آسان‌جو
راهنمای کاربردی
راهنمای رفع داده‌های گمشده و نویزی در Big Data
مقدمه
در این کتابچه یاد می‌گیرید چگونه داده‌های ناقص و نویزی را در پروژه‌های کلان‌داده شناسایی و اصلاح کنید تا تحلیل‌هایتان دقیق‌تر و پایدارتر شوند.

توجه: محصولات ارائه‌شده در آسان‌جو کتاب چاپی یا pdf یا اثر حجیم دانشگاهی نیستند، بلکه «کتابچه الکترونیکی کاربردی» محسوب می‌شوند که در قالب پرسش و پاسخ‌های کاربردی برای استفاده سریع کاربران در مسائل روزمره پس از خرید عرضه می‌گردند.

فهرست

۱.۱
منشأ داده‌های گمشده چیست؟
۲.۱
نویز داده چیست و چه زمانی خطرناک است؟
۳.۱
چطور تشخیص دهیم داده‌ای گم شده یا صرفاً صفر است؟

۱.۲
روش‌های ساده جایگزینی داده گمشده
۲.۲
Imputation پیشرفته با الگوریتم‌های ML
۳.۲
چه زمانی باید داده‌های گمشده حذف شوند؟

۱.۳
چطور نویز را در داده‌های حسگر فیلتر کنیم؟
۲.۳
مدیریت نویز متنی و زبانی
۳.۳
نویز در داده‌های تصویری و ویدیویی چیست؟

۱.۴
چطور مطمئن شویم داده اصلاح شده درست کار می‌کند؟
۲.۴
چگونه گزارش اصلاح داده بسازیم؟
۳.۴
چطور فرآیند کنترل کیفیت داده را خودکار کنیم؟
دسترسی سریع پس از خرید

دسترسی سریع پس از خرید

کتاب‌های مرتبط

سایر کتاب‌ها در موضوعات مرتبط

راهنمای خودکارسازی پاکسازی داده با پایتون
راهنمای گام‌به‌گام پاکسازی داده‌های حجیم
راهنمای اجرای تحلیل بلادرنگ روی داده‌های حجیم
راهنمای تبدیل داده‌کاوی به تصمیم‌های اجرایی
راهنمای کشف الگوهای پنهان در داده
راهنمای طراحی مدل‌های پیش‌بینی کسب‌وکار
راهنمای مقایسه Hadoop و Spark
راهنمای شروع کار با Apache Spark
راهنمای ارزیابی کیفیت محتوای تولیدشده توسط AI
راهنمای یکپارچه‌سازی صدای برند در محتوای AI