이 강의들을 수강한 후, 전문적인 시각화와 대시보드를 자신 있게 만들 수 있게 되었습니다
Shoebur Rahman구매 담당자, Giz Bangladesh
강의 설명
R에서 중복 항목 제거와 같은 흔한 데이터 문제 해결하기
데이터 과학자들은 시간의 80%를 데이터를 정제하고 가공하는 데 쓰고, 데이터를 분석하는 데는 겨우 20%만 쓴다는 말이 흔히 있습니다. 데이터를 정제하는 데 들이는 시간은 매우 중요합니다. 정제되지 않은 데이터를 분석하면 부정확한 결론을 내릴 수 있기 때문입니다.이 강의에서는 R을 사용해 지저분한 데이터를 정리하는 다양한 기법을 배웁니다. 먼저 데이터 유형을 변환하고, 범위 제약 조건을 적용하며, 전체 및 부분 중복을 처리해 데이터가 이중 집계되는 것을 방지하는 방법을 익힙니다.
고급 데이터 과제를 깊이 있게 탐구하세요
일반적인 데이터 문제를 다루는 실습 문제를 마친 후에는 측정값의 일관성을 확보하고 결측치를 처리하는 등 더 고급 과제로 넘어갑니다. 새로운 개념을 배울 때마다 직접 실습하며 배운 내용을 확실히 익히고 경험을 쌓을 수 있습니다.데이터 정제 과정에서 레코드 연결을 활용하는 방법 배우기
값에 오타나 서로 다른 표기 등의 문제가 있을 때 데이터세트를 병합하는 데 레코드 연결을 사용합니다. 마지막 장에서는 이 유용한 기법을 살펴보고, 이를 활용해 두 개의 레스토랑 리뷰 데이터세트를 하나의 데이터 세트로 결합하는 실습 문제를 풀어봅니다.선수 과목
커리큘럼
강의 개요
1
흔한 데이터 문제
이 장에서는 가장 흔한 지저분한 데이터 문제를 해결하는 방법을 배웁니다. 데이터 타입을 변환하고, 미래 시점의 값을 제거하기 위해 범위 제한을 적용하며, 중복된 데이터를 제거해 이중 집계를 피할 거예요.
2
범주형과 텍스트 데이터
범주형과 텍스트 데이터는 비정형이라는 특성 때문에 데이터셋에서 가장 지저분한 부분이 되곤 합니다. 이 장에서는 범주 라벨의 공백과 대소문자 불일치를 고치고, 여러 범주를 하나로 통합하며, 문자열 형식을 일관되게 재구성하는 방법을 배웁니다.
3
고급 데이터 문제
이 장에서는 파운드 대신 킬로그램으로 무게를 통일하는 것처럼 더 고급의 데이터 정리 문제를 다룹니다. 또한 값이 올바르게 입력되었는지 검증하고, 결측치가 분석에 부정적 영향을 주지 않도록 하는 데 필요한 핵심 기술을 익힐 수 있어요.
4
Record Linkage
Record linkage는 값에 오탈자나 철자 차이가 있을 때 여러 데이터셋을 하나로 병합하는 강력한 기법입니다. 이 장에서는 문자열 간 유사도를 계산해 레코드를 연결하는 방법을 배우고, 이를 활용해 두 개의 음식점 리뷰 데이터셋을 하나의 깔끔한 마스터 데이터셋으로 결합합니다.
R
R로 데이터 정리하기
강의
완료
