După ce am parcurs aceste cursuri, mă simt încrezător să creez vizualizări și tablouri de bord profesionale
Shoebur RahmanSpecialist în achiziții, Giz Bangladesh
Descrierea cursului
Depășește problemele comune de date, cum ar fi eliminarea duplicatelor în R
Se spune adesea că oamenii de știință în domeniul datelor își petrec 80% din timp curățând și manipulând datele și doar 20% din timp analizându-le. Timpul petrecut pentru curățare este esențial, deoarece analiza datelor murdare te poate conduce la concluzii inexacte.În acest curs, vei învăța o varietate de tehnici care te vor ajuta să cureți datele murdare folosind R. Vei începe prin convertirea tipurilor de date, aplicarea constrângerilor de interval și gestionarea duplicatelor complete și parțiale pentru a evita numărarea dublă.
Aprofundează-te în provocările avansate ale datelor
După ce ai exersat lucrul cu problemele comune de date, vei trece la provocări mai avansate, cum ar fi asigurarea consistenței în măsurători și gestionarea datelor lipsă. După fiecare concept nou, vei avea ocazia să completezi un exercițiu practic pentru a-ți consolida cunoștințele și a-ți dezvolta experiența.Învață să folosești Record Linkage în timpul curățării datelor
Record linkage este folosit pentru a îmbina seturi de date atunci când valorile au probleme precum greșeli de scriere sau ortografii diferite. Vei explora această tehnică utilă în ultimul capitol și vei exersa aplicarea ei folosind-o pentru a uni două seturi de date cu recenzii de restaurante într-un singur set de date.Cerințe prealabile
Programă
Planul cursului
1
Probleme comune ale datelor
În acest capitol, vei învăța cum să depășești unele dintre cele mai frecvente probleme ale datelor de calitate slabă. Vei converti tipuri de date, vei aplica constrângeri de interval pentru a elimina punctele de date viitoare și vei înlătura punctele de date duplicate pentru a evita dubla contorizare.
- Constrângeri privind tipurile de date50 XP
- Tipuri de date comune100 XP
- Conversia tipurilor de date100 XP
- Eliminarea șirurilor de caractere100 XP
- Constrângeri de interval50 XP
- Constrângeri privind durata curselor100 XP
- Înapoi în viitor100 XP
- Constrângeri de unicitate50 XP
- Duplicate complete100 XP
- Eliminarea duplicatelor parțiale100 XP
- Agregarea duplicatelor parțiale100 XP
2
Date categoriale și text
Datele categoriale și cele de tip text pot fi adesea cele mai dezorganizate părți ale unui set de date, din cauza naturii lor nestructurate. În acest capitol, vei învăța cum să corectezi inconsistențele de spații și majuscule din etichetele de categorie, să combini mai multe categorii într-una singură și să reformatezi șirurile de caractere pentru consistență.
3
Probleme avansate ale datelor
În acest capitol, vei aborda probleme mai avansate de curățare a datelor, cum ar fi verificarea că toate greutățile sunt exprimate în kilograme și nu în livre. Vei dobândi, de asemenea, abilități valoroase care te vor ajuta să verifici că valorile au fost adăugate corect și că valorile lipsă nu afectează negativ analizele tale.
4
Legătura dintre înregistrări
Legătura dintre înregistrări este o tehnică puternică folosită pentru a combina mai multe seturi de date, utilă atunci când valorile conțin greșeli de scriere sau ortografii diferite. În acest capitol, vei învăța cum să legi înregistrările calculând similaritatea dintre șiruri de caractere — apoi vei folosi noile abilități pentru a uni două seturi de date cu recenzii de restaurante într-un singur set de date consolidat.
R
Curățarea datelor în R
Curs
finalizat
