After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
Kursbeskrivning
{ "results": [] }
Det sägs ofta att data scientists lägger 80 % av sin tid på att rensa och bearbeta data och bara 20 % av sin tid på att analysera den. Tiden som läggs på att rensa data är avgörande, eftersom analys av smutsig data kan leda till att du drar felaktiga slutsatser.I den här kursen lär du dig en rad tekniker som hjälper dig att rensa smutsig data med R. Du börjar med att konvertera datatyper, tillämpa intervallbegränsningar och hantera fullständiga och partiella dubbletter för att undvika dubbelräkning.
Fördjupa dig i avancerade datautmaningar
När du har övat på att arbeta med vanliga dataproblem går du vidare till mer avancerade utmaningar, som att säkerställa konsekvens i mätningar och hantera saknade data. Efter varje nytt koncept får du möjlighet att genomföra en praktisk övning för att befästa dina kunskaper och bygga upp din erfarenhet.Lär dig använda record linkage vid datarensning
Record linkage används för att slå samman dataset när värdena har problem som stavfel eller olika stavningar. Du kommer att utforska denna användbara teknik i det sista kapitlet och öva på tillämpningen genom att använda den för att slå ihop två dataset med restaurangrecensioner till ett enda dataset.Förkunskapskrav
Kursplan
Kursöversikt
1
Vanliga dataproblem
I det här kapitlet lär du dig att hantera några av de vanligaste problemen med smutsig data. Du konverterar datatyper, tillämpar intervallbegränsningar för att ta bort framtida datapunkter och tar bort duplicerade datapunkter för att undvika dubbelräkning.
- Datatypsbegränsningar50 XP
- Vanliga datatyper100 XP
- Konvertera datatyper100 XP
- Rensa strängar100 XP
- Intervallbegränsningar50 XP
- Begränsningar för cykelturens längd100 XP
- Tillbaka till framtiden100 XP
- Unikhetsbegränsningar50 XP
- Fullständiga dubbletter100 XP
- Ta bort partiella dubbletter100 XP
- Aggregera partiella dubbletter100 XP
2
Kategorisk data och textdata
Kategorisk data och textdata kan ofta vara de mest svårhanterliga delarna av en datamängd på grund av sin ostrukturerade natur. I det här kapitlet lär du dig att åtgärda inkonsekvenser med blanksteg och versalisering i kategorietiketter, slå ihop flera kategorier till en och formatera om strängar för enhetlighet.
3
Avancerade dataproblem
I det här kapitlet fördjupar du dig i mer avancerade datarensningsproblem, till exempel att säkerställa att vikter anges i kilogram i stället för pund. Du får också värdefulla färdigheter som hjälper dig att kontrollera att värden har lagts till korrekt och att saknade värden inte påverkar dina analyser negativt.
4
Postlänkning
Postlänkning är en kraftfull teknik som används för att sammanfoga flera datamängder, särskilt när värden innehåller stavfel eller olika stavningar. I det här kapitlet lär du dig att länka poster genom att beräkna likheten mellan strängar – sedan använder du dina nya färdigheter för att slå samman två restaurangrecensiondatamängder till en samlad och ren datamängd.
R
Datarensning i R
Kurs
slutförd
