After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
Descrizione del corso
Stanco di lavorare con dati disordinati? Sapevi che gran parte del tempo di un data scientist è dedicato a trovare, pulire e riorganizzare i dati? La buona notizia è che puoi pulirli in modo intelligente! In questo corso, Gestire i dati mancanti in Python, farai proprio questo! Imparerai a gestire i valori mancanti per dati numerici, categorici e per serie temporali. Imparerai anche a riconoscere i pattern con cui si presentano i dati mancanti! Lavorando con dati sulla qualità dell’aria e sul diabete, imparerai inoltre ad analizzare, imputare e valutare gli effetti dell’imputazione dei dati.
Prerequisiti
Curriculum
Programma del corso
1
Il problema dei dati mancanti
Familiarizza con i dati mancanti e con il loro impatto sulla tua analisi! Scopri le diverse operazioni sui valori null del tuo insieme di dati, come individuare i dati mancanti e come riassumere la mancanza nei tuoi dati.
- Perché occuparsi dei dati mancanti?50 XP
- Passi per trattare i valori mancanti50 XP
- Operazioni con valori nulli100 XP
- Individuare i valori Null100 XP
- Gestire i valori mancanti50 XP
- Rilevare i valori mancanti100 XP
- Sostituire i valori mancanti100 XP
- Sostituire i valori mancanti nascosti100 XP
- Analizza la quantità di valori mancanti50 XP
- Analizzare la percentuale di valori mancanti100 XP
- Visualizza la mancanza di dati100 XP
2
I dati mancanti seguono un pattern?
Analizzare il tipo di mancanza nel tuo insieme di dati è un passaggio fondamentale per trattare i valori mancanti. In questo capitolo imparerai nel dettaglio come individuare pattern nei dati mancanti e non mancanti e come trattare correttamente la mancanza usando tecniche semplici come l’eliminazione per lista (listwise deletion).
3
Tecniche di imputazione
Entra nel mondo dell’imputazione dei dati! In questo capitolo applicherai tecniche di imputazione di base per colmare i dati mancanti e visualizzerai le tue imputazioni per valutarne le prestazioni.
4
Tecniche di imputazione avanzate
Infine, vai oltre le tecniche semplici di imputazione e sfrutta al massimo il tuo insieme di dati usando tecniche avanzate basate su modelli di Machine Learning, per imputare e valutare con precisione i dati mancanti. Userai metodi come KNN e MICE per ottenere il massimo dai tuoi dati mancanti!
Gestire i dati mancanti in Python
Corso
completato
