Data Engineering & Pipeline Reliability for Machine Learning

Bu kurs, pratik ve tekrarlanabilir veri temizleme teknikleri aracılığıyla gerçek dünyadaki veri kümelerini nasıl güvenilir analitik varlıklara dönüştüreceğinizi öğretir. Kategorik özellikleri nasıl değerlendireceğinizi, en uygun kodlama (encoding) stratejilerini nasıl seçeceğinizi, veri kalitesini nasıl ölçeceğinizi ve belgeleyeceğinizi ve eksik verilerle başa çıkmak için etkili yaklaşımları nasıl uygulayacağınızı öğreneceksiniz. Python ve pandas kullanarak kardinaliteyi değerlendirme, hedef kodlama (target encoding) uygulama, Great Expectations ile eksiksizliği doğrulama ve şeffaf dönüşüm soy ağacı (lineage) oluşturma konularında pratik yapacaksınız. Ayrıca, tutarlı ve modele hazır çıktılar sağlamak için yaş, maaş aykırı değerleri ve tarihler gibi karmaşık alanları temizleyeceksiniz. Analistler, veri mühendisleri ve ML uygulayıcıları için tasarlanan bu kurs, sizi güvenilir içgörüleri ve tahmine dayalı modellemeyi destekleyen yüksek kaliteli veri kümeleri hazırlamak için gereken işe hazır becerilerle donatır.