એકમો
1. ડેટા વિજ્ઞાન અને વિશ્લેષણમાં કૃત્રિમ બુદ્ધિનો પરિચય: વર્કફ્લો, ભૂમિકાઓ, સીમાઓ, માન્યતા અને નીતિશાસ્ત્ર 2. ડેટા કલેક્શન અને સોર્સ અન્ડરસ્ટેન્ડિંગ: સ્કીમા, સેમ્પલિંગ, ક્વોલિટી અને લીક અવેરનેસ 3. ડેટા ક્લીનિંગ અને પ્રીપ્રોસેસિંગ: ખૂટતું મૂલ્ય, આઉટલાયર અને પ્રકારનું રૂપાંતરણ 4. સંશોધનાત્મક ડેટા વિશ્લેષણ (EDA): વિતરણ, સંબંધો અને પ્રારંભિક આંતરદૃષ્ટિ 5. ફિચર એન્જિનિયરિંગ: વેરિઅન્ટ્સ જનરેટ કરવું, કોડિંગ, સ્કેલિંગ અને લિકેજ ટાળવું 6. મોડલ બિલ્ડીંગ: સમસ્યાની વ્યાખ્યા, અલ્ગોરિધમ પસંદગી અને તાલીમ/પરીક્ષણ વિભાજન 7. મોડલ મૂલ્યાંકન: મેટ્રિક્સ, ક્રોસ-વેલિડેશન અને એક્સ્ટ્રીમ લર્નિંગ 8. વિઝ્યુલાઇઝેશન અને સ્ટોરીટેલિંગ: સચોટ ગ્રાફિક્સ, પ્રમાણિક ગ્રાફિક્સ 9. કોડ જનરેશન: પાયથોન (પાંડા) અને SQL સાથે AI-આસિસ્ટેડ વિશ્લેષણ 10. ડેટા લિકેજ અને પુનઃઉત્પાદનક્ષમતા: સાયલન્ટ ડિઝાસ્ટર અને શિસ્ત 11. MLOps ફાઉન્ડેશન, એથિક્સ, પ્રાઈવસી અને રિસ્પોન્સિબલ એનાલિટિક્સ
એકમ 8 / 11

વિઝ્યુલાઇઝેશન અને સ્ટોરીટેલિંગ: સચોટ ગ્રાફિક્સ, પ્રમાણિક ગ્રાફિક્સ

નફો:

  • દરેક ચાર્ટને સ્પષ્ટ પ્રશ્ન સાથે જોડવાની ક્ષમતા અને યોગ્ય ચાર્ટ પ્રકાર (સમય માટે રેખા, સરખામણી માટે બાર, સંબંધ માટે વિતરણ) પસંદ કરવાની ક્ષમતા
  • ગેરમાર્ગે દોરનારા તત્વોને ઓળખવાની ક્ષમતા (ડેશ્ડ એક્સિસ, ચેરી પિકિંગ, સ્પાઘેટ્ટી ચાર્ટ) અને પ્રમાણિક અને સરળ વિઝ્યુઅલ્સ બનાવવાની ક્ષમતા
  • પરિણામલક્ષી હેડલાઇન્સ અને ડેટા સ્ટોરીટેલિંગ સાથે તારણોને નિર્ણયોમાં ફેરવવાની ક્ષમતા

