After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
Опис курсу
Втомилися від неохайних даних? Чи знали ви, що більшість часу дата-сайєнтист витрачає на пошук, очищення та впорядкування даних?! Насправді можна розумно очищувати дані! У курсі «Робота з пропущеними даними в Python» ви саме цим і займатиметеся. Ви навчитеся опрацьовувати пропуски в числових і категоріальних даних, а також у часових рядах. Ви побачите, які закономірності мають пропущені значення. Працюючи з даними про якість повітря та діабет, ви також навчитеся аналізувати, імпутувати та оцінювати наслідки імпутації даних.
Попередні вимоги
Навчальний план
Зміст курсу
1
Проблема пропущених даних
Ознайомтеся з пропущеними даними та тим, як вони впливають на ваш аналіз. Дізнайтеся про різні операції з нульовими значеннями у вашому наборі даних, як знаходити пропуски та підсумовувати пропущеність у даних.
- Навіщо працювати з пропущеними даними?50 XP
- Кроки обробки пропущених значень50 XP
- Операції з порожніми значеннями100 XP
- Пошук значень Null100 XP
- Опрацювання пропусків у даних50 XP
- Виявлення пропущених значень100 XP
- Заміна пропущених значень100 XP
- Заміна прихованих пропущених значень100 XP
- Проаналізуйте обсяг пропусків50 XP
- Аналіз відсотка пропусків100 XP
- Візуалізуйте пропущені значення100 XP
2
Чи має пропущеність закономірність?
Аналіз типу пропущеності у вашому наборі даних — дуже важливий крок на шляху до обробки пропусків. У цьому розділі ви детально навчитеся виявляти закономірності в пропущених і непропущених даних та коректно працювати з пропущеністю, застосовуючи прості прийоми, як-от повне видалення записів.
3
Методи імпутації
Зануртеся у світ імпутації даних. У цьому розділі ви застосуєте базові методи імпутації, щоб заповнити пропуски, і візуалізуєте результати, щоб оцінити якість ваших імпутацій.
4
Просунуті методи імпутації
Наостанок вийдіть за межі простих методів і використайте можливості вашого набору даних завдяки просунутим технікам імпутації на основі моделей машинного навчання, щоб точно імпутувати та оцінювати пропущені дані. Ви застосуєте методи, зокрема KNN і MICE, щоб якнайкраще використати дані з пропусками.
Робота з пропущеними даними в Python
Курс
завершено
