Efter att ha gått de här kurserna känner jag mig trygg med att skapa professionella visualiseringar och dashboards
Shoebur RahmanInköpsspecialist, Giz Bangladesh
Kursbeskrivning
Grundläggande tekniker för datahantering
Starta din läranderesa genom att skaffa dig grundläggande färdigheter i datatransformation med KNIME. Den här kursdelen tar upp hur du delar upp kolumner baserat på cellvärden, använder villkorssatser för att säkerställa dataintegritet och använder logiska operatorer för att skapa omfattande datafilter. Dessutom kommer du att lära dig tekniker för att byta namn på kolumner för att hålla din datamängd välorganiserad. Dessa viktiga färdigheter är avgörande för alla som vill börja arbeta med datatransformation i KNIME.
Uttrycksbaserade transformationer
Bygg vidare på dina grundläggande kunskaper med intermediära strategier för datamanipulering. I den här delen av kursen får du öva på att skapa och använda sträng- och matematiska uttryck för att utföra avancerade datatransformationer. Lär dig hur du skapar anpassade kolumner för specifika analysbehov och kombinerar olika typer av datatransformationer smidigt. Denna kompetens kommer att göra dig redo att hantera mer avancerade datasituationer på ett effektivt sätt.
Förbättra arbetsflöden och datakonsolidering
Den sista delen av kursen fokuserar på att optimera och förbättra KNIME-arbetsflöden. Lär dig att lägga till och slå ihop kolumner från flera datakällor, lägga till kolumner med fasta värden och sortera tabeller på ett effektivt sätt. Dessutom lär du dig i det här avsnittet hur du kan abstrahera delar av dina arbetsflöden till återanvändbara komponenter och förbättra dina visuella element för bättre användarvänlighet. Dessa avancerade tekniker gör att du kan hantera och analysera komplexa dataset mer effektivt och få djupare insikter.
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
