Grazie per aver inviato la tua richiesta! Uno dei nostri team membri ti contatterà a breve.
Grazie per aver inviato il tuo prenotazione! Uno dei nostri team membri ti contatterà a breve.
Struttura del corso
Introduzione
- Comprensione dell’importanza della preparazione dei dati nell’ambito dell’analisi e del machine learning
- Il flusso di lavoro per la preparazione dei dati e il suo ruolo nel ciclo vitale delle informazioni
- Analisi dei problemi più comuni riscontrati nei dati grezzi e delle loro ripercussioni sull’analisi
Raccolta e acquisizione dei dati
- Fonti di informazione: database, API, fogli di calcolo, file di testo e altro ancora
- Tecniche per la raccolta dei dati e per garantirne la qualità sin dalle fasi iniziali
- Raccolta di dati provenienti da molteplici fonti diverse
Tecniche di pulizia dei dati
- Identificazione e gestione dei valori mancanti, degli outlier e delle discrepanze nei dataset
- Gestione dei duplicati e della presenza di errori nei dati
- Pulizia pratica di dataset reali
Trasformazione e standardizzazione dei dati
- Tecniche di normalizzazione e standardizzazione dei dati
- Gestione dei dati categorici: codifica, suddivisione in classi e creazione di feature utili
- Conversione dei dati grezzi in formati pronti all’uso
Integrazione e aggregazione dei dati
- Unione e combinazione di dataset provenienti da fonti differenti
- Risoluzione di conflitti tra informazioni e armonizzazione dei tipi di dato
- Tecniche di aggregazione e consolidamento dei dati per un utilizzo efficace
Garanzia della qualità dei dati
- Metodi per mantenere elevati standard di qualità e integrità durante tutto il processo di elaborazione
- Adozione di procedure di controllo e validazione dei dati
- Casi pratici ed esempi concreti riguardanti la gestione della qualità dei dati
Riduzione della dimensionalità e selezione delle feature
- Motivazioni alla base della riduzione della dimensionalità dei dati
- Tecniche come PCA, selezione delle caratteristiche e strategie di semplificazione dei dati
- Applicazione concreta di queste tecniche in contesti reali
Sintesi finale e prossimi passi
Requisiti
- Conoscenze di base sui concetti legati ai dati
Destinatari del corso
- Analisti dati
- Amministratori di database
- Professionisti IT
14 ore
Recensioni (2)
La varietà delle informazioni condivise e la chiarezza nel spiegare i termini in linguaggio semplice.
Arisbe Mendoza - Fairtrade International
Corso - GDPR Workshop
Traduzione automatica
È una sessione pratica.
Vorraluck Sarechuer - Total Access Communication Public Company Limited (dtac)
Corso - Talend Open Studio for ESB
Traduzione automatica