お問い合わせ

コース概要

はじめに

  • 分析および機械学習におけるデータ準備の重要性について理解する
  • データライフサイクルにおけるデータ準備プロセスとその役割を把握する
  • 生データに見られる一般的な課題とそれが分析に与える影響を考察する

データ収集と取得

  • データソース:データベース、API、スプレッドシート、テキストファイルなど
  • データ収集技術と収集段階での品質確保方法
  • さまざまな情報源からのデータ取得方法

データクリーニング技法

  • 欠損値・外れ値・不整合性の特定と対処法
  • 重複データやエラーの処理方法
  • 実際のデータセットを用いたクリーニング作業

データ変換と標準化

  • 正規化および標準化技術の概要
  • カテゴリーデータの扱い:エンコード・区間分け・特徴量生成など
  • 生データを実用可能な形式へ変換する方法

データ統合と集約

  • 複数の情報源から得たデータセットの結合手法
  • データ間の衝突解決およびデータ型の整合化処理
  • データ集約・統合を行う技術的なアプローチ

データ品質保証

  • プロセス全体を通してデータ品質と完全性を確保する方法
  • 品質チェックや検証手順の実装手法
  • データ品質管理に関する事例研究および実践例

次元削減と特徴選択

  • なぜ次元削減が必要かを理解する
  • PCAや特徴選択など各種の次元削減手法および戦略
  • これらの技法の実装手順

まとめと今後のステップ

要求

  • データに関する基礎的な理解

対象者

  • データアナリスト
  • データベース管理者
  • IT専門家
 14 時間

参加者の人数


参加者1人あたりの価格

お客様の声 (2)

今後のコース

関連カテゴリー