વિશ્લેષણનું મૂલ્ય ત્યારે જ પ્રગટ થાય છે જ્યારે અન્ય લોકો તેને સમજી શકે અને નિર્ણય લઈ શકે. વિશ્વમાં સૌથી સચોટ મોડેલ શેલ્ફ પર રહે છે જો તે નબળી રીતે સમજાવાયેલ હોય; સારી રીતે સમજાવાયેલ એક સામાન્ય શોધ કંપનીની દિશા બદલી શકે છે. આ એકમનો વિષય ડેટા વિઝ્યુલાઇઝેશન (ગ્રાફિક્સ સાથે ડેટા વ્યક્ત કરવો) અને ડેટા સ્ટોરીટેલિંગ (નિર્ણય વાર્તામાં તારણોનું ભાષાંતર કરવું): યોગ્ય ગ્રાફ પસંદ કરવો, તેને પ્રમાણિકપણે દોરવું અને પ્રેક્ષકોના મનમાં સ્પષ્ટ સંદેશ છોડવો. AI ચાર્ટ કોડ લખે છે, ચાર્ટ પ્રકાર સૂચવે છે અને શોધ માટે શીર્ષક તૈયાર કરે છે; પરંતુ શું સંદેશ આપવામાં આવે છે અને ગ્રાફિક ગેરમાર્ગે દોરનારું છે કે કેમ તે નક્કી કરવાનું માનવી પર છે.

ચાર્ટનું કાર્ય છે: પ્રશ્નનો જવાબ આપવો

શરૂઆત કરનારાઓ સૌથી મોટી ભૂલ કરે છે તે "ડેટા બતાવવા" માટે આલેખ દોરે છે. જો કે, સારો ચાર્ટ એક પ્રશ્નનો જવાબ આપે છે. "શું સમય જતાં વેચાણ વધ્યું છે?" પ્રશ્નનો જવાબ લાઇન ગ્રાફ છે; "કયા શહેરમાં વધુ વેચાણ થાય છે?" બાર ચાર્ટ છે; "શું કિંમત અને માંગ સંબંધિત છે?" એક સ્કેટર પ્લોટ છે. ગ્રાફ દોરતા પહેલા, પૂછો: આ ગ્રાફ કયા પ્રશ્નનો જવાબ આપે છે અને શું દર્શક તેને એક નજરમાં જોઈ શકે છે?

ચાર્ટ પસંદગીનું મૂળભૂત મેપિંગ:

હેતુ

સાચો ચાર્ટ

ખોટી પસંદગી

સમય સાથે બદલાવ

રેખા ચાર્ટ

પાઇ ચાર્ટ

શ્રેણી સરખામણી

બાર ચાર્ટ

3D કેક

બે સંખ્યાનો સંબંધ

સ્કેટર ચાર્ટ

લાકડી

વિતરણનો આકાર

હિસ્ટોગ્રામ/બોક્સ

સરેરાશ સિંગલ બાર

સમગ્રના ભાગો (થોડી શ્રેણીઓ)

લાકડી અથવા સાદી કેક

મલ્ટી-સ્લાઈસ કેક

બહુવિધ સંબંધ

ગરમીનો નકશો

ઓવરલેપિંગ રેખાઓ

ટીપ: જો શક્ય હોય તો પાઇ ચાર્ટ ટાળો; માનવ આંખ ખૂણાઓની તુલના નબળી રીતે કરે છે. ક્રમિક બાર ચાર્ટ લગભગ હંમેશા વધુ વાંચવા યોગ્ય હોય છે જો ત્યાં બે કરતા વધુ સ્લાઇસ હોય.

પ્રમાણિક ચાર્ટ: ગેરમાર્ગે દોરવાનો સૌથી સહેલો રસ્તો

ચાર્ટ્સ તેને સમજ્યા વિના જૂઠું બોલી શકે છે (ક્યારેક હેતુસર). ડેટા પ્રોફેશનલની નૈતિક જવાબદારી પ્રમાણિક આલેખ દોરવાની છે. છેતરપિંડીનાં સૌથી સામાન્ય સ્વરૂપો:

ડેશ્ડ y-અક્ષ: જો તમે અક્ષને 0 ને બદલે 95 થી શરૂ કરો છો, તો 2% તફાવત પર્વત જેવો દેખાય છે. સરખામણી બાર ચાર્ટમાં, ધરી સામાન્ય રીતે 0 થી શરૂ થવી જોઈએ.

