Kursus Pengenalan Sains Data untuk Dasar Awam

Pelajaran 1 • Kitaran Pembuatan Keputusan Dasar

Memetakan bagaimana bukti memasuki peringkat penetapan agenda, reka bentuk, pelaksanaan, dan penilaian. Menunjukkan di mana alat sains data menambah nilai yang paling tinggi.

Pelajaran 2 • Jenis Data Sektor Awam

Meninjau sumber data pentadbiran, kaji selidik, geospatial, dan masa nyata yang digunakan dalam kerajaan. Menyediakan pelajar untuk mengenal pasti data yang sesuai untuk soalan dasar tertentu.

Pelajaran 3 • Asas Etika Kerja Data Dasar

Memperkenalkan keadilan, privasi, dan akauntabiliti sebagai kekangan yang tidak boleh dirunding. Menetapkan lensa etika yang digunakan sepanjang keseluruhan kursus.

Pelajaran 1 • Dokumentasi Data dan Metadata

Mengajar penciptaan buku kod, kamus data, dan penjejakan provenance. Dokumentasi yang betul memastikan kebolehulangan dan kebolehauditan dalam konteks dasar.

Pelajaran 2 • Mencari dan Mengakses Set Data Awam

Merangkumi portal data terbuka, permintaan kebebasan maklumat, dan akses API. Pelajar berlatih mencari sumber berautoriti untuk domain dasar biasa.

Pelajaran 3 • Tadbir Urus Data dan Pematuhan

Menangani perjanjian perkongsian data, kawalan akses, dan keperluan pematuhan kawal selia. Pelajar belajar untuk beroperasi dalam rangka kerja tadbir urus data institusi.

Pelajaran 1 • Mendiagnosis Isu Kualiti Data

Memperkenalkan kelengkapan, konsistensi, ketepatan, dan ketepatan masa sebagai dimensi kualiti. Pelajar belajar untuk memprofil set data sebelum sebarang pembersihan bermula.

Pelajaran 2 • Menyeragam dan Mengubah Pemboleh Ubah

Mengajar pengekodan semula, normalisasi, dan penyelarasan unit merentas sumber kerajaan yang heterogen. Menyediakan data untuk perbandingan merentas agensi yang sah.

Pelajaran 3 • Aliran Kerja Penyediaan Data Boleh Ulang

Memperkenalkan saluran paip skrip dan kawalan versi untuk menjadikan langkah pembersihan boleh diaudit. Kebolehulangan dirangka sebagai piawaian profesional dalam analisis sektor awam.

Pelajaran 4 • Mengendalikan Data Hilang dan Tidak Konsisten

Merangkumi strategi pemadaman, imputasi, dan penandaan untuk nilai hilang. Menghubungkan setiap strategi kepada kesannya terhadap kesimpulan dasar hiliran.

Pelajaran 1 • Prinsip Reka Bentuk Visualisasi

Mengaplikasikan prinsip kejelasan, ketepatan, dan kebolehcapaian kepada reka bentuk carta. Pelajar belajar untuk mengelakkan visual yang mengelirukan yang biasa dalam pelaporan awam.

Pelajaran 2 • Menyampaikan Penemuan kepada Khalayak Dasar

Menyesuaikan output penerokaan untuk taklimat eksekutif, papan pemuka awam, dan laporan perundangan. Menekankan naratif bahasa mudah bersama visual.

Pelajaran 3 • Penerokaan Univariat dan Bivariat

Mengajar histogram, plot kotak, plot taburan, dan analisis korelasi. Pelajar mengenal pasti hubungan yang patut disiasat sebelum pemodelan formal.

Pelajaran 1 • Ujian Lazim untuk Data Dasar

Mengaplikasikan ujian-t, ujian khi kuasa dua, dan ANOVA kepada set data kerajaan biasa. Pelajar memilih ujian yang sesuai berdasarkan jenis pemboleh ubah dan reka bentuk penyelidikan.

