پاکسازی داده‌ در R

غلبه بر مشکلات رایج داده مانند حذف موارد تکراری در R

معمولاً گفته می‌شود که دانشمندان داده 80% از زمان خود را صرف پاکسازی و دستکاری داده و تنها 20% را صرف تحلیل آن‌ها می‌کنند. زمان صرف شده برای پاکسازی حیاتی است؛ زیرا تحلیل داده کثیف می‌تواند منجر به نتایج نادرست شود.

در این دوره، مدرس تکنیک‌های متنوعی را برای پاکسازی داده کثیف با استفاده از R آموزش می‌دهد. او با تبدیل انواع داده، اعمال محدودیت‌های بازه و مقابله با موارد تکراری کامل و جزئی شروع می‌کند تا از شمارش مضاعف جلوگیری شود.

بررسی عمیق چالش‌های پیشرفته داده

پس از تمرین روی مسائل رایج داده، مدرس به سراغ چالش‌های پیشرفته‌تری مانند اطمینان از سازگاری در اندازه‌گیری‌ها و مدیریت داده مفقود می‌رود. پس از هر مفهوم جدید، فرصتی برای انجام تمرینات عملی خواهید داشت تا دانش خود را تثبیت کرده و تجربه کسب کنید.

یادگیری استفاده از Record Linkage در طول پاکسازی داده

از تکنیک Record Linkage برای ادغام مجموعه‌داده در مواقعی استفاده می‌شود که مقادیر دارای مشکلاتی مانند غلط‌های املایی یا شیوه‌های نوشتاری متفاوت هستند. مدرس این تکنیک کاربردی را در فصل آخر بررسی کرده و با استفاده از آن برای اتصال دو مجموعه‌داده مربوط به نظرات رستوران‌ها به یکدیگر، چگونگی اجرای آن را تمرین خواهد کرد.