ખોટો અક્ષ સ્કેલ: લઘુગણક અક્ષનો ઉલ્લેખ કર્યા વિના અથવા અક્ષોને વિકૃત કર્યા વિના તેનો ઉપયોગ કરવો.

ચેરી-પિકિંગ: તમારા સંદેશને સમર્થન આપતો સમયગાળો/સેગમેન્ટ જ બતાવી રહ્યું છે અને બાકીનાને છુપાવે છે.

ઘણી બધી માહિતી: "સ્પાઘેટ્ટી ચાર્ટ" બનાવવા માટે 12 રેખાઓ ઓવરલેપ કરવી; કોઈ સંદેશાઓ વાંચવામાં આવતા નથી.

ભ્રામક ઉમેરણ: અલગ રીતે વર્તે તેવા ગ્રાફ ઉમેરવા અને વાસ્તવિક પેટર્ન છુપાવવી (સિમ્પસનનો વિરોધાભાસ).

સાવચેત રહો: ​​જો તમે AI ને કહો છો કે "આ તફાવતને પ્રભાવશાળી બનાવો", તો તે ડેશ કરેલ અક્ષ સાથેનો અતિશયોક્તિપૂર્ણ ગ્રાફ સૂચવી શકે છે. નૈતિક જવાબદારી તમારી સાથે છે: ચાર્ટે ડેટાને વાસ્તવમાં છે તેના કરતા મોટો કે નાનો બનાવવો જોઈએ નહીં. પ્રભાવશાળીતા પહેલાં પ્રામાણિકતા આવે છે.

રંગ, લેબલ અને સરળતા

સારા ગ્રાફિક્સ સરળ ગ્રાફિક્સ છે. ડેટા-ઇંક રેશિયો સિદ્ધાંત: ડેટા વહન ન કરતી દરેક વસ્તુને કાઢી નાખો (બિનજરૂરી ગ્રીડ, પડછાયો, 3D અસર, સુશોભન રંગ). રંગનો અર્થ દર્શાવવો જોઈએ, સુશોભન ન હોવો જોઈએ: શ્રેણીને પ્રકાશિત કરવા માટે એક રંગ, બાકીનો રાખોડી. રંગ અંધત્વ માટે સાવચેત રહો (લાલ-લીલો ભેદભાવ 12માંથી 1 પુરુષોમાં મુશ્કેલ છે); સલામત પેલેટ્સનો ઉપયોગ કરો. દરેક ચાર્ટમાં સ્પષ્ટ શીર્ષક હોવું જોઈએ — અને શ્રેષ્ઠ શીર્ષક ચાર્ટનું વર્ણન કરતું નથી, તે પરિણામ કહે છે: "માસિક વેચાણ"ને બદલે "Q3 માં વેચાણ 18% ડાઉન"

હાઇલાઇટ અને વર્ણન: આંખને સંદેશ તરફ દોરો

એક સારું ગ્રાફિક દર્શકને કહે છે કે ક્યાં જોવું. પૂર્વ-સચેત વિશેષતાઓ - દ્રશ્ય સંકેતો જેમ કે રંગ, સ્થિતિ, કદ કે જે મગજ સેકન્ડના અપૂર્ણાંકમાં, સભાન પ્રયત્નો વિના સમજે છે - આ માટેનું સાધન છે: જો તમે ઉચ્ચારણ રંગ અને બાકીના ગ્રે સાથે એક જ પટ્ટી છોડો છો, તો આંખ આપોઆપ ત્યાં જશે. ચાર્ટમાં સીધી ઉમેરવામાં આવેલી ટીકાઓ પણ શક્તિશાળી છે: વર્ણનના ફકરા કરતાં "આ મહિને ઝુંબેશ શરૂ થઈ છે" કહેતો એક જ તીર વધુ અસરકારક છે. ડેશબોર્ડ ડિઝાઇન કરતી વખતે સમાન સિદ્ધાંત લાગુ પડે છે: સૌથી મહત્વપૂર્ણ મેટ્રિકને ટોચ પર અને સૌથી મોટામાં મૂકો, ગૌણ માહિતીને તળિયે અને નાની રાખો. ધ્યેય પ્રેક્ષકોને માહિતીથી અભિભૂત કરવાનો નથી, પરંતુ તેમને એક જ નજરમાં યોગ્ય નિર્ણય જોવા માટે સક્ષમ બનાવવાનો છે. AI તમને હાઇલાઇટ કલર અને એનોટેશન કોડ જનરેટ કરી શકે છે; પરંતુ તમે નક્કી કરો કે શું ભાર મૂકવો છે, એટલે કે વાસ્તવિક સંદેશ શું છે.

