gerçek bir çalışmadan gelir.

Örnek veri kredisi: burada kullanılan dosyalar Open University Learning Analytics Dataset (OULAD)’dan alınmış olup CC BY 4.0 lisansı altında yayımlanmıştır. Kendi çoklu dosya veri çıkışınızla değiştirebilirsiniz.

Önce İnceleme Ne Zaman Yapılır?

Bir veri incelemesini şu durumlarda çalıştırın:

• Veri çıkarımı tanıdık değil - yeni müşteri, yeni sistem, yeni bir dışa aktarma
• Birden fazla dosya aynı anda geliyor ve kimse nasıl birleştiklerini onaylamadı
• Bir analiz sözü vermek üzeresiniz ve verinin bunu taşıyıp taşıyamayacağını öğrenmek istiyorsunuz
• Çıkan rapor garip oldu ve sorunun değil verinin şüpheli olduğunu düşünüyorsunuz

İncelemenin işi size gerçekleri ve kararları vermektir; sorularınızın yanıtlarını vermek değildir. Toplamlar üzerinden belirtilen sayılar, bilinçli olarak rapor edilen başarısız kontroller ve yalnızca sizin karar verebileceğiniz şeyleri listeleyen kararlar bekleyin.

Adım 1: Veri Çıkarımını Yükleyin

Yeni bir Yapay Zeka Görevi başlatın, AI Insight report from CSV files’ı seçin ve veri çıkarımını yükleyin. Bir .zip içindeki CSV’ler otomatik olarak açılır - altı tabloluk üniversite çıkarımı tek bir zip olarak gelir ve altı dosya olarak görünür:

Next: Report type (İleri: Rapor türü) düğmesine tıklayın.

Adım 2: Önceden Doldurulmuş İnşa Talimatını Silin

İstem kutusu, dosyalardan bir olay günlüğü inşa etmek için tamamlanmış bir talimat ile açılır, ve "Then:" ile biter:

Bu bir rapor için doğru varsayılandır ve bir incelemenin tam tersidir. İnceleme için bu metin gitmelidir. Kutudaki her şeyi seçip silebilir veya bir kütüphane isteminin bunu halletmesine izin verebilirsiniz, sonraki adımda olduğu gibi.

Ajan tam olarak yüklediğiniz dosyaların listesi ve kutunun içeriğini alır - bu yüzden inşa talimatı silindikten sonra, ajana bir şey modellemesi için hiçbir şey söylenmez.

Adım 3: Kütüphaneden Bir İnceleme İstemi Seçin

İstem kütüphanesindeki ilk grup Data review / readiness (Veri incelemesi / hazırlanma durumu) - altı istek, her biri karşılaşabileceğiniz farklı bir soruya yönelik:

İstem	İhtiyacınız olduğunda kullanın
Full data readiness review	Bu dosyaların ne olduğu, hangi bağlantılar olduğu, hangi popülasyonun kaldığı ve öncelikle neyi karar vermeniz gerektiği.
What is actually in these files?	Satır düzeyi, sütun profili, serbest metin içindeki gizli yapı ve tarihler nasıl yazılmış.
Can these files be joined?	Test edilen tüm aday anahtarlar, başarısızlıklar kaydedilir ve kabul ettiğiniz her şey için semantik kontrol.
Review an audit or change log	İşaretleyiciler, her yazmanın gerçek anlamı, toplu yüklemeler ve kayıt yaşam döngüsü.
Who is actually represented?	Her katmandaki popülasyon, kimler kayboldu ve kaybın sistematik olup olmadığı.
Can this data answer my questions?	Size verilen her soruyu dosyaların gerçekten destekleyip desteklemediği açısından puanlama.

Bir istemi tam olarak okumak için Preview (Önizle), kutuya eklemek için + Add (Ekle) düğmesine tıklayın. Bilinmeyen bir çıkarımda ilk bakış için Full data readiness review en geniş seçimdir ve bu öğretici de bunu çalıştırıyor.

Altı istemden biri biraz farklı davranır: Can this data answer my questions? (Bu veri sorularımı cevaplayabilir mi?) kendi sorularınızla değiştireceğiniz bir yer tutucu satırı ile biter, her biri bir satırda. Yer tutucuyu bırakırsanız, ajan verilerin cevaplamayı amaçladığını düşündüğü soruları çıkarır, açıkça bunları çıkardığını belirtir ve onların puanlamasını yapar.

