การทำความสะอาดและการเตรียมข้อมูลใน R

ข้อมูลดิบไม่ค่อยพร้อมสำหรับการวิเคราะห์ทันที มักจะมีข้อผิดพลาด ค่าที่ขาดหายไป หรือรูปแบบที่ไม่สอดคล้องกัน การเรียนรู้ที่จะระบุและแก้ไขปัญหาเหล่านี้เป็นขั้นตอนที่สำคัญที่สุดในเวิร์กโฟลว์ของผู้เชี่ยวชาญด้านข้อมูลทุกคน เพื่อให้มั่นใจว่าข้อสรุปที่ได้จากข้อมูลนั้นถูกต้องและเชื่อถือได้ หลักสูตรนี้เสนอแนวทางที่มีโครงสร้างในการระบุปัญหาคุณภาพข้อมูลและการประยุกต์ใช้โซลูชันเชิงโปรแกรมเพื่อแก้ไขปัญหาเหล่านั้น คุณจะได้พัฒนาจากการทำความเข้าใจโครงสร้างข้อมูลพื้นฐานไปสู่การนำไปใช้ของไปป์ไลน์การทำความสะอาดที่ซับซ้อน ซึ่งรับประกันว่าการวิเคราะห์ของคุณสร้างขึ้นบนรากฐานที่มั่นคง ด้วยการมุ่งเน้นไปที่เวิร์กโฟลว์ที่สามารถทำซ้ำได้ คุณจะได้เรียนรู้วิธีเปลี่ยนสเปรดชีตที่วุ่นวายให้เป็นข้อมูลที่มีโครงสร้างพร้อมสำหรับการสร้างแบบจำลอง สิ่งที่คุณจะได้เรียนรู้: - ทำความเข้าใจประเภทข้อมูลและแปลงระหว่างรูปแบบเพื่อให้แน่ใจว่าการคำนวณมีความแม่นยำ - ใช้ข้อจำกัดช่วงและข้อจำกัดเชิงหมวดหมู่เพื่อระบุและจัดการค่าที่อยู่นอกขอบเขต - ระบุและแก้ไขระเบียนที่ซ้ำกันโดยใช้เทคนิคการจับคู่ที่แน่นอนและบางส่วน - จัดการข้อมูลที่ขาดหายไปอย่างเป็นระบบโดยการระบุรูปแบบและใช้กลยุทธ์การเติมค่า (imputation) - ทำความสะอาดและกำหนดมาตรฐานข้อมูลสตริงโดยใช้เครื่องมือจัดการข้อความที่ทันสมัย - นำการเชื่อมโยงระเบียน (record linkage) ไปใช้เพื่อรวมชุดข้อมูลที่แตกต่างกันซึ่งมีรูปแบบการตั้งชื่อที่ไม่สอดคล้องกัน - ฝึกฝนหลักการของ tidy data เพื่อปรับโครงสร้างชุดข้อมูลสำหรับการวิเคราะห์ปลายทางที่มีประสิทธิภาพ หลักสูตรนี้เริ่มต้นด้วยคำจำกัดความพื้นฐานของคุณภาพข้อมูลและปรัชญาของ tidy data ก่อนที่จะเข้าสู่แบบฝึกหัดเชิงปฏิบัติที่เน้นข้อความ คุณจะได้เรียนรู้วิธีใช้ระบบนิเวศ R ที่ทันสมัยเพื่อทำงานซ้ำ ๆ โดยอัตโนมัติ จัดการสตริงที่ยุ่งเหยิง และรวมชุดข้อมูลที่ไม่สอดคล้องกันอย่างสมบูรณ์ หลักสูตรนี้ออกแบบมาสำหรับผู้เริ่มต้นที่มีความเข้าใจพื้นฐานเกี่ยวกับไวยากรณ์ R และต้องการมุ่งเน้นไปที่การปฏิบัติจริงของการเตรียมข้อมูล ไม่จำเป็นต้องมีประสบการณ์ด้านวิศวกรรมข้อมูลหรือสถิติขั้นสูงมาก่อน เริ่มสร้างชุดเครื่องมือทำความสะอาดข้อมูลของคุณได้แล้ววันนี้