Gracias por enviar su consulta! Uno de los miembros de nuestro equipo se pondrá en contacto con usted en breve.
Gracias por enviar su reserva! Uno de los miembros de nuestro equipo se pondrá en contacto con usted en breve.
Temario del curso
Introducción
- Comprensión de la importancia de la preparación de datos en el análisis y el aprendizaje automático.
- La tubería (pipeline) de preparación de datos y su papel en el ciclo de vida de los datos.
- Exploración de los desafíos comunes en los datos sin procesar y su impacto en el análisis.
Recolección y adquisición de datos
- Fuentes de datos: bases de datos, APIs, hojas de cálculo, archivos de texto y más.
- Técnicas para recolectar datos y garantizar la calidad de los datos durante la recolección.
- Recolección de datos desde diversas fuentes.
Técnicas de limpieza de datos
- Identificación y tratamiento de valores faltantes, valores atípicos e inconsistencias.
- Gestión de duplicados y errores en el conjunto de datos.
- Limpieza de conjuntos de datos del mundo real.
Transformación y estandarización de datos
- Técnicas de normalización y estandarización de datos.
- Manejo de datos categóricos: codificación, agrupación (binning) e ingeniería de características.
- Transformación de datos sin procesar en formatos utilizables.
Integración y agregación de datos
- Fusión y combinación de conjuntos de datos provenientes de distintas fuentes.
- Resolución de conflictos de datos y alineación de tipos de datos.
- Técnicas para la agregación y consolidación de datos.
Aseguramiento de la calidad de los datos
- Métodos para garantizar la calidad e integridad de los datos durante todo el proceso.
- Implementación de controles de calidad y procedimientos de validación.
- Casos de estudio y aplicaciones prácticas del aseguramiento de la calidad de los datos.
Reducción de dimensionalidad y selección de características
- Comprensión de la necesidad de reducir la dimensionalidad.
- Técnicas como PCA (análisis de componentes principales), selección de características y estrategias de reducción.
- Implementación de técnicas de reducción de dimensionalidad.
Resumen y próximos pasos
Requerimientos
- Conocimiento básico de los conceptos relacionados con los datos.
Público objetivo
- Análisis de datos (Analistas de datos).
- Administradores de bases de datos.
- Profesionales de TI.
14 Horas
Testimonios (3)
En si los contenidos estan bien.
JONATHAN FLETCHER - Comision para el Mercado Financiero
Curso - Microsoft Purview: Data Governance and Compliance
La variedad de la información compartida y la claridad para explicar los términos en un lenguaje sencillo.
Arisbe Mendoza - Fairtrade International
Curso - GDPR Workshop
Traducción Automática
Es una sesión práctica.
Vorraluck Sarechuer - Total Access Communication Public Company Limited (dtac)
Curso - Talend Open Studio for ESB
Traducción Automática