Build your ultimate AI agent
Opis kursu
Czyszczenie danych ma kluczowe znaczenie dla rozwiązywania problemów biznesowych. Gdy jakość danych spada, analizy stają się zawodne, modele uczenia maszynowego generują błędne predykcje, a decyzje biznesowe idą w złym kierunku.Ten kurs wyposaży cię w narzędzia Javy do skutecznego radzenia sobie z jakością danych. Poznasz metody statystyczne do wykrywania wartości odstających i obsługi brakujących wartości, opanujesz transformacje danych – od standaryzacji tekstu po zarządzanie datami w różnych strefach czasowych – oraz nauczysz się implementować kontrole zakresów za pomocą wyrażeń regularnych i adnotacji walidacyjnych.Pracując z biblioteką Tablesaw, będziesz czyścić rzeczywiste dane tabelaryczne i wykonywać transformacje przygotowujące dane do analizy. Po ukończeniu kursu będziesz gotowy zapewniać jakość danych na każdym etapie swoich aplikacji.
Wymagania wstępne
Program kursu
Plan kursu
1
Ocena jakości danych
Poznaj podstawowe techniki oceny jakości danych w aplikacjach Java. Dowiesz się, jak używać statystyk opisowych do wykrywania wartości odstających, jak identyfikować brakujące wartości i odpowiednio je obsługiwać oraz jak weryfikować typy danych, aby zapobiegać błędom. Opanujesz kluczowe narzędzia: DescriptiveStatistics do analizy numerycznej, Optional do obsługi wartości null oraz DateTimeFormatter do walidacji dat.
- Statystyki danych50 XP
- Obliczanie średniej, minimum i maksimum100 XP
- Obliczanie percentyli100 XP
- Wykrywanie wartości null50 XP
- Wykrywanie brakujących wartości liczbowych100 XP
- Wykrywanie brakujących ciągów znaków100 XP
- Weryfikacja typów danych50 XP
- Parsowanie tekstu na daty i liczby100 XP
- Bezpieczne wczytywanie plików CSV100 XP
2
Transformacja danych
Opanuj techniki transformacji danych, niezbędne w niezawodnych aplikacjach Java. Nauczysz się normalizować ciągi znaków za pomocą wyrażeń regularnych, aby zapewnić spójne dopasowywanie tekstu, standaryzować kategorie przy użyciu EnumMap i HashMap jako tablic przeglądowych oraz obsługiwać formaty dat za pomocą API czasu Javy – LocalDate i ZoneId – dla spójnej obsługi dat w różnych strefach czasowych.
3
Walidacja danych
Zadbaj o jakość danych dzięki technikom walidacji. Nauczysz się implementować walidację zakresów dla wartości numerycznych i dat, opanujesz walidację wzorców za pomocą wyrażeń regularnych do weryfikacji formatów danych oraz zastosujesz walidację ograniczeń w celu egzekwowania reguł biznesowych.
4
Czyszczenie danych tabelarycznych
Przekształć nieuporządkowane dane tabelaryczne w czyste, użyteczne zbiory danych za pomocą Tablesaw – potężnej biblioteki Java. Ocenisz jakość danych, zestandaryzujesz zawartość kolumn i zastosujesz operacje filtrowania, aby przygotować dane do dalszej pracy. Po ukończeniu tego rozdziału będziesz sprawnie przekształcać surowe zbiory danych w tabele gotowe do analizy.
J
Czyszczenie danych w Javie
Kurs
ukończony