Pelajaran 2 • Asas Kebarangkalian dan Persampelan

Mengkaji semula peraturan kebarangkalian, taburan persampelan, dan teorem had memusat. Menyediakan asas teori untuk semua kaedah inferens yang berikut.

Pelajaran 3 • Ujian Hipotesis dalam Konteks Dasar

Merangkumi logik hipotesis nol, nilai-p, dan ralat Jenis I dan II dengan contoh dasar. Pelajar belajar untuk merangka soalan dasar yang boleh diuji dengan teliti.

Pelajaran 4 • Isu Ujian Berganda dan Replikasi

Menangani p-hacking, pembetulan perbandingan berganda, dan piawaian replikasi. Merangkanya sebagai isu integriti khusus untuk penggunaan bukti sektor awam.

Pelajaran 1 • Regresi dengan Pemboleh Ubah Kategori

Merangkumi pengekodan dummy, istilah interaksi, dan analisis subkumpulan. Membolehkan perbandingan merentas kumpulan demografi atau geografi dalam data dasar.

Pelajaran 2 • Regresi Linear Mudah

Memperkenalkan persamaan regresi, anggaran kuasa dua terkecil biasa, dan kebagusan penyuaian. Pelajar mentafsir pekali dalam unit yang bermakna kepada pemegang taruh dasar.

Pelajaran 3 • Regresi Logistik untuk Hasil Binari

Mengaplikasikan regresi logistik kepada hasil dasar binari seperti penyertaan program atau residivisme. Pelajar mentafsir nisbah odds dan kebarangkalian diramal.

Pelajaran 4 • Regresi Berganda dan Kekeliruan

Melanjutkan kepada peramal berganda dan menangani bias pemboleh ubah terabai. Pelajar belajar untuk mengawal pemboleh ubah keliru semasa menganggar hubungan yang relevan dengan dasar.

Pelajaran 1 • Reka Bentuk Regresi Ketidaksinambungan

Mengeksploitasi pemotongan kelayakan untuk menganggar kesan rawatan tempatan berhampiran ambang. Pelajar menggunakan RDD kepada program dengan peraturan kelayakan berasaskan skor.

Pelajaran 2 • Analisis Perbezaan-dalam-Perbezaan

Mengajar andaian aliran selari dan anggaran DiD menggunakan data panel. Diaplikasikan kepada pelancaran dasar sebelum-dan-selepas dengan kumpulan perbandingan.

Pelajaran 3 • Ujian Kawalan Rawak dalam Kerajaan

Merangkumi reka bentuk RCT, mekanisme rawakan, dan kekangan etika dalam program awam. Pelajar menilai bila RCT boleh dilaksanakan dan bila alternatif diperlukan.

Pelajaran 4 • Pemboleh Ubah Instrumen dan Padanan

Memperkenalkan anggaran IV dan padanan skor kecenderungan sebagai alternatif apabila rawakan mustahil. Merangkumi andaian dan batasan setiap pendekatan.

Pelajaran 1 • Pembelajaran Tidak Terselia dan Segmentasi

Menggunakan pengelompokan dan pengurangan dimensi untuk mengenal pasti segmen populasi dalam data pentadbiran. Menyokong penilaian keperluan dan penyasaran sumber dalam program dasar.

Pelajaran 2 • Pembelajaran Terselia untuk Hasil Dasar

Mengaplikasikan pepohon keputusan, hutan rawak, dan peningkatan kecerunan kepada tugas klasifikasi dan regresi. Pelajar menilai model menggunakan ketepatan, precision, recall, dan AUC.

Pelajaran 3 • Menyebar dan Memantau Model Dasar

Merangkumi saluran paip penyebaran model, pemantauan prestasi, dan kitaran penyegaran model. Menangani keperluan tadbir urus untuk pembuatan keputusan algoritma dalam kerajaan.

Pelajaran 4 • Keadilan dan Bias dalam Model Ramalan

Meneliti bagaimana model ramalan boleh mengekod dan menguatkan ketidakadilan sejarah dalam perkhidmatan awam. Pelajar mengaplikasikan metrik keadilan dan strategi mitigasi kepada output model.