لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش سنجش کیفیت جامع دادهها (Total Data Quality)
- آخرین آپدیت
دانلود Measuring Total Data Quality
نکته:
ممکن هست محتوای این صفحه بروز نباشد ولی دانلود دوره آخرین آپدیت می باشد.
نمونه ویدیوها:
توضیحات دوره:
در پایان این دوره دوم از تخصص کیفیت جامع دادهها، فراگیران قادر خواهند بود:
۱. معیارهای مختلف برای ارزیابی کیفیت جامع دادهها (TDQ) را در هر مرحله از چارچوب TDQ بیاموزند.
۲. یک نقشه مفهومی کیفیت ایجاد کنند که جنبههای مرتبط با TDQ را از یک برنامه یا منبع داده خاص ردیابی کند.
۳. در مورد سبک-سنگین کردن توازن بین جنبههای کیفیت، هزینههای نسبی و محدودیتهای عملی تحمیل شده توسط یک پروژه یا مطالعه خاص بیندیشند.
۴. نرمافزارهای مرتبط و ابزارهای وابسته برای محاسبه معیارهای مختلف را شناسایی کنند.
۵. معیارهایی را که میتوان برای هر دو نوع دادههای طراحیشده (Designed) و دادههای یافتشده/ارگانیک (Found/Organic) محاسبه کرد، درک کنند.
۶. این معیارها را روی دادههای واقعی اعمال کرده و مقادیر حاصل از آنها را از منظر TDQ تفسیر کنند.
این تخصص در مجموع با هدف بررسی عمیق چارچوب کیفیت جامع دادهها و ارائه اطلاعات بیشتر در مورد ارزیابی دقیق کیفیت دادهها که باید پیش از تحلیل دادهها صورت گیرد، طراحی شده است. هدف این است که فراگیران، ارزیابی کیفیت دادهها را به عنوان یک جزء حیاتی در تمام پروژههای خود بگنجانند. ما صمیمانه امیدواریم که دانش کیفیت جامع دادهها را به تمام فراگیرانی مانند دانشمندان داده و تحلیلگران کمی که آموزش کافی در مراحل اولیه فرآیند علم داده (با تمرکز بر جمعآوری و ارزیابی کیفیت دادهها) ندیدهاند، منتقل کنیم. ما معتقدیم که دانش گسترده در تکنیکهای علم داده و روشهای تحلیل آماری، اگر دادههای جمعآوری شده کیفیت لازم را نداشته باشند، کمکی به یک مطالعه پژوهشی کمی نخواهد کرد.
این تخصص بر اولین گامهای ضروری در هر نوع تحقیق علمی با استفاده از دادهها تمرکز دارد: تولید یا جمعآوری دادهها، درک منشأ دادهها، ارزیابی کیفیت دادهها و اتخاذ اقداماتی برای به حداکثر رساندن کیفیت دادهها پیش از انجام هرگونه تحلیل آماری یا بهکارگیری تکنیکهای علم داده برای پاسخ به سوالات پژوهشی. با توجه به این تمرکز، مطالب کمی در مورد تحلیل دادهها ارائه خواهد شد، زیرا این موضوع در بسیاری از تخصصهای موجود در کورسرا پوشش داده شده است. تمرکز اصلی این تخصص بر درک و به حداکثر رساندن کیفیت دادهها پیش از تحلیل خواهد بود.
سرفصل ها و درس ها
مقدمه و سنجش اعتبار و کیفیت منشأ دادهها
Introduction and Measuring Validity and Data Origin Quality
به دوره دوم خوش آمدید!
Welcome to Course 2!
سنجش اعتبار برای دادههای طراحیشده
Measuring Validity for Designed Data
مثال ۱: اجرای CFA و بررسی ناوردا بودن اندازهگیری در R
Example 1: Performing CFA and Examining Measurement Invariance in R
رویکردها و ملاحظات سنجش کیفیت برای دادههای جمعآوریشده
Approaches and Considerations for Measuring Quality for Gathered Data
سنجش اعتبار برای دادههای جمعآوریشده
Measuring Validity for Gathered Data
سنجش کیفیت منشأ دادهها برای دادههای طراحیشده
Measuring Data Origin Quality for Designed Data
مثالها: محاسبه معیارهای کیفیت منشأ دادهها برای دادههای طراحیشده در R
Examples: Computing Measures of Data Origin Quality for Designed Data in R
سنجش کیفیت منشأ دادهها برای دادههای جمعآوریشده
Measuring Data Origin Quality for Gathered Data
مثال ۴: سنجش اعتبار و کیفیت منشأ دادهها برای دادههای جمعآوریشده
Example 4: Measuring Validity and Data Origin Quality for Gathered Data
سنجش کیفیت پردازش و دسترسی به دادهها
Measuring Processing and Data Access Quality
سنجش کیفیت پردازش برای دادههای طراحیشده
Measuring Processing Quality for Designed Data
مثال: محاسبه معیارهای پردازش با دادههای واقعی و کدنویسی
Example: Computing Processing Metrics with Real Data and Code
سنجش کیفیت پردازش برای دادههای جمعآوریشده
Measuring Processing Quality for Gathered Data
مثال: محاسبه معیارهای پردازش برای دادههای جمعآوریشده
Example: Computing Processing Metrics for Gathered Data
سنجش کیفیت دسترسی به دادهها برای دادههای طراحیشده
Measuring Data Access Quality for Designed Data
مثال: محاسبه معیارهای دسترسی با دادههای واقعی و کدنویسی
Example: Computing Access Metrics with Read Data and Code
سنجش کیفیت دسترسی به دادهها برای دادههای جمعآوریشده
Measuring Data Access Quality for Gathered Data
مطالعه موردی: سنجش کیفیت دسترسی به دادههای جمعآوریشده از توییتر
Case Study: Measuring Data Access Quality in Gathered Twitter Data
سنجش کیفیت منبع دادهها و فقدان دادهها
Measuring Data Source Quality and Data Missingness
سنجش کیفیت منبع دادهها برای دادههای طراحیشده
Measuring Data Source Quality for Designed Data
مثال: محاسبه معیارهای منبع داده با دادههای واقعی و کدنویسی
Example: Computing Data Source Metrics with Real Data and Code
سنجش کیفیت منبع دادهها برای دادههای جمعآوریشده
Measuring Data Source Quality for Gathered Data
مثال: محاسبه معیارهای کیفیت منبع داده با دادههای واقعی و کدنویسی
Example: Computing Data Source Quality Metrics with Real Data and Code
سنجش تهدیدات کیفیت منبع داده: دادههای طراحیشده
Measuring Threats to Data Source Quality: Designed Data
مثال: محاسبه معیارهای فقدان دادهها با دادههای واقعی و کدنویسی
Example: Computing Data Missingness Metrics with Real Data and Code
سنجش فقدان دادهها برای دادههای جمعآوریشده
Measuring Data Missingness for Gathered Data
مثال: محاسبه معیارهای فقدان دادهها برای دادههای جمعآوریشده
Example: Computing Data Missingness for Gathered Data
سنجش کیفیت تحلیل دادهها
Measuring the Quality of Data Analysis
سنجش کیفیت تحلیل دادههای طراحیشده
Measuring the Quality of an Analysis of Designed Data
مثال: محاسبه معیارهای کیفیت تحلیل دادهها برای دادههای طراحیشده در R
Example: Computing Measures of Data Analysis Quality for Designed Data in R
سنجش کیفیت تحلیل دادههای جمعآوریشده
Measuring the Quality of an Analysis of Gathered Data
مثال: محاسبه معیارهای کیفیت مدلهای دادههای جمعآوریشده
Example: Computing Metrics for Quality of Models of Gathered Data
نمایش نظرات