Data Preprocessing

Data Preprocessing

0%

1. Brief Introduction

Different types of data? How to work with them? If your eyes are wide open, don't worry, let's start with a brief overview of the pandas library and learn how to work with it in the future.

Data Processing Methods

Dataset: Test and Training

Deleting an "Extra" Data

Changing the Data Type

2. Processing Quantitative Data

This chapter discusses in detail how to work with quantitative data, what methods it is processed with, how data scaling and normalization differ, and much more.

Data Scaling vs Data Normalization

Removing Outliers

Removing Missing Values

Data Augmentation: Synthetic Data

3. Processing Categorical Data

Is categorical data as simple as you think it is? Find out what is the complexity of processing and working with it.

Methods for Encoding the Categorical Data

One-Hot Encoding

Ordinal Encoding

Label Encoding of the Target Variable

4. Time Series Data Processing

Time series data processing is the process of handling, analyzing, and preparing data that is presented as a sequence of temporally ordered values. Find out what steps it includes in this section.

Data Type Conversion

Train/Test Split & Cross Validation

Challenge

5. Feature Engineering

Did you know that you can extract even more values from your data and create more informative features? In this section, you will learn how to work with feature engineering.

Feature Extraction from Text

Feature Extraction from Images

Feature Extraction from Time Series

6. Moving on to Tasks

You have reached the end of this course. Let's test your knowledge! There are 3 tasks for you to solve.

Зміст курсу

Data Preprocessing

Data Preprocessing

1. Brief Introduction

Data Types Data Processing Methods Dataset: Test and Training Deleting an "Extra" Data Changing the Data Type

2. Processing Quantitative Data

Data Scaling Data Scaling vs Data Normalization Removing Outliers Removing Missing Values Data Augmentation: Synthetic Data

3. Processing Categorical Data

Methods for Encoding the Categorical Data One-Hot Encoding Ordinal Encoding Label Encoding of the Target Variable Challenge

4. Time Series Data Processing

Data Type Conversion Data Cleaning Stationarity Denoising Train/Test Split & Cross Validation Challenge

5. Feature Engineering

Technique Idea Realization Feature Extraction from Text Feature Extraction from Images Feature Extraction from Time Series Challenge

6. Moving on to Tasks

Challenge 1 Challenge 2 Challenge 3

Challenge

Завдання

Swipe to show code editor

Now, you know how to work with time-series data, and you are faced with the task of processing it:

Convert column data type from str 'Month' to datetime.
Fill NaN values using the interpolation method.
Use the moving average method to remove noise from the data.

Перейдіть на комп'ютер для реальної практикиПродовжуйте з того місця, де ви зупинились, використовуючи один з наведених нижче варіантів

Все було зрозуміло?

Дякуємо за ваш відгук!

Секція 4. Розділ 6

toggle bottom row

Challenge

Завдання

Swipe to show code editor

Now, you know how to work with time-series data, and you are faced with the task of processing it:

Convert column data type from str 'Month' to datetime.
Fill NaN values using the interpolation method.
Use the moving average method to remove noise from the data.

Перейдіть на комп'ютер для реальної практикиПродовжуйте з того місця, де ви зупинились, використовуючи один з наведених нижче варіантів

Все було зрозуміло?

Дякуємо за ваш відгук!

Секція 4. Розділ 6

toggle bottom row

Challenge

Завдання

Swipe to show code editor

Now, you know how to work with time-series data, and you are faced with the task of processing it:

Convert column data type from str 'Month' to datetime.
Fill NaN values using the interpolation method.
Use the moving average method to remove noise from the data.

Перейдіть на комп'ютер для реальної практикиПродовжуйте з того місця, де ви зупинились, використовуючи один з наведених нижче варіантів

Все було зрозуміло?

Дякуємо за ваш відгук!

Завдання

Swipe to show code editor

Now, you know how to work with time-series data, and you are faced with the task of processing it:

Convert column data type from str 'Month' to datetime.
Fill NaN values using the interpolation method.
Use the moving average method to remove noise from the data.

Перейдіть на комп'ютер для реальної практикиПродовжуйте з того місця, де ви зупинились, використовуючи один з наведених нижче варіантів

Секція 4. Розділ 6

Перейдіть на комп'ютер для реальної практикиПродовжуйте з того місця, де ви зупинились, використовуючи один з наведених нижче варіантів

some-alt