ત્રણ નાના કેસો

કેસ 1 - તૂટેલી ધરી કૌભાંડ. એક ટીમે "વૃદ્ધિ" બતાવવા માટે 980 પર y-અક્ષ શરૂ કરતા બાર ચાર્ટ સાથે મેનેજમેન્ટ રજૂ કર્યું; 1,000 થી 1,020 સુધીની વેચવાલી જોરદાર દેખાતી હતી. વાસ્તવિક વધારો 2% હતો. જ્યારે એક મેનેજરે ધરી પર ધ્યાન આપ્યું, ત્યારે સમગ્ર રજૂઆતની વિશ્વસનીયતા હચમચી ગઈ. પાઠ: સરખામણી બારમાં અક્ષ 0 થી શરૂ કરો.

કેસ 2 - સ્પાઘેટ્ટી ચાર્ટ. એક વિશ્લેષકે 14 ઉત્પાદનોના 24-મહિનાના વેચાણને એક ચાર્ટ પર 14 રેખાઓ તરીકે મૂક્યા છે. કોઈ કશું વાંચી શકતું ન હતું. માત્ર 3 ઉત્પાદનોને હાઇલાઇટ કરીને જે સૌથી વધુ બદલાયા છે અને બાકીનાને આછા રાખોડી બનાવીને, સંદેશ સ્પષ્ટ થયો: "ઉત્પાદન A ક્રેશ થઈ રહ્યું છે, ઉત્પાદન B વધી રહ્યું છે." પાઠ: બધું બતાવશો નહીં, સંદેશ બતાવો.

કેસ 3 - શીર્ષક જે પરિણામ જણાવે છે. એક અહેવાલ "પ્રાદેશિક વિતરણ" શીર્ષકવાળા નકશા પર ચમક્યો; કોઈએ કાર્યવાહી કરી ન હતી. જ્યારે હેડલાઇન "લક્ષ્ય કરતાં 40% નીચે પૂર્વીય પ્રદેશ" પર બદલાઈ, ત્યારે તે જ ગ્રાફિકે મીટિંગમાં કટોકટી ક્રિયા યોજનાને જન્મ આપ્યો. પાઠ: શીર્ષક નિર્ણય જણાવવો જોઈએ, ગ્રાફિક નહીં.

ચાર નકલ કરી શકાય તેવા નમૂનાઓ

1) ચાર્ટ પ્રકાર પસંદગી:

તમારી ભૂમિકા: વિઝ્યુલાઇઝેશન કન્સલ્ટન્ટ. એક ચાર્ટ સૂચવો જે નીચેના પ્રશ્નનો જવાબ આપે: "છેલ્લા 12 મહિનામાં કઈ ચેનલ (વેબ/મોબાઈલ) ઝડપથી વધી છે?" મારી પાસે માસિક, ચેનલ-તૂટેલા વેચાણ છે. મને સૌથી યોગ્ય ચાર્ટ પ્રકાર અને શા માટે જણાવો; ગેરમાર્ગે દોરનારા વિકલ્પો (પાઇ, ડેશ કરેલ અક્ષ) ટાળવા માટે મને યાદ કરાવો. matplotlib સાથે કોડ નિકાસ કરો.

