これらのコースを受講したことで、プロフェッショナルなビジュアライゼーションやダッシュボードを自信を持って作成できるようになりました
Shoebur Rahman調達スペシャリスト、Giz Bangladesh
コースの説明
データのゴミ取りに疲れていませんか？ データサイエンティストの多くの時間は、データの発見・クリーニング・再構成に費やされていることをご存知でしたか？ 実は、賢くデータをきれいにする方法があります！ この「Pythonで欠損データに対処する」コースでは、まさにそれを実践します。数値データ、カテゴリカルデータ、時系列データの欠損値への対処法を学びます。さらに、欠損データが示すパターンの見つけ方も身につけます。大気質データや糖尿病データを扱いながら、欠損の分析、補完（インピュテーション）、および補完の影響評価まで学習します。
前提条件
カリキュラム
コース概要
1
欠損データの問題点
欠損データとは何か、そしてそれが分析にどのように影響するかを理解しましょう。データセット内のさまざまな欠損値の扱い方、欠損の見つけ方、欠損の要約方法を学びます。
2
欠損にはパターンがある？
データセットの欠損の種類を分析することは、欠損値を扱ううえでとても重要なステップです。この章では、欠損データと非欠損データのパターンを丁寧に見極め、リストワイズ削除のようなシンプルな手法で適切に対処する方法を学びます。
3
インピュテーション手法
インピュテーションの世界に踏み出しましょう！この章では、基本的なインピュテーション手法を適用して欠損を埋め、可視化によってインピュテーションの妥当性を評価できるようにします。
4
高度なインピュテーション手法
最後に、単純なインピュテーションを超えて、Machine Learning モデルに基づく高度なインピュテーション手法を使い、データセットを最大限に活用しましょう。KNN や MICE などの方法を用いて、欠損データを高精度に補完・評価します。
Pythonで欠損データに対処する
コース修了
