Name: دوره آموزشی Data Cleaning در Kaggle با استفاده از زبان برنامه نویسی پایتون
SKU: 5447
Price: 599000 IRT
Availability: InStock

حالت مطالعه

چرا این دوره برای شما مفیده؟

تمیز کردن داده ها بخش مهمی از علم داده است. چرا برخی از فیلدهای متنی شما دچار مشکل شده اند؟ در مورد مقادیر از دست رفته (Missing Values) چه باید کرد؟ چرا تاریخ های شما به درستی قالب بندی نشده اند؟ چگونه می توانید به سرعت داده های ناسازگار را پاک کنید؟ در این دوره ، خواهید آموخت که چرا با این مشکلات روبرو شده اید و مهم تر اینکه چگونه آنها را برطرف کنید!

در این دوره ، نحوه برخورد با برخی از رایج ترین مشکلات تمیز کردن داده ها را خواهید آموخت تا بتوانید سریعتر به تجزیه و تحلیل داده های خود بپردازید. شما می توانید پنج تمرین عملی را با داده های واقعی و به هم ریخته انجام دهید و به برخی از سوالات متداول خود در مورد پاکسازی داده ها پاسخ دهید.

سرفصل‌های دوره

بخش اول : مدیریت مقادیر از دست رفته (Handling Missing Values)

نگاه اجمالی به داده ها

چه تعداد مقادیر از دست رفته در داده ها وجود دارد

بررسی دلایل از دست دادن داده ها

حذف موجودیت های که حاوی مقایر از دست رفته هستند

پرکردن مقادیر از دست رفته

تمرین های مربوط به هر بخش

بخش دوم : مقیاس گذاری و نرمال سازی (Scaling and Normalization)

تفاوت مقیاس گذاری و نرمال سازی با مثال

مقیاس گذاری با مثال

نرمال سازی با مثال

تمرین های مربوط به هر بخش

بخش سوم : تجزیه تاریخ (Parsing Dates)

چک کردن نوع داده مربوط به ستون حاوی تاریخ

تبدیل داده های مربوط به ستون تاریخ به نوع شئ داده ای datetime در پایتون

انتخاب داده ها به صورت روزانه

مصورسازی داده ها به صورت روزانه برای بررسی درستی آنها

تمرین های مربط به هر بخش

بخش چهارم : کدگذاری کاراکترها (Character Encodings)

کدگذاری داده ها چیست

انواع سیستم های کدگذاری داده ها

خواندن فایل هایی که مشکلات کدگذاری دارند

ذخیره سازی فایل ها با سیستم کدگذاری UTF-8

تمرین های مربوط به هر بخش

بخش پنجم : ورود داده های ناسازگار (Inconsistent Data Entry)

چند پیش پردازش اولیه روی متن ها را انجام میدهیم

ااز متد fuzzy matching برای اصلاح داده های ناسازگار استفاده می کنیم

تمرین های مربوط به هر بخش

توضیحات بیشتر

تمام کدهای لازم از قبل نوشته شده هستند و به این دلیل در زمان ویدیوها صرفه جویی شده و شما می تونید از اون ها در کارها و پروژه های خودتون استفاده کنید و همونجا آزمون و خطا انجام بدید روی کدهایی که وجود داره برای فهم بیشتر

ابزارهای مرتبط

برای دوره پیشنهادی کافی است وارد سایت Kaggle شوید. تمام ابزار های مورد نیاز داخل سایت به صورت آنلاین و رایگان در اختیار شما قرار داده شده است.

پیش‌نیازها

بخش اول

ردیف ها یا ستون های حاوی مقادیر از دست رفته را حذف کنید و یا به روش مناسب به صورت خودکار آنها را پر کنید