2) પ્રમાણિક ચિત્ર નિયંત્રણ:

પ્રમાણિકતા માટે આ બાર ચાર્ટ કોડ તપાસો: શું y-અક્ષ 0 થી શરૂ થાય છે, શું રંગ અર્થપૂર્ણ છે, શું શીર્ષક પરિણામ કહે છે, શું ત્યાં કોઈ બિનજરૂરી 3D/પડછાયા છે? કોઈપણ ગેરમાર્ગે દોરતી આઇટમને સુધારો અને તમે તેને શા માટે સુધારી તે સમજાવો.

3) સરળીકરણ:

મારી પાસે 14 લીટીઓ સાથેનો સમય શ્રેણીનો ચાર્ટ છે, તે વાંચી શકાય તેમ નથી. સ્પષ્ટ હેડર અને ઉચ્ચ ડેટા-ઇંક રેશિયો સાથેના સંસ્કરણ માટે કોડ લખો જે ફક્ત 3 સૌથી વધુ બદલાતી શ્રેણીને હાઇલાઇટ કરે છે અને બાકીનાને આછો ગ્રે બનાવે છે.

4) પરિણામલક્ષી શીર્ષક અને વર્ણન:

હું આ તારણ આપીશ: "પૂર્વીય ક્ષેત્ર Q3 લક્ષ્ય કરતાં 40% નીચો ગયો, જેનું મુખ્ય કારણ લોજિસ્ટિક્સ વિલંબ છે." આ કરવા માટે, બનાવો: (1) ધ્યેય વિ. વાસ્તવિકતા બાર ચાર્ટ, (2) એક હેડલાઇન જે પરિણામ જણાવે છે, (3) 3-વાક્યની એક્ઝિક્યુટિવ સારાંશ રૂપરેખા. હું નંબરો ચકાસીશ; ફિટિંગ

નબળા પ્રોમ્પ્ટ / મજબૂત પ્રોમ્પ્ટ

નબળા પ્રોમ્પ્ટ:

આ વેચાણ ડેટામાંથી એક સરસ ચાર્ટ બનાવો.

"સુંદર" વ્યક્તિલક્ષી છે; કયો પ્રશ્ન, કયો પ્રેક્ષક, કયો સંદેશ તે સ્પષ્ટ નથી. AI રેન્ડમ, કદાચ ભ્રામક ગ્રાફ બનાવે છે.

શક્તિશાળી પ્રોમ્પ્ટ:

તમારી ભૂમિકા: ડેટા વિઝ્યુલાઇઝેશન સહાયક. પ્રેક્ષક: વરિષ્ઠ સંચાલન.સંદેશ: "મોબાઈલ ચેનલ 12 મહિનામાં વેબને વટાવી ગઈ." મારી પાસે માસિક ચેનલ વેચાણ છે. કાર્ય: (1) લાઇન ચાર્ટ કોડ (matplotlib) જે આ સંદેશને સ્પષ્ટ રીતે બતાવે છે, (2) y-axis 0 થી શરૂ થાય છે, મોબાઇલ હોવર રંગ, વેબ ગ્રે, (3) શીર્ષક જે પરિણામ જણાવે છે. ભ્રામક ભીંગડાનો ઉપયોગ કરવો; જેમ છે તેમ ડેટા બતાવો. હું નંબરો આપીશ.

અહીં પ્રેક્ષકો, સંદેશ, પ્રમાણિકતાના નિયમ અને ચાર્ટનો પ્રકાર સ્પષ્ટ છે.