Adım 4: İstemler Çeliştiğinde Uyarıyı Çözün

İnşa talimatı kutudayken bir inceleme istemi eklerseniz, istem artık iki karşıt şeyi ister - önce inşa et, sonra incelenmeden bir şey inşa etme. Düzenleyicinin üstünde tam da bunu söyleyen bir uyarı çıkar:

• Remove the build instruction (İnşa talimatını kaldır) önceden doldurulmuş inşa metnini siler ve yazdığınız veya eklediğiniz her şeyi korur - tek tıklamayla istem tamamen inceleme olur.
• Keep both (İkisini de tut) uyarıyı kapatır ve istemi olduğu gibi gönderir, eğer gerçekten ikisini karıştırmak istiyorsanız.

Remove the build instruction düğmesine tıklayın. Kutu artık sadece inceleme özetini içerir:

Bilinmesi gereken bir koruma daha: tamamen boş bir istem kutusu başlatmayı reddeder. Varsayılan yoktur - iş her zaman görebileceğiniz metinle çalışır.

Start (Başlat) düğmesine tıklayın. İş adı Data review - [tarih] olarak belirlenir ve sayfayı terk edebilirsiniz - iş bittiğinde e-posta gelir.

Adım 5: İncelemeyi Okuyun

İnceleme işin sohbetinde gelir. Üniversite çıkarımında, tamamlanan inceleme dosyaları sırayla inceledi - her dosyada bir satırın ne olduğunu, her sütunun nerede durduğunu, hangi birleştirmelerin geçerli olduğunu ve hangi popülasyonun kaldığını - ve bir hükümle bitti:

Her kısmın nasıl okunacağı ve bu çalışmanın gerçekten buldukları:

Gerçekler toplamlar üzerinden belirtilir. "Öğrencilerin çoğu gönderdi" değil, "32,593 kayıttan 25,820’sinin en az bir geçerli puanı var" denir. Her sayı geldiği dosya ve sütun adını belirtir, böylece her iddia doğrulanabilir.

Başarısız kontroller kasten saklanır. Hiçbir eşleşme olmayan bir birleştirme, tamamen sıfır ağırlıklı bir sütun, eksik bir dosya - bunlar incelemede sonuç olarak görünür. Bu çıkarımda örneğin, bir modülün tüm değerlendirmelerinin ağırlıklarının sıfır olduğu, ve hiçbir clickstream dosyasının verilmediği, yani hiçbir etkileşim analizinin yapılmasının engellendiği açıkça belirtilmiştir.

Hüküm dört kelimeden biri olur. Ready (Hazır), ready with constraints (sınırlamalarla hazır), blocked (engellenmiş) veya not feasible (uygulanamaz) - ardından verinin dürüstçe destekleyebileceği ve destekleyemeyeceği şeyler gelir. Bu çalışmanın sonucu ready with constraints oldu: sonuç ve çekilme analizi popülasyonun çoğu için desteklenebilir; not ağırlıklı metrikler ve etkileşim analizi değil ve inceleme nedenini belirtiyor.

Kararlar size döner, çoğu engelleyici olanlar önce. İki savunulabilir yorum varsa, inceleme birini seçmez - kararları numaralandırılmış bir listeye yazar. Bu çalışma yedi karar çıkardı, örneğin:

• Yedi modülün sadece ikisi için sınav kayıtları var - sınavları kısıtlayacak mısınız, ders işiyle temsil mi edeceksiniz, yoksa sınavları mı hariç tutacaksınız?
• 32,593 kayıttan 6,750’sinin hiç teslimi yok - puanları sıfır mı vereceksiniz, ayrı bir kohort mu sayacaksınız, yoksa hariç mi tutacaksınız?
• Bir demografik bant 10-20 olarak işaretlenmiş, diğer tüm satırlar 10-20% diyor - standartlaştıracak mısınız, yoksa ayrı bir kategori olarak mı değerlendireceksiniz?

Kararları sohbet içerisinde yanıtlayın ve inceleme oradan devam eder - ya da memnun kalınca aynı dosyalarla bu kararların yazıldığı bir rapor işi başlatın.

İlgili Dokümantasyon

• AI Jobs - Bir Yapay Zeka Görevini başlatmanın tüm yolları
• Create an AI Report from CSV Files - Veriler güvenilir olduğunda varsayılan yol
• Voice Dictation - Yazmak yerine talimatlarınızı konuşarak verin

Destek

Sorun yaşarsanız:

• E-posta: support@mindzie.com
• İçerik: iş adı, yüklediğiniz dosyalar ve beklenen ile gerçekleşen davranış farkı