Data Mining Grundlagen: Datenvorbereitung in der Praxis

Die Vorbereitung der Daten gehört bekannterweise zu den Schwerpunkten der meisten Data Mining- oder Machine Learning-Projekte. Marlies Temper zeigt Ihnen in diesem Kurs anhand praktischer Beispiele und Übungen typische Aufgabenstellungen bei der Aufbereitung strukturierter Daten mit Hilfe von Data Cleansing, Data Transformation and Feature Engineering. Sie bedient sich dabei der Programmiersprache Python mit den Bibliotheken pandas, NumPy, scikit-learn und seaborn. Wenn Sie als Vorbereitung zu diesem Kurs mehr zu den theoretischen Grundlagen der Datenvorbereitung lernen wollen, hilft Ihnen dieser Kurs dabei: Data Mining Grundlagen: Einführung in die Datenvorbereitung mit Data Cleansing, Data Transformation und Feature Engineering.