Schulungsübersicht

Einführung

Überblick über Data Cleaning

  • Warum ist Data Cleaning wichtig?

Fallstudie: Wenn Big Data schmutzig ist Schmutzig

Entwicklung einer gründlichen Data Cleaning Strategie

Gemeinsame Data Cleaning Werkzeuge

  • Drachen
  • OpenRefine
  • Pandas (für Python)
  • Dplyr (für R)

Erreichen einer hohen Datenintegrität

  • Vollständig
  • Richtig
  • Richtig
  • Relevant
  • Übereinstimmend

Automatisierung des Data Cleaning Prozesses

Überwachung Ihres Data Cleaning Systems

Zusammenfassung und Schlussfolgerung

Voraussetzungen

  • Verständnis von Konzepten der Datenanalyse
  • .

Publikum

  • Datenwissenschaftler
  • Datenanalysten
  • Business Analysten
  7 Stunden
 

Teilnehmerzahl


Beginnt

Endet


Die Termine sind abhängig von der Verfügbarkeit und finden zwischen 09:30 und 16:30 statt.
Offene Schulungskurse erfordern mindestens 5 Teilnehmer.

Erfahrungsberichte (2)

Kombinierte Kurse

Azure for Data Engineer

  35 Stunden

Data Analysis for Marketers

  14 Stunden

Verwandte Kategorien