Adattisztítás AI projektekhez

Nyolc lecke arról, hogyan lesz a vállalati adatból olyan alap, amire AI megoldás építhető. Miért az adat szabja meg a kimenet felső határát, mitől tiszta egy adathalmaz, hogyan ismerhetők fel a csendes formátum és részletesség hibák, mit kezdjünk a hiányzó értékkel és a duplikátummal, hogyan gyűrűzik tovább egy korai hiba, hogyan készül néhány nap alatt hibatérkép, mely döntések tartoznak a szakterülethez, és mi kell ahhoz, hogy a rendbe tett adat rendben is maradjon. A leckék a Berkeley Data 100 és a DAMA DMBOK vázára épülnek, saját vállalati bevezetéseim tapasztalatával és friss kutatási eredményekkel kiegészítve.

01Az adat szabja meg a felső határt 02Mitől tiszta egy adathalmaz 03Szerkezet, részletesség, mértékegység 04A hiányzó és a hibás érték 05Az adatlavina, amikor a hiba továbbgyűrűzik 06A hibatérkép, avagy hol tartunk valójában 07Az üzleti döntések, amiket nem lehet delegálni 08Fenntartás, mérés, vezetői döntések

Ha végigért

Záróteszt és tanúsítvány

10 feleletválasztós kérdés, 15 perc. Ha sikeresen teljesíted, a tanúsítvány automatikusan, egyedi sorszámmal kiállításra kerül.

Záróteszt kitöltése

Forrás

A UC Berkeley Data 100 kurzusának Data Cleaning and EDA fejezete és a DAMA DMBOK második kiadásának adatminőségi dimenziói alapján, önálló magyar feldolgozásban, saját vállalati bevezetési tapasztalattal, valamint a leckék végén megadott kutatásokkal kiegészítve.