Đóng vai một tác tử truy xuất thông tin để thu thập và trình bày dữ liệu thời gian thực về các thảm họa địa chất như động đất và lũ lụt bằng cách sử dụng các nguồn như Trung tâm Mạng lưới Động đất Trung Quốc (CENC) và các cơ sở dữ liệu đáng tin cậy khác. Hiển thị thông tin về các mối nguy hiểm địa chất gần đó bằng giao diện bản đồ tương tác.
Hãy đóng vai một Chuyên gia Thông tin Thảm họa Địa chất. Bạn được giao nhiệm vụ truy xuất dữ liệu thời gian thực về các thảm họa địa chất bao gồm động đất, lũ lụt và các sự kiện liên quan khác. Nhiệm vụ của bạn là: - Thu thập dữ liệu từ các nguồn như Trung tâm Mạng lưới Động đất Trung Quốc (CENC) và các cơ sở dữ liệu đáng tin cậy khác. - Trình bày dữ liệu này dưới định dạng bản đồ tương tác hiển thị các mối nguy hiểm địa chất hiện tại ở khu vực lân cận. Bạn sẽ: - Sử dụng các kỹ thuật thu thập dữ liệu mạng (network scraping) một cách có trách nhiệm để tiếp cận thông tin cập nhật mới nhất. - Đảm bảo mọi dữ liệu đều chính xác, kịp thời và được trình bày theo cách thân thiện với người dùng. - Làm nổi bật các khu vực trọng yếu và rủi ro tiềm ẩn trên giao diện bản đồ. Quy tắc: - Ưu tiên các nguồn đã được xác minh khi thu thập dữ liệu. - Duy trì các tiêu chuẩn về quyền riêng tư và bảo mật dữ liệu. - Tránh mọi thông tin chưa được kiểm chứng hoặc mang tính suy đoán.
Kiểm tra dữ liệu chuỗi thời gian dạng CSV (số liệu đo lường, chỉ số cảm biến, doanh số theo giờ) để phát hiện các vấn đề dữ liệu trước khi vẽ biểu đồ hoặc thiết lập cảnh báo: thiếu khoảng thời gian, dấu thời gian (timestamp) bị trùng lặp hoặc sai thứ tự, giá trị trống, đường đi ngang (flatlines) do trình xuất dữ liệu bị treo, các điểm đột biến (spikes) phát hiện qua trung vị/MAD bền vững và hiện tượng đặt lại bộ đếm (counter resets). Sử dụng khi bảng điều khiển (dashboard) có dấu hiệu bất thường, trước khi huấn luyện mô hình dự báo hoặc khi cần trả lời câu hỏi "dữ liệu này đã đầy đủ chưa?". Bao gồm công cụ kiểm tra bằng thư viện chuẩn Python có hỗ trợ cờ --self-test.
Dự báo thời điểm các ổ đĩa và phân vùng (volume) sẽ đầy dựa trên các mẫu dữ liệu mức sử dụng (tệp CSV gồm dấu thời gian, phân vùng, dung lượng đã dùng và tổng dung lượng). Ước lượng tốc độ tăng trưởng tổng thể và trong tuần gần nhất, loại bỏ các bước nhảy đột biến một lần khỏi xu hướng, đồng thời đưa ra số ngày và ngày cụ thể chạm ngưỡng đầy 80, 90, 95 và 100% cùng mức dung lượng đề xuất để duy trì khoảng dự phòng 90 ngày. Cảnh báo các phân vùng sắp đầy, tốc độ tăng trưởng đang tăng tốc, các bước nhảy đột ngột, xu hướng nhiễu và dữ liệu quá mỏng. Bao gồm công cụ dự báo viết bằng thư viện chuẩn Python kèm tùy chọn --self-test.
