Struttura del corso

Introduzione

  • Comprensione dell'importanza della preparazione dei dati nell'analisi e nel machine learning
  • Pipeline di preparazione dei dati e il suo ruolo nel ciclo di vita dei dati
  • Esporzione delle sfide comuni nei dati grezzi e l'impatto sull'analisi

Raccolta e Acquisizione dei Dati

  • Sorgenti di dati: database, API, fogli di calcolo, file di testo e altro ancora
  • Tecniche per la raccolta dei dati e garantire la qualità durante la raccolta
  • Raccolta di dati da varie sorgenti

Tecniche di Pulizia dei Dati

  • Identificazione e gestione dei valori mancanti, outliers e incongruenze
  • Gestione delle duplicazioni ed errori nel dataset
  • Pulizia di dataset del mondo reale

Trasformazione e Standardizzazione dei Dati

  • Tecniche di normalizzazione e standardizzazione dei dati
  • Gestione dei dati categorici: codifica, binning e ingegneria delle caratteristiche
  • Trasformazione dei dati grezzi in formati utilizzabili

Integrazione e Aggregazione dei Dati

  • Unione e combinazione di dataset da fonti diverse
  • Risoluzione delle conflitti nei dati e allineamento dei tipi di dati
  • Tecniche per l'aggregazione e la consolidazione dei dati

Garanzia della Qualità dei Dati

  • Metodi per garantire la qualità e l'integrità dei dati durante tutto il processo
  • Implementazione di controlli qualitativi e procedure di validazione
  • Casi studio e applicazioni pratiche della garanzia della qualità dei dati

Riduzione della Dimensionalità e Selezione delle Caratteristiche

  • Comprensione del bisogno di riduzione della dimensionalità
  • Tecniche come PCA, selezione delle caratteristiche e strategie di riduzione
  • Implementazione di tecniche di riduzione della dimensionalità

Riassunto e Prossimi Passaggi

Requisiti

  • Comprensione di base dei concetti di dati

Pubblico di Riferimento

  • Analisti di dati
  • Amministratori di database
  • Professionisti IT
 14 Ore

Numero di Partecipanti


Prezzo per Partecipante

Recensioni (2)

Corsi in Arrivo

Categorie relative