Curs de masterat · UBB · ADC

Fluxuri de lucru pentru știința datelor

Un flux de lucru pentru știința datelor este drumul complet pe care îl parcurge o întrebare până devine un rezultat în care poți avea încredere: de la colectarea datelor, prin curățare și agregare, până la analiză și raport. Nu e o colecție de trucuri, ci o ordine de lucru reproductibilă.

Pentru un sociolog, asta schimbă felul în care se pune o întrebare despre societate. În loc să te bazezi pe un singur set de date primit de-a gata, înveți să aduci singur datele, să le verifici, să le combini din mai multe surse și să arăți exact cum ai ajuns la concluzie. Reproductibilitatea nu e un moft tehnic — e ce face diferența dintre o afirmație și o dovadă.

Cursul te duce prin tot acest drum o dată, cap-coadă, pe un proiect real de echipă. Cartea explică fiecare pas, ți-l arată pe date și te verifică; munca o faci în editorul tău.

Nivel: masterat Instituție: UBB · ADC Structură: 8 capitole · 59 de subcapitole Formă: proiect de echipă

Deschide cartea →

CE VEI ȘTI SĂ FACI

La final, singur sau în echipă

Configurezi un mediu de lucru izolat și versionezi proiectul cu Git.
Colectezi date dintr-un API și le transformi într-un tabel curat.
Cureți, standardizezi și îmbini surse diferite pe o cheie comună.
Așezi datele într-o bază de date și le interoghezi cu SQL.
Explorezi datele și construiești variabilele care răspund la întrebare.
Estimezi și interpretezi un model statistic simplu, cu limitele lui.
Scrii un raport pe care altcineva îl poate reproduce și critica.
Lucrezi în echipă pe un singur repository, cu roluri și verificări încrucișate.

CELE OPT CAPITOLE

Ordinea urmează fluxul de lucru

1 Partea I · Fundamente Introducere și configurare De la mediul de lucru la tipurile de date, fișiere și JSON — fundația pe care stă tot restul. 6 subcapitole → 2 Partea II · Colectarea Colectarea datelor prin API Cum aduci date dintr-o sursă externă: REST, autentificare, paginare, primul apel din Python. 11 subcapitole → 3 Partea II · Colectarea Versionare cu Git Versionare și lucrul în echipă pe un repository comun, fără fișiere pierdute pe chat. 9 subcapitole → 4 Partea III · Pregătirea Curățarea datelor Profilezi, standardizezi și repari datele: tipuri, lipsuri, duplicate, anomalii. 7 subcapitole → 5 Partea III · Pregătirea Agregare și baze de date Îmbini sursele într-un tabel unificat și îl așezi într-o bază de date PostgreSQL. 8 subcapitole → 6 Partea IV · Analiza Analiza exploratorie Te uiți la date înainte de a le modela: distribuții, relații, corelații. 6 subcapitole → 7 Partea IV · Analiza Variabile derivate și model Construiești indicatorii care răspund la întrebare și îi treci printr-un model statistic. 7 subcapitole → 8 Partea IV · Analiza Raportare și proiect final Aduni tot într-un raport reproductibil și îl prezinți echipei și profesorului. 5 subcapitole →

PROIECTUL DE ECHIPĂ

Se construiește pe parcurs

Cursul are un singur produs final: un repository de echipă în care se vede tot drumul, de la întrebarea de cercetare până la rezultatul statistic și interpretarea lui. Nu se predă un fișier la final — se construiește săptămână de săptămână, iar fiecare curs adaugă o piesă.

Fiecare student răspunde de un pas și de fișierul lui, dar deciziile importante — tema, unitatea de analiză, variabilele finale — se iau împreună. La fiecare pas e prevăzută o scurtă verificare încrucișată în echipă. La final se predau repository-ul, raportul și o scurtă prezentare.

DE COMPLETATTema proiectului ediției curente și lista exactă a livrabilelor.

CE ÎȚI TREBUIE

Puțin, și pregătim împreună restul

Un editor de codFolosim VS Code. Instalarea și configurarea sunt la capitolul 1.
Un cont de versionarePe platforma de versionare, pentru repository-ul de echipă.
Conturi pentru surse de datePentru API-urile din care colectăm datele proiectului.

DE COMPLETATSursele de date concrete (ce API-uri, unde se fac conturile) și grila de evaluare.