After doing these courses, I feel confident creating professional visualizations and dashboards
Shoebur RahmanProcurement Specialist, Giz Bangladesh
Mô tả khóa học
Mệt mỏi vì dữ liệu lộn xộn? Bạn có biết phần lớn thời gian của một nhà khoa học dữ liệu là để tìm, làm sạch và sắp xếp lại dữ liệu?! Thực ra bạn có thể làm sạch dữ liệu một cách thông minh! Trong khóa học Xử lý Dữ liệu Khuyết trong Python này, bạn sẽ làm đúng như vậy! Bạn sẽ học cách xử lý giá trị thiếu cho dữ liệu số, dữ liệu phân loại cũng như dữ liệu chuỗi thời gian. Bạn sẽ học cách nhận ra các mẫu (pattern) mà dữ liệu khuyết thể hiện! Khi làm việc với dữ liệu chất lượng không khí và tiểu đường, bạn cũng sẽ học cách phân tích, nội suy (impute) và đánh giá tác động của việc nội suy dữ liệu.
Yêu cầu tiên quyết
Chương trình học
Đề cương khóa học
1
Vấn đề với dữ liệu khuyết
Làm quen với dữ liệu khuyết và cách nó ảnh hưởng đến phân tích của bạn! Tìm hiểu về các thao tác với giá trị null trong tập dữ liệu, cách tìm dữ liệu khuyết và cách tóm tắt mức độ khuyết trong dữ liệu của bạn.
- Vì sao cần xử lý dữ liệu khuyết?50 XP
- Các bước xử lý giá trị thiếu50 XP
- Các phép toán với giá trị null100 XP
- Tìm giá trị Null100 XP
- Xử lý giá trị khuyết50 XP
- Phát hiện giá trị khuyết100 XP
- Thay thế giá trị khuyết100 XP
- Thay thế các giá trị khuyết bị ẩn100 XP
- Phân tích mức độ thiếu dữ liệu50 XP
- Phân tích tỷ lệ thiếu dữ liệu100 XP
- Trực quan hóa dữ liệu thiếu100 XP
2
Dữ liệu khuyết có theo mẫu không?
Phân tích kiểu khuyết trong tập dữ liệu là bước rất quan trọng để xử lý giá trị thiếu. Ở chương này, bạn sẽ học chi tiết cách xác định các mẫu trong dữ liệu có và không khuyết, và cách xử lý phù hợp tình trạng khuyết bằng các kỹ thuật đơn giản như xóa theo hàng (listwise deletion).
3
Kỹ thuật nội suy
Bắt đầu với thế giới nội suy dữ liệu! Ở chương này, bạn sẽ áp dụng các kỹ thuật nội suy cơ bản để điền dữ liệu khuyết và trực quan hóa các phép nội suy để có thể đánh giá hiệu quả của chúng.
4
Kỹ thuật nội suy nâng cao
Cuối cùng, vượt ra ngoài các kỹ thuật nội suy đơn giản và tận dụng tối đa tập dữ liệu bằng các kỹ thuật nội suy nâng cao dựa trên mô hình Machine Learning, để nội suy và đánh giá dữ liệu khuyết một cách chính xác. Bạn sẽ dùng các phương pháp như KNN và MICE để khai thác tối đa dữ liệu khuyết!
Xử lý Dữ liệu Khuyết trong Python
Hoàn
thành khóa học
