لطفا جهت اطلاع از آخرین دوره ها و اخبار سایت در
کانال تلگرام
عضو شوید.
آموزش اعتبار سنجی تمیزی داده ها با استفاده از Asserts در پایتون
Validate Data Cleanliness Using Asserts in Python
نکته:
آخرین آپدیت رو دریافت میکنید حتی اگر این محتوا بروز نباشد.
نمونه ویدیوها:
توضیحات دوره:
این دوره نحوه استفاده از اظهارات در پایتون را برای اعتبار سنجی تمیزی داده ها آموزش می دهد. مقایسه فهرستها، سریها و قابهای داده را یاد بگیرید، تستهای کمی و منطقی بنویسید، و آنها را برای تمیز کردن دادهها به کار ببرید. دادههای نادرست یا متناقض میتواند منجر به تصمیمهای تجاری ضعیف شود. با این حال، اعتبارسنجی دستی داده ها می تواند زمان بر و مستعد خطا باشد. ابزارها و فنآوریهای موجود امروزه میتوانند به خودکارسازی فرآیند اعتبارسنجی و پاکسازی دادهها کمک کنند. در این دوره آموزشی Validate Data Cleanliness Using Asserts in Python، یاد می گیرید که چگونه از اظهارات در پایتون برای تایید پاک بودن داده ها استفاده کنید. ابتدا با ماژول numpy.testing و نحوه استفاده از آن برای تأیید مرتب بودن داده ها آشنا خواهید شد. در مرحله بعد، نحوه تأیید برابری دو شاخص، دو سری و دو DataFrame را با استفاده از توابع آزمایشی مختلف موجود در ماژول numpy.testing خواهید فهمید. در نهایت، نحوه ایجاد آزمونهای کمی و منطقی برای دادههای پاک با استفاده از ادعاها و اعمال آنها برای پاکسازی دادهها را بررسی خواهید کرد. وقتی این دوره را به پایان رساندید، مهارت های لازم برای استفاده از اظهارات برای تایید پاکی داده ها در پایتون را خواهید داشت.
سرفصل ها و درس ها
بررسی اجمالی دوره
Course Overview
بررسی اجمالی دوره
Course Overview
اعتبار سنجی و تأیید داده ها با استفاده از Asserts
Validating and Verifying Data Using Asserts
معرفی
Introduction
ادعاهایی برای اعتبار سنجی
Asserts for Validation
نسخه ی نمایشی: ادعا در پایتون
Demo: Asserts in Python
نسخه ی نمایشی: بررسی برابری شاخص
Demo: Verifying Index Equality
نسخه ی نمایشی: تأیید برابری سری
Demo: Verifying Series Equality
نسخه ی نمایشی: بررسی برابری DataFrames
Demo: Verifying DataFrames Equality
نسخه ی نمایشی: بررسی مرتب بودن داده ها با NumPy
Demo: Verifying Data Tidiness with NumPy
خلاصه
Summary
استفاده از آزمون های مبتنی بر ادعا برای پاکسازی داده ها
Using Assert-based Tests for Data Cleaning
مقدمه ای بر آزمون های مبتنی بر ادعا
Introduction to Assert-based Tests
آزمون کمی برای داده های پاک با استفاده از اظهارات
Quantitative Test for Clean Data Using Asserts
تست منطقی برای داده های پاک با استفاده از اظهارات
Logical Test for Clean Data Using Asserts
Pluralsight یکی از پرطرفدارترین پلتفرمهای آموزش آنلاین است که به میلیونها کاربر در سراسر جهان کمک میکند تا مهارتهای خود را توسعه دهند و به روز رسانی کنند. این پلتفرم دورههای آموزشی در زمینههای فناوری اطلاعات، توسعه نرمافزار، طراحی وب، مدیریت پروژه، و موضوعات مختلف دیگر را ارائه میدهد.
یکی از ویژگیهای برجسته Pluralsight، محتوای بروز و با کیفیت آموزشی آن است. این پلتفرم با همکاری با توسعهدهندگان و کارشناسان معتبر، دورههایی را ارائه میدهد که با توجه به تغییرات روزافزون در صنعت فناوری، کاربران را در جریان آخرین مفاهیم و تکنولوژیها نگه میدارد. این امر به کاربران این اطمینان را میدهد که دورههایی که در Pluralsight میپذیرند، با جدیدترین دانشها و تجارب به روز شدهاند.
Pinal Dave یک متخصص تنظیم عملکرد SQL سرور و یک مشاور مستقل است. وی 11 کتاب پایگاه داده SQL Server ، 25 دوره Pluralsight را تألیف کرده و بیش از 5000 مقاله در زمینه فناوری پایگاه داده در وبلاگ خود در https://blog.sqlauthority.com نوشته است. وی همراه با 16 سال تجربه عملی ، دارای مدرک کارشناسی ارشد علوم و تعدادی گواهینامه پایگاه داده است.
نمایش نظرات