Kontakt aufnehmen

Schulungsübersicht

Einführung

  • Verständnis der Bedeutung der Datenvorbereitung in Analytics und Machine Learning
  • Datenvorverarbeitungs-Pipeline und ihre Rolle im Datenlebenszyklus
  • Erforschung häufiger Herausforderungen in Rohdaten und deren Auswirkungen auf die Analyse

Datenerfassung und -akquisition

  • Datenquellen: Datenbanken, APIs, Tabellenkalkulationen, Textdateien und mehr
  • Techniken zur Datenerfassung und Sicherstellung der Datenqualität während des Erfassungsprozesses
  • Erfassung von Daten aus verschiedenen Quellen

Techniken zur Datenbereinigung

  • Identifizierung und Umgang mit fehlenden Werten, Ausreissern und Inkonsistenzen
  • Umgang mit Duplikaten und Fehlern im Datensatz
  • Bereinigung realer Datensätze

Datentransformation und -standardisierung

  • Techniken zur Daten-Normalisierung und -Standardisierung
  • Umgang mit kategorialen Daten: Codierung, Binning und Feature-Engineering
  • Transformation von Rohdaten in nutzbare Formate

Datenintegration und -aggregation

  • Zusammenführen und Kombinieren von Datensätzen aus verschiedenen Quellen
  • Auflösen von Datenkonflikten und Angleichen der Datentypen
  • Techniken zur Datenaggregation und Konsolidierung

Sicherstellung der Datenqualität

  • Methoden zur Sicherstellung der Datenqualität und Integrität während des gesamten Prozesses
  • Implementierung von Qualitätschecks und Validierungsverfahren
  • Fallstudien und praktische Anwendungen der Qualitätssicherung bei Daten

Dimensionsreduktion und Feature-Auswahl

  • Verständnis der Notwendigkeit einer Dimensionsreduktion
  • Techniken wie PCA, Feature-Selektion und Reduktionsstrategien
  • Implementierung von Techniken zur Dimensionsreduktion

Zusammenfassung und nächste Schritte

Voraussetzungen

  • Grundlegendes Verständnis von Datenkonzepten

Zielgruppe

  • Datenanalysten
  • DBAs (Datenbankadministratoren)
  • IT-Fachkräfte
 14 Stunden

Teilnehmerzahl


Preis je Teilnehmer (exkl. USt)

Erfahrungsberichte (2)

Kommende Kurse

Verwandte Kategorien