Struttura del corso

Introduzione

Panoramica di Data Cleaning

  • Perché Data Cleaning è importante?

Caso di studio: Quando Big Data è sporco

Sviluppare una strategia completa Data Cleaning

Strumenti comuni Data Cleaning

  • Drake
  • ApriPerfeziona
  • Panda (per Python)
  • Dplyr (per R)

Ottenere un'elevata integrità dei dati

  • Completo
  • Corretto
  • Accurato
  • Rilevante
  • Coerente

Automatizzare il processo Data Cleaning

Monitoraggio del sistema Data Cleaning

Riassunto e conclusione

Requisiti

  • Comprensione dei concetti di analisi dei dati.

Pubblico

  • Scienziati dei dati
  • Analisti di dati
  • Business Analisti
  7 ore
 

Numero di Partecipanti


Data Inizio

Data Fine


Le date sono soggette a disponibilità e si svolgono tra le 09:30 e le 16:30.
I corsi di formazione pubblici richiedono più di 5 partecipanti.

Recensioni (2)

Corsi relativi

Azure for Data Engineer

  35 ore

Data Analysis for Marketers

  14 ore

Categorie relative