آموزش معرفی Trifacta: داده های خود را به سرعت و به راحتی پاک کنید

Intro to Trifacta: Clean Your Data Quickly and Easily

نکته: آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره: ابزار رایگانی بیاموزید که زمان تمیز کردن داده ها و آماده سازی داده های شما را کاهش می دهد. پیمایش در پانل نمای شبکه ای Trifacta آپلود مجموعه داده ها در Trifacta شروع یک جریان در Trifacta درگیر کردن قابلیت های پیش بینی Trifacta استفاده از منوهای کشویی Trifacta جداسازی و مشاهده ردیف های تبدیل شده درک زبان Wrangle استفاده از سربرگ , مشتق، تنظیم، حذف، رها کردن، حذف کردن، استخراج، تقسیم، نوع تنظیم، جایگزینی و تغییر نام تبدیل ها استفاده از توابع لنز، ادغام، یافتن، اگر، در، عدم تطابق، نامعتبر، عدم تطابق، عدم تطابق و ادغام توابع ساخت الگوها فرار از کاراکترهای خاص استفاده از عملگرهای منطقی و مقایسه ای استفاده از مسابقات سیستم های شماره گذاری متمایز پیش نیازها: تمایل شدید به یادگیری نحوه پاکسازی موفقیت آمیز داده ها نسخه رایگان Trifacta Wrangler

در این دوره، گام به گام با Trifacta *مبانی آشنا می شوید. ما نه تنها شما را با نحوه استفاده از **Trifacta و تبدیل‌ها و عملکردهای آن آشنا می‌کنیم، بلکه با مشکلات رایجی که ممکن است در طول مسیر هنگام تمیز کردن داده‌ها با آن مواجه شوید، آشنا می‌شویم. تجربه واقعی پاک‌سازی داده‌ها را خواهید دید. پاکسازی داده ها همیشه واضح نیست، و به همین دلیل است که ما به شما نشان خواهیم داد که تکرار تغییرات در مجموعه داده شما چگونه به نظر می رسد، زیرا اطلاعات جدید خود را در طول فرآیند آماده سازی داده/جلوگیری داده نشان می دهند.

*این یک دوره آموزشی بسیار ابتدایی است که برای افرادی طراحی شده است که تجربه کمی در پاکسازی داده ها دارند.

**لطفاً توجه داشته باشید که در این دوره ما از نسخه قدیمی تر Trifacta Wrangler استفاده می کنیم.

توجه: تحلیلگران و دانشمندان داده تا 80 درصد از زمان خود را صرف تهیه و پاکسازی داده‌های خود می‌کنند. این زمان زیادی است که می‌توان از آن در مراحل مهم‌تری از چرخه زندگی داده استفاده کرد، بنابراین صرفه‌جویی در زمان در مرحله آماده‌سازی داده‌ها به شما مزیت رقابتی در فضای داده می‌دهد زیرا می‌توانید از زمان ذخیره‌شده برای امور مهم‌تر مانند تجزیه و تحلیل استفاده کنید. داده های شما

تحقیق Forrester ابزارهای آماده‌سازی داده‌ها را به‌عنوان «موارد ضروری» شناسایی می‌کند. Trifacta Wrangler یکی از این ابزارها است و این محصول توسط هیئت مشاورانی مانند دی‌جی پاتیل و جف همرباچر، در میان دیگر افراد برجسته هدایت می‌شود. این محصول را به گونه ای طراحی کرد که شما را در آماده سازی داده راهنمایی کند و به مهارت های کدنویسی کمتری نیاز دارد.



سرفصل ها و درس ها

معرفی دوره Course Introduction

  • تریلر دوره Course Trailer

  • معرفی Introduction

معرفی دوره Course Introduction

  • تریلر دوره Course Trailer

  • معرفی Introduction

پایه های تریفاکتا Trifacta Basics

  • دانلود Trifacta Trifacta Download

  • مجموعه داده 1 Dataset 1

  • آپلود مجموعه داده Dataset Upload

  • جریان می یابد Flows

  • نمای کلی پنل شبکه Grid Panel Overview

  • مراحل دستور پخت آماده Ready-Made Recipe Steps

  • تغییرات سریع دستور غذا Quick Recipe Changes

  • کارت های پیشنهادی Suggestion Cards

  • نگه دارید و حذف کنید Keep and Delete

  • تغییرات منوی کشویی Drop-Down Menu Changes

  • صادرات نتایج Results Export

  • پایه های تریفاکتا Trifacta Basics

  • بخش 2 نتیجه گیری Section 2 Conclusion

پایه های تریفاکتا Trifacta Basics

  • دانلود Trifacta Trifacta Download

  • مجموعه داده 1 Dataset 1

  • آپلود مجموعه داده Dataset Upload

  • جریان می یابد Flows

  • نمای کلی پنل شبکه Grid Panel Overview

  • مراحل دستور پخت آماده Ready-Made Recipe Steps

  • تغییرات سریع دستور غذا Quick Recipe Changes

  • کارت های پیشنهادی Suggestion Cards

  • نگه دارید و حذف کنید Keep and Delete

  • تغییرات منوی کشویی Drop-Down Menu Changes

  • صادرات نتایج Results Export

  • پایه های تریفاکتا Trifacta Basics

  • بخش 2 نتیجه گیری Section 2 Conclusion

متن و رشته ها Text and Strings

  • مجموعه داده 2 Dataset 2

  • مقدمه بخش 3 Intro to Section 3

  • زبان رانگل Wrangle Language

  • نمای کلی متن و رشته ها Text and Strings Overview

  • آماده سازی مجموعه داده Dataset Prep.

