Programa del Curso

Introducción

Descripción general de Data Cleaning

  • ¿Por qué es importante Data Cleaning?

Estudio de caso: Cuando Big Data está sucio

Desarrollo de una estrategia exhaustiva Data Cleaning

Herramientas comunes Data Cleaning

  • Pato
  • Abrir refinar
  • Pandas (para Python)
  • Dplyr (para R)

Lograr una alta integridad de los datos

  • Íntegro
  • Correcto
  • Preciso
  • Pertinente
  • Consistente

Automatización del proceso Data Cleaning

Supervisión de su sistema Data Cleaning

Resumen y conclusión

Requerimientos

  • Comprensión de los conceptos de análisis de datos.

Audiencia

  • Científicos de datos
  • Analistas de datos
  • Business Analistas
 7 Horas

Número de participantes


Precio por Participante​

Testimonios (2)

Próximos cursos

Categorías Relacionadas