Um námskeiðið

Markmið námskeiðsins, samhengi þess og hvernig það undirbýr þig fyrir störf í gagnavísindum og upplýsingatækni.

Markmið

Þetta námskeið undirbýr þig fyrir raunveruleg störf í gagnavísindum og upplýsingatækni — með kerfislægu hugsanaviðmóti verkfræðinnar — ekki með því að læra tæknina í tómarúmi, heldur með því að nota sömu verkfæri og iðnaðurinn notar á hverjum degi: Git, GitHub, SQL, reglulegar segðir og gervigreindarverkfæri.

Námskeiðið er uppbyggt þannig að allt sem þú lærir á fyrstu vikum á beinlínis við um verkefnið sem þú ert að vinna að — ekki æfingadæmi sem hverfa ofan í skúffu. Við lok námskeiðsins áttu lifandi gagnasafn á GitHub Pages sem sýnir vinnulag þitt, skilning þinn og getu þína.

Hvað er upplýsingaverkfræði?

Upplýsingaverkfræði snýst um að breyta hráum gögnum í innsýn sem hægt er að treysta, miðla og nota. Í stað þess að líta á gögn sem einangraðar töflur eða skrár spyrjum við: hvaðan komu gögnin, hvernig voru þau unnin, hvaða mynstur sjást í þeim og hvernig er hægt að gera niðurstöðurnar skiljanlegar fyrir aðra?

Í einföldustu mynd má hugsa vinnuna sem keðju:

Gögn

Hráar skrár, töflur, API og mælingar.

Upplýsingar

Gögn hreinsuð, tengd og sett fram.

Þekking

Mynstur, frávik og samhengi verða sýnileg.

Ákvörðun

Val byggt á gagnreyndri innsýn.

Framkvæmd

Breytingar, ferlar og aðgerðir.

Virði

Áhrif fyrir fólk, rekstur eða samfélag.

Fyrst þarf að finna, sækja, hreinsa og tengja gögn. Síðan þarf að breyta þeim í upplýsingar: töflur, myndir, mælikvarða, skýrslur eða mælaborð sem hjálpa fólki að sjá hvað er að gerast. Þekking verður til þegar einhver rýnir upplýsingarnar, setur þær í samhengi og séð hvað þær þýða. Að lokum geta gögnin stutt ákvörðun, framkvæmd og raunverulegt virði.

Þetta er ástæðan fyrir því að námskeiðið tengir saman útgáfustjórnun, gagnavinnslu, SQL, reglulegar segðir, myndræna framsetningu, skýrslugerð og gervigreindarverkfæri. Verkfærin eru ólík, en þau þjóna sama markmiði: að gera vinnu með gögn rekjanlega, endurtakanlega og gagnlega.

Að kanna og að útskýra

Í gagnavinnu skiptum við oft á milli tveggja hugarfara. Stundum erum við að kanna gögn: leita að mynstrum, frávikum, tengslum og spurningum sem við vissum ekki fyrirfram að væru áhugaverðar. Stundum erum við að útskýra gögn: velja skýra niðurstöðu, leiða lesanda í gegnum rökin og sýna af hverju niðurstaðan skiptir máli.

Hvorugt er „betra” en hitt. Góð verkefni þurfa yfirleitt bæði. Þið þurfið að geta prófað, efast, hreinsað og endurtekið — en líka að geta sagt skýra gagnasögu þegar þið hafið fundið eitthvað sem skiptir máli.

Vinnulag og þemu

Þótt námskeiðið sé skipt í lotur um tiltekin verkfæri og aðferðir ganga nokkur stærri þemu í gegnum allt misserið.

Í fyrsta lagi lærum við að nota gervigreind sem erindreka: sem hjálpartæki við kóða, texta, rýni og hugmyndavinnu, en ekki sem staðgengil fyrir eigin skilning eða ábyrgð. Ein af lykilspurningum námskeiðsins er því: hvenær sparar AI tíma og eykur gæði vinnunnar, og hvenær er einfaldara, hraðara eða áreiðanlegra að leysa verkefnið án hennar?

Í öðru lagi æfum við vinnuflæði sem eru notuð í atvinnulífinu: GitHub, issues, Pull Requests, kóðarýni, skjölun og verkefnastjórnun. Markmiðið er að læra ekki aðeins tæknina, heldur líka hvernig teymi vinna skipulega saman.

Í þriðja lagi leggjum við áherslu á að vinna markvisst með bæði kóða og texta. Góð greining þarf að vera keyranleg, læsileg, rökstudd og þannig fram sett að aðrir geti skilið hana, endurtekið hana og byggt ofan á hana.

Í fjórða lagi lærum við að brjóta stór verkefni niður í minni einingar. Capstone-verkefnið þróast yfir misserið og tengir saman gögn, gagnavinnslu, greiningu, myndræna framsetningu, skýrslugerð og kynningu.

Undir öllu þessu liggur krafa um endurtakanleika og rekjanleika: að hægt sé að sjá hvaðan gögn koma, hvaða breytingar voru gerðar, hvaða ákvarðanir voru teknar og hvernig niðurstöður urðu til.