  • استخراج تبدیل با تابع لنز Derive Transform with Len Function

  • وفاداری داده ها Data Fidelity

  • تقسیم ستون Column Splitting

  • ناسازگاری ها Inconsistencies

  • بررسی اجمالی رشته ها و الگوها Strings and Patterns Overview

  • پاکسازی رشته String Cleanup

  • ساختمان الگو Pattern Building

  • الگوهای با Replace Transform Patterns with Replace Transform

  • تقسیم، ادغام، و چپ Split, Merge, and Left

  • فرار شخصیت ویژه Special-Character Escape

  • Transform را با تابع If تنظیم کنید Set Transform with If Function

  • استخراج تبدیل Extract Transform

  • استخراج تبدیل با تابع Find Derive Transform with Find Function

  • تابع ادغام Coalesce Function

  • سیستم های شماره گذاری Numbering Systems

  • نمادهای الگو Pattern Symbols

  • بخش 3 نتیجه گیری Section 3 Conclusion

متن و رشته ها Text and Strings

  • مجموعه داده 2 Dataset 2

  • مقدمه بخش 3 Intro to Section 3

  • زبان رانگل Wrangle Language

  • نمای کلی متن و رشته ها Text and Strings Overview

  • آماده سازی مجموعه داده Dataset Prep.

  • استخراج تبدیل با تابع لنز Derive Transform with Len Function

  • وفاداری داده ها Data Fidelity

  • تقسیم ستون Column Splitting

  • ناسازگاری ها Inconsistencies

  • بررسی اجمالی رشته ها و الگوها Strings and Patterns Overview

  • پاکسازی رشته String Cleanup

  • ساختمان الگو Pattern Building

  • الگوهای با Replace Transform Patterns with Replace Transform

  • تقسیم، ادغام، و چپ Split, Merge, and Left

  • فرار شخصیت ویژه Special-Character Escape

  • Transform را با تابع If تنظیم کنید Set Transform with If Function

  • استخراج تبدیل Extract Transform

  • استخراج تبدیل با تابع Find Derive Transform with Find Function

  • تابع ادغام Coalesce Function

  • سیستم های شماره گذاری Numbering Systems

  • نمادهای الگو Pattern Symbols

  • بخش 3 نتیجه گیری Section 3 Conclusion

فیلتر کردن داده ها Data Filtering

  • مقدمه بخش 4 Intro to Section 4

  • مجموعه داده 3 Dataset 3

  • مقدمه ای بر فیلترینگ داده ها Intro to Data Filtering

  • تابع Deduplicate Deduplicate Function

  • حذف ستون قبل از تجزیه و تحلیل Column Removal before Analysis

  • Isnull و Ismissing Isnull and Ismissing

  • نامتناسب و اسوالید Ismismatched and Isvalid

  • اپراتورهای مقایسه Comparison Operators

  • عملگرهای منطقی Logical Operators

  • مقدار رشته با در تابع String Value with In Function

  • مسابقات Matches

  • اپراتورها Operators

  • بخش 4 نتیجه گیری Section 4 Conclusion

  • نتیجه گیری دوره Course Conclusion

فیلتر کردن داده ها Data Filtering

  • مقدمه بخش 4 Intro to Section 4

  • مجموعه داده 3 Dataset 3

  • مقدمه ای بر فیلترینگ داده ها Intro to Data Filtering

  • تابع Deduplicate Deduplicate Function

  • حذف ستون قبل از تجزیه و تحلیل Column Removal before Analysis

  • Isnull و Ismissing Isnull and Ismissing

  • نامتناسب و اسوالید Ismismatched and Isvalid

  • اپراتورهای مقایسه Comparison Operators

  • عملگرهای منطقی Logical Operators

  • مقدار رشته با در تابع String Value with In Function

  • مسابقات Matches

  • اپراتورها Operators

  • بخش 4 نتیجه گیری Section 4 Conclusion

  • نتیجه گیری دوره Course Conclusion

نمایش نظرات

آموزش معرفی Trifacta: داده های خود را به سرعت و به راحتی پاک کنید
جزییات دوره
2.5 hours
48
Udemy (یودمی) Udemy (یودمی)
(آخرین آپدیت)
752
4.5 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

Data Crunch Corporation Data Crunch Corporation

ما تحلیلگران کلاس جهانی را در 500 شرکت Fortune آموزش می دهیم