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.
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

  • خلاصه Summary

نمایش نظرات

نظری ارسال نشده است.

آموزش اعتبار سنجی تمیزی داده ها با استفاده از Asserts در پایتون
خرید اشتراک و دانلود خرید تکی و دانلود | 160,000 تومان (5 روز مهلت دانلود) زمان تقریبی آماده سازی لینک دانلود این دوره آموزشی حدود 5 تا 24 ساعت می باشد.
جزییات دوره
0h 42m
13
Pluralsight (پلورال سایت) pluralsight-small
11 اردیبهشت 1402 (آخرین آپدیت رو دریافت می‌کنید، حتی اگر این تاریخ بروز نباشد.)
از 5
دارد
دارد
دارد
Pinal Dave

Google Chrome Browser

Internet Download Manager

Pot Player

Winrar

Pinal Dave Pinal Dave

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.

Pluralsight (پلورال سایت)

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.