داده‌های پرت و نویز از مشکلات رایج در مجموعه‌داده‌ها هستند و می‌توانند روی نتایج تحلیل داده و عملکرد مدل‌های یادگیری ماشین تأثیر بگذارند. شناسایی و مدیریت این داده‌ها یکی از مراحل مهم در پاکسازی و آماده‌سازی داده‌هاست.

در این دوره با مفهوم داده‌های پرت و نویز آشنا می‌شوید و یاد می‌گیرید داده‌های غیرعادی را شناسایی کرده و با روش‌های مناسب مدیریت یا حذف کنید.

 

در این دوره چه چیزی یاد می‌گیرید؟

۱. آشنایی با داده‌های پرت و نویز
شناخت مفهوم Outlier و Noise و تفاوت آن‌ها با داده‌های معمولی

۲. تشخیص داده‌های پرت
یادگیری روش‌های شناسایی داده‌های پرت و غیرعادی در مجموعه‌داده‌ها

۳. شناسایی و حذف نویز
آشنایی با روش‌های تشخیص نویز و تکنیک‌های مناسب برای کاهش یا حذف آن

۴. کاربرد در تحلیل داده و یادگیری ماشین
بررسی تأثیر داده‌های پرت و نویز بر تحلیل داده و مدل‌های یادگیری ماشین
 

این دوره برای شماست اگر:

به تحلیل داده، علم داده یا یادگیری ماشین علاقه دارید.
می‌خواهید مهارت خود را در پاکسازی و آماده‌سازی داده‌ها تقویت کنید.
قصد دارید داده‌های پرت و نویز را به شکل اصولی شناسایی و مدیریت کنید.