Build your ultimate AI agent
Kursbeskrivning
Datatransformation i KNIME ger dig grundläggande och avancerade tekniker för att bearbeta och transformera data med KNIME. Du börjar med grundläggande datatransformation, till exempel att dela upp kolumner och använda villkorssatser. Kursen går sedan vidare till mer komplexa moment, som uttrycksbaserade transformationer och datakonsolidering. Avslutningsvis lär du dig att förbättra KNIME-arbetsflöden genom att skapa återanvändbara komponenter och optimera återanvändbarhet. Kursen passar dig som vill fördjupa dina kunskaper i datahantering med KNIME.
Förkunskapskrav
Kursplan
Kursöversikt
1
Villkorssatser och logiska operatorer
I det här kapitlet lär du dig att dela upp kolumner baserat på cellvärden, så att du kan separera kombinerad data i mer hanterbara delar. Därefter utforskar du hur villkorssatser används för datatransformation, vilket gör det möjligt att tillämpa specifika regler på din datamängd. Du lär dig också att använda logiska operatorer för att formulera logiska villkor. Avslutningsvis ser du hur du byter namn på en eller flera kolumner, så att din datamängd är välorganiserad och lätt att förstå.
2
Sträng- och matematikuttryck
Fördjupa dig i uttrycksbaserad datatransformation – en viktig färdighet inom databearbetning. Kapitlet tar upp hur stränguttryck används för olika strängoperationer. Du lär dig också att arbeta med matematiska uttryck med hjälp av formler och operatorer, och att skapa anpassade kolumner efter dina behov. Kapitlet avslutas med att du bygger blandade uttryck som kombinerar matematiska och strängbaserade uttryck – ett komplett verktyg för avancerad datatransformation.
3
Dataintegrering
Lär dig att lägga till och slå samman kolumner från flera tabeller, så att du kan konsolidera data från olika källor. Upptäck hur du lägger till kolumner med konstanta värden och ordnar om kolumner för att anpassa datamängdens layout. Avslutningsvis går du igenom hur du sorterar tabeller med hjälp av en lista med kriterier, vilket gör din data organiserad och lättillgänglig för analys. Dessa färdigheter stärker din datahantering och gör komplexa datamängder mer hanterbara och lättolkade.
4
Dela arbetsflöden och samarbeta
Det här avslutande kapitlet fokuserar på att förbättra KNIME-arbetsflöden genom att lägga till detaljerade beskrivningar och taggar som representerar deras teman. Du lär dig även att abstrahera delar av arbetsflöden till återanvändbara KNIME-komponenter, samla funktionalitet och lägga till visuella element för bättre användbarhet.
Avslutningsvis lär du dig att dela dina arbetsflöden och komponenter på KNIME Community Hub, så att de blir värdefulla och tillgängliga för communityn.
Datatransformation i KNIME
Kurs
slutförd
