Eğitim İçeriği

Giriş

  • Veri hazırlamanın analitik ve makine öğrenimindeki önemini anlama
  • Veri hazırlama hattı ve veri yaşam döngüsündeki rolü
  • Ham verilerdeki yaygın zorlukları ve analiz üzerindeki etkisini keşfetme

Veri Toplama ve Edinme

  • Veri kaynakları: veritabanları, API'ler, elektronik tablolar, metin dosyaları ve daha fazlası
  • Veri toplama teknikleri ve toplama sırasında veri kalitesini sağlama
  • Çeşitli kaynaklardan veri toplama

Data Cleaning Teknikler

  • Eksik değerleri, aykırı değerleri ve tutarsızlıkları belirleme ve ele alma
  • Veri kümesindeki yinelenenleri ve hataları ele alma
  • Gerçek dünya veri kümelerini temizleme

Veri Dönüştürme ve Standartlaştırma

  • Veri normalleştirme ve standartlaştırma teknikleri
  • Kategorik veri işleme: kodlama, gruplama ve özellik mühendisliği
  • Ham verileri kullanılabilir formatlara dönüştürme

Data Integration ve Toplama

  • Farklı kaynaklardan veri kümelerini birleştirme ve birleştirme
  • Veri çakışmalarını çözme ve veri türlerini hizalama
  • Veri toplama ve birleştirme teknikleri

Data Quality Güvence

  • Veri kalitesini ve bütünlüğünü süreç boyunca sağlamak için yöntemler
  • Kalite kontrolleri ve doğrulama prosedürleri uygulama
  • Veri kalite güvencesi vaka çalışmaları ve pratik uygulamalar

Boyut İndirgeme ve Özellik Seçimi

  • Boyut indirgeme ihtiyacını anlama
  • PCA, özellik seçimi ve indirgeme stratejileri gibi teknikler
  • Boyut indirgeme tekniklerini uygulama

Özet ve Sonraki Adımlar

Kurs İçin Gerekli Önbilgiler

  • Veri kavramlarına ilişkin temel anlayış

Hedef Kitle

  • Veri analistleri
  • Database yöneticileri
  • BT uzmanları
 14 Saat

Katılımcı Sayısı


Kişi Başına Fiyat

Danışanlarımızın Yorumları (2)

Yaklaşan Etkinlikler

İlgili Kategoriler