آموزش اصول پاکسازی داده ها: داده های خود را برای اکتشاف شکل دهید

Data Cleaning Fundamentals: Shape Your Data for Exploration

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره:

برای مقدمه‌ای سرگرم‌کننده برای تمیز کردن داده‌ها، به Cohosts، Curtis Seare و Ginette Methot بپیوندید. این کلاس برای کسانی است که می‌خواهند برای اولین بار کار با داده‌ها را شروع کنند یا برای کسانی که می‌خواهند نسخه رایگان نرم‌افزار Trifacta، ابزار پاک‌سازی داده مورد علاقه Curtis و Ginette را معرفی کنند.

در پایان این دوره، می‌توانید از سه اصل اساسی داده و بسیاری از تبدیل‌ها برای ایجاد یک دستورالعمل داده شش مرحله‌ای استفاده کنید—اصطلاح Trifacta برای تغییراتی که در داده‌های خود ایجاد می‌کنید. ما شما را در کلاس می بینیم!

اکنون می توانید به تنهایی با داده ها بازی کنید! از مجموعه داده‌ای که قبلاً از دوره دانلود کرده‌اید برای ایجاد دستور العمل داده‌های خودتان استفاده کنید. نکته جالب این تمرین این است که می توانید هر تغییری را که می خواهید در این مجموعه داده اعمال کنید بدون اینکه ما به شما بگوییم چه کاری انجام دهید. به کاوش بروید، خلاق باشید و مهارت‌های تمیز کردن داده‌های خود را به ما نشان دهید.

  1. از مجموعه داده ارائه شده به نام Volcano_Eruptions_Dataset.xlsx استفاده کنید.
  2. دستور العملی ایجاد کنید که شش مرحله را اعمال کند (بدون شامل تغییرات اعمال شده خودکار Trifacta).
  3. هنگامی که کارتان تمام شد، از دستور غذای شش مرحله‌ای خود اسکرین شات بگیرید.
  4. عکس صفحه خود را به صفحه گالری پروژه کلاس ارسال کنید.

ما نمی توانیم منتظر باشیم تا ببینیم شما چه می کنید!

به سلامتی،

کورتیس و ژینت


سرفصل ها و درس ها

درس ها Lessons

  • جریان می یابد Flows

  • تغییرات سریع دستور غذا Quick Recipe Changes

  • منوهای کشویی تغییر می کند Drop-Down Menus Changes

  • ما اینجا برای شما هستیم! We're Here for You!

  • توضیح پروژه Project Explanation

  • سه اصل پاکسازی داده ها Three Data Cleaning Principles

  • نصب Trifacta Installing Trifacta

  • تریلر دوره Course Trailer

  • نمای کلی پنل شبکه Grid Panel Overview

  • دانلود داده ها Downloading Data

  • بررسی اجمالی دستور العمل داده ها Data Recipe Overview

  • نگه دارید و حذف کنید Keep and Delete

  • مراحل دستور پخت آماده Ready-Made Recipe Steps

  • درون یک جریان Inside a Flow

  • صادرات نتایج Exporting Results

  • کارت های پیشنهادی Suggestion Cards

نمایش نظرات

آموزش اصول پاکسازی داده ها: داده های خود را برای اکتشاف شکل دهید
جزییات دوره
41m
16
Skillshare (اسکیل شیر) Skillshare (اسکیل شیر)
(آخرین آپدیت)
183
3 از 5
دارد
دارد
دارد
جهت دریافت آخرین اخبار و آپدیت ها در کانال تلگرام عضو شوید.

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Ginette Methot & Curtis Seare Ginette Methot & Curtis Seare

Data Crunch Cohosts Podcast

سلام! من کرتیس سیر هستم و ژینت متوت هستم و یک پادکست مبتنی بر آستین به نام . ما با افرادی صحبت می‌کنیم که کارهای شگفت‌انگیز با داده‌ها انجام می‌دهند، که اغلب ناشی از درگیری عمیقاً پرشورشان با موضوعی است (مانند تشخیص سرطان چشم در کودکان کوچک تا نجات جان زنبورهای عسل). این تغییرات جهان در هر صنعت و هر موضوعی وجود دارد. هیچ منطقه یا گوشه‌ای از جهان وجود ندارد که در نهایت تحت تأثیر قدرت داده‌ها قرار نگیرد.

ما مشتاقیم که شما، صرف نظر از اینکه کجا هستید یا چه کاری انجام می دهید، می توانید یاد بگیرید که در دنیایی متمرکز بر داده، سواد داده باشید، نه تنها بتوانید فرهنگ در حال تغییر جهان را درک کنید، بلکه کارهای جذابی نیز انجام دهید. همه چیز در حالی که احساسات خود را با داده ها ترکیب می کنید، زیرا با ابزارها و دستورالعمل های مناسب می توانید. ما مشتاقیم که شما را با دنیای شگفت انگیز جدیدی آشنا کنیم.

 

من نمی دانستم که در نهایت با داده کار خواهم کرد. در واقع، فکر می‌کردم می‌خواهم دکترای شیمی بگیرم، اما وقتی تصمیم گرفتم به جای آن وارد تجارت شوم، همه چیز تغییر کرد. اکنون من بیش از هشت سال در فضای داده کار کرده ام. من فوق لیسانس خود را از Northwestern در Predictive Analytics گرفتم، و اکنون مدیر تجزیه و تحلیل در یک استارت آپ مستقر در آستین هستم، جایی که هر روز در انبوهی از داده ها کار می کنم. آنچه را که در این سالها آموخته ام به شما یاد خواهم داد.

من با داده ها تازه کار هستم (بنابراین می دانم که اگر بتوانم آن را انتخاب کنم، قطعاً می توانید!). مدرک تحصیلی من در علوم انسانی و انگلیسی است و من سال ها به عنوان ویراستار و نویسنده کار کرده ام - بسیار دور از اطلاعات. اما آیا این است؟ هزاران کار در زمینه‌های سنتی غیرمتمرکز از داده‌ها، از جمله انگلیسی و علوم انسانی، انجام می‌شود. بنابراین اجازه دهید تخیل خود را با آنچه که ممکن است با داده های موجود در زمینه شما امکان پذیر باشد، اجرا کند.