AI ဒေတာ
Artificial Intelligence ပရောဂျက်တစ်ခု၏ 80% အထိ ဒေ တာစုဆောင်းခြင်း အကြောင်း ဖြစ်သည်
- မည်သည့်ဒေတာ လိုအပ် သနည်း။
- မည်သည့်ဒေတာ ရရှိနိုင် သနည်း။
- ဒေတာ ကိုဘယ်လို ရွေး မလဲ။
- ဒေတာ ကို ဘယ်လို စုဆောင်း ရမလဲ။
- ဒေတာ ကိုဘယ်လို ရှင်း ရမလဲ။
- ဒေတာ ကို ဘယ်လို ပြင်ဆင် မလဲ။
- ဒေတာ ကို ဘယ်လိုသုံးမလဲ ။
Data ဆိုတာဘာလဲ။
Data တွေ အများကြီးရှိနိုင်တယ်။ Artificial Intelligence ဖြင့် ၎င်းသည် အချက်အလက်အစုအဝေးတစ်ခု ဖြစ်ရမည်-
ရိုက်ပါ။ | ဥပမာများ |
---|---|
နံပါတ်များ | စျေးနှုန်းများ။ နေ့စွဲများ။ |
တိုင်းတာမှုများ | အရွယ်အစား။ အရပ်အမြင့်။ အလေးချိန်။ |
စကား | အမည်များနှင့် နေရာများ။ |
လေ့လာတွေ့ရှိချက်များ | ကားရေတွက်ခြင်း။ |
ဖော်ပြချက် | အေးတယ်။ |
Intelligence သည် Data လိုအပ်သည်။
လူ့ဉာဏ်ရည်ဉာဏ်သွေး လိုအပ်သည်-
အိမ်ခြံမြေပွဲစားတစ်ဦးသည် စျေးနှုန်းခန့်မှန်းရန် ရောင်းထားသောအိမ်များအကြောင်း အချက်အလက် လိုအပ်သည်။
ဥာဏ်ရည်တု ဒေတာ လိုအပ်သည်-
ကွန်ပြူတာ ပရိုဂရမ်တစ်ခုသည် ဈေးနှုန်းများကို ခန့်မှန်းရန် ဒေတာလည်း လိုအပ်ပါသည်။
Data သိမ်းဆည်းခြင်း။
စုဆောင်းရန် အသုံးအများဆုံးဒေတာများမှာ နံပါတ်များနှင့် အတိုင်းအတာများဖြစ်သည်။
မကြာခဏ data များကိုတန်ဖိုးများအကြားဆက်နွယ်မှုကိုကိုယ်စားပြုသော array တွင်သိမ်းဆည်းထားသည်။
ဤဇယားတွင် အိမ်စျေးနှုန်းများနှင့် အရွယ်အစား ပါဝင်သည်။
စျေးနှုန်း | ၇ | ၈ | ၈ | ၉ | ၉ | ၉ | ၁၀ | ၁၁ | ၁၄ | ၁၄ | ၁၅ |
အရွယ်အစား | ၅၀ | ၆၀ | ၇၀ | ၈၀ | ၉၀ | ၁၀၀ | ၁၁၀ | ၁၂၀ | ၁၃၀ | ၁၄၀ | ၁၅၀ |
အရေအတွက်နှင့် အရည်အသွေးပိုင်း
Quantitative data သည် ဂဏန်းဖြစ်သည်-
- ၅၅ ကား
- 15 မီတာ
- ကလေး ၃၅
အရည်အသွေးဆိုင်ရာ အချက်အလက်များသည် သရုပ်ဖော်သည်-
- အေးတယ်
- ရှည်သည်။
- ပျော်စရာကြီး
သန်းခေါင်စာရင်း သို့မဟုတ် နမူနာယူခြင်း။
သန်းခေါင်စာရင်း ဆိုသည်မှာ အဖွဲ့တစ်ဖွဲ့၏အဖွဲ့ဝင်တိုင်းအတွက် ဒေတာစုဆောင်းသည့်အခါဖြစ်သည်။
နမူနာ တစ်ခုသည် အဖွဲ့တစ်ခု၏အဖွဲ့ဝင်အချို့အတွက် ဒေတာစုဆောင်းသည့်အခါဖြစ်သည်။
အမေရိကန်မှာ စီးကရက်ဘယ်လောက်သောက်လဲသိချင်ရင် US မှာရှိတဲ့လူတိုင်း (သန်းခေါင်စာရင်း) ဒါမှမဟုတ် လူ 10,000 (နမူနာတစ်ခု) မေးလို့ရပါတယ်။
သန်းခေါင်စာရင်းက တိ ကျပေမယ့် လုပ်ရခက်တယ်။ နမူနာတစ်ခုသည် မတိ ကျသော်လည်း လုပ်ဆောင်ရန် ပိုမိုလွယ်ကူသည်။
နမူနာစည်းမျဥ်းများ
လူ ဦးရေ ဆိုသည်မှာ ကျွန်ုပ်တို့ထံမှ အချက်အလက်စုဆောင်းလိုသော လူတစ်ဦးချင်း (အရာဝတ္ထုများ) အုပ်စုဖြစ်သည်။
သန်းခေါင်စာရင်း ဆိုသည်မှာ လူဦးရေရှိလူတစ်ဦးချင်းစီ၏ အချက်အလက်ဖြစ်သည်။
နမူနာ တစ်ခုသည် လူဦးရေ၏ အစိတ်အပိုင်းတစ်ခု၏ အချက်အလက် (အားလုံးကို ကိုယ်စားပြုရန်အတွက်) ဖြစ်သည်။
ကျပန်းနမူနာများ
လူဦးရေကို ကိုယ်စားပြုရန်အတွက် နမူနာတစ်ခုကို ကျပန်းကောက်ယူရပါမည်။
ကျပန်းနမူနာ သည် လူ ဦးရေ၏အဖွဲ့ဝင်တိုင်းနမူနာတွင် တူညီသောအခွင့်အရေးတစ်ခုပေါ်လာသည့်နမူနာတစ်ခုဖြစ်သည်။
Sampling Bias
နမူနာများတွင် အချို့သောပုဂ္ဂိုလ်များ ပါဝင်နိုင်ခြေနည်းသော (သို့မဟုတ် ထို့ထက်ပို၍) နည်းပါးသောနမူနာများကို စုဆောင်းသည့်အခါ Sampling Bias (အမှား) ဖြစ်ပေါ် ပါသည် ။