دوره آموزشی پاک‌سازی داده‌ها با Claude

وقتی داده‌ها ناهماهنگ، ناقص یا غیرقابل‌اعتماد باشن، کل کار داده‌محور ممکنه به‌هم بریزه. توی این دوره، کریس فرنچ (Chris French)، تحلیلگر داده، به شما نشون می‌ده چطور یک فایل CSV واقعی رو داخل Claude آپلود کنید و با یه گفت‌وگوی ساختاریافته، از صفر تا صد تمیزش کنید؛ طوری که همون حس و دقتی رو بسازید که توی تحلیل‌های حرفه‌ای و تولیدی بهش نیاز دارید.

یاد می‌گیرید چطور از Claude بخواید یه دیتاست رو پروفایل کنه، مشکلاتی رو که روی متریک‌های پایین‌دستی اثر می‌ذارن تشخیص بده، مقادیر گمشده و داده‌های تکراری رو رفع کنه، فیلدهای به‌هم‌ریخته رو استاندارد کنه و نتیجه رو با چک‌های هدفمند اعتبارسنجی کنه. علاوه بر این، یاد می‌گیرید تصمیم‌هاتون رو مستندسازی کنید و پرامپت‌هاتون رو به یه گردش‌کار تکرارپذیر تبدیل کنید که بشه توی خروجی‌های ذی‌نفعان، تحلیل‌های موردی، و تحویل‌دادن داده به پایپ‌لاین‌ها دوباره ازش استفاده کرد.

اهداف یادگیری
از Claude بخواهید یک دیتاست CSV را بررسی و پروفایل کند و ساختار، نوع داده‌ها، الگوهای null و ناسازگاری‌ها را شناسایی کند.
مشکلات رایج کیفیت داده شامل داده‌های تکراری، مقادیر گمشده، ناسازگاری‌های فرمت و داده‌های پرت را تشخیص دهید و اولویت‌بندی کنید.
استراتژی‌های مناسب پاک‌سازی برای داده‌های تکراری و مقادیر گمشده را بر اساس هدف تحلیل و ملاحظات انتخاب و اجرا کنید.
فیلدهای به‌هم‌ریخته شامل داده‌های متنی، دسته‌بندی‌شده، تاریخ و عددی را با الگوهای پرامپت‌نویسی قابل‌استفاده‌مجدد استاندارد و تبدیل کنید.
دیتاست پاک‌سازی‌شده را با بررسی‌های پس از پاک‌سازی و چک‌های هدفمند اعتبارسنجی کنید تا برای تحلیل آماده باشد.
یک گردش‌کار پاک‌سازی تکرارپذیر و مستند بسازید، همراه با لاگ واضح تصمیم‌ها