Dataprep Fundamentals

• Podstawowa znajomość pojęć dotyczących danych

Publiczność

• Analitycy danych
• Database administratorzy
• Specjaliści IT

DataPrep to inteligentna usługa danych, która ułatwia wizualną eksplorację, czyszczenie i organizację zarówno ustrukturyzowanych, jak i nieustrukturyzowanych danych, przygotowując je do analizy, raportowania i wykorzystania w aplikacjach uczenia maszynowego.

To prowadzone przez instruktora szkolenie na żywo (na miejscu lub zdalnie) jest przeznaczone dla początkujących i średnio zaawansowanych specjalistów IT, którzy chcą zdobyć wiedzę i praktyczne umiejętności wymagane do skutecznego przygotowania danych do analizy, zapewniając dokładność, spójność i niezawodność w różnych zbiorach danych.

Po zakończeniu tego szkolenia uczestnicy będą w stanie

• Opanować gruntowną wiedzę na temat znaczenia przygotowywania danych w zapewnianiu wysokiej jakości, niezawodnych danych do celów analizy i modelowania.
• Nabyć praktyczną sprawność w technikach zbierania, czyszczenia, transformacji i integracji danych przy użyciu rzeczywistych zestawów danych.
• Rozwinąć zdolność do identyfikowania i skutecznego rozwiązywania problemów związanych z danymi, rozbieżnościami i nieścisłościami.

Format kursu

• Interaktywne wykłady i dyskusje.
• Dużo ćwiczeń i praktyki.
• Praktyczne wdrożenie w środowisku live-lab.

Opcje dostosowywania kursu

• Aby zlecić dostosowane szkolenie dla tego kursu, prosimy o kontakt z nami w celu uzgodnień.

Wprowadzenie

• Zrozumienie znaczenia przygotowania danych w analizie i uczeniu maszynowym
• Rura przygotowania danych i jej rola w cyklu życia danych
• Badanie typowych wyzwań związanych z surowymi danymi i ich wpływ na analizę

Zbieranie i pozyskiwanie danych

• Źródła danych: bazy danych, API, arkusze kalkulacyjne, pliki tekstowe i inne
• Techniki pozyskiwania danych i zapewniania jakości danych podczas ich zbierania
• Zbieranie danych z różnych źródeł

Data Cleaning Techniki

• Wykrywanie i obsługa braków, wartości odchylających i niezgodności
• Radzenie sobie z duplikatami i błędami w zbiorze danych
• Czyszczenie rzeczywistych zbiorów danych

Transformacja i standaryzacja danych

• Techniki normalizacji i standaryzacji danych
• Obsługa danych kategorycznych: kodowanie, binowanie i inżynieria cech
• Przekształcanie surowych danych w użyteczne formaty

Data Integration i agregacja

• Łączenie i kombinowanie zbiorów danych z różnych źródeł
• Rozwiązywanie konfliktów danych i wyrównywanie typów danych
• Techniki agregacji i konsolidacji danych

Data Quality Zapewnienie

• Metody zapewnienia jakości i integralności danych przez cały proces
• Wdrażanie procedur sprawdzania jakości i walidacji
• Przykłady i praktyczne zastosowania zapewniania jakości danych

Redukcja wymiarowości i wybór cech

• Zrozumienie potrzeby redukcji wymiarowości
• Techniki takie jak PCA, selekcja cech i strategie redukcji
• Wdrażanie technik redukcji wymiarowości

Podsumowanie i kolejne kroki