સામાન્ય ભૂલો

  • ગ્રાફને પ્રશ્ન સાથે જોડ્યા વિના દોરો. હેતુહીન ગ્રાફિક્સ દર્શકોને થાકી જાય છે અને નિર્ણયો લેતા નથી.
  • તૂટેલી/કુટિલ ધરી સાથે ગેરમાર્ગે દોરવા માટે. સરખામણીમાં, ધરી 0 થી શરૂ થવી જોઈએ; નૈતિક જવાબદારી તમારી છે.
  • એક ચાર્ટમાં દરેક વસ્તુને ક્રેમિંગ. સ્પાઘેટ્ટી ગ્રાફિક સંદેશને મારી નાખે છે; ભાર આપો, બાકીનાને મૌન કરો.
  • ખોટો ચાર્ટ પ્રકાર (ખાસ કરીને મલ્ટિ-સ્લાઈસ પાઈ). સરખામણી માટે સમય અને બાર માટે રેખાઓનો ઉપયોગ કરો.
  • શીર્ષક ચાર્ટનું વર્ણન કરે છે. સારી હેડલાઇન પરિણામ/નિર્ણય જણાવે છે, કૉલમનું નામ નહીં.
ટીપ: જ્યારે તમે દરેક ચાર્ટ પૂર્ણ કરો, ત્યારે 5 સેકન્ડની કસોટી કરો: કોઈને 5 સેકન્ડ બતાવો અને પૂછો "તમે શું સમજો છો?" જો તે સાચો સંદેશ ન કહી શકે, તો ચાર્ટ હજી તૈયાર નથી; સરળ બનાવો, ભાર આપો, શીર્ષક પરિણામલક્ષી બનાવો.

સારાંશમાં

વિઝ્યુલાઇઝેશન એ એક પુલ છે જે વિશ્લેષણને નિર્ણયમાં ફેરવે છે. સારો ચાર્ટ પ્રશ્નનો જવાબ આપે છે; યોગ્ય પ્રકાર (સમય માટે રેખા, સરખામણી માટે બાર, સંબંધ માટે વિતરણ) પસંદ કરવામાં આવે છે; પ્રામાણિકપણે દોરવામાં આવે છે (0 થી શરૂ થતી અક્ષ, અર્થપૂર્ણ રંગ, કોઈ ચેરી પસંદ નથી). તે સરળતા અને પરિણામોનો શીર્ષક સંદેશ વહન કરે છે. AI ગ્રાફિક કોડ અને ડ્રાફ્ટ ટાઇટલ જનરેટ કરવામાં ઝડપી છે, પરંતુ માનવ નક્કી કરે છે કે કયો સંદેશ આપવામાં આવે છે અને શું ગ્રાફિક પ્રમાણિક છે; નૈતિક જવાબદારી વાર્તાકારની છે.

એપ્લિકેશન કાર્ય

એક શોધ પસંદ કરો અને તેને એક પરિણામ-લક્ષી ચાર્ટમાં ફેરવો. આલેખને કાવતરું કર્યા પછી, પ્રમાણિકતા તપાસો: શું ધરી 0 થી શરૂ થાય છે, શું રંગ અર્થપૂર્ણ છે, શું શીર્ષક પરિણામ કહે છે? પછી "5 સેકન્ડ ટેસ્ટ" કરો (કોઈને તે બતાવો અને તેમને પૂછો કે તેઓ શું સમજે છે) અને તમને મળેલા પ્રતિસાદના આધારે ચાર્ટને સરળ બનાવો.

ચેકલિસ્ટ

  • [ ] શું મારો ચાર્ટ સ્પષ્ટ પ્રશ્નનો જવાબ આપે છે?
  • [ ] શું ચાર્ટનો પ્રકાર હેતુ (સમય/સરખામણી/સંબંધ) માટે યોગ્ય છે?
  • શું અક્ષ પ્રામાણિક છે (સરખામણીમાં 0 થી શરૂ થાય છે)?
  • રંગ અને સાદગી સંદેશને ટેકો આપે છે, શું તેઓ સુશોભન નથી બની જતા?
  • [ ] શું શીર્ષક ગ્રાફનું વર્ણન કરવાને બદલે પરિણામ/નિર્ણય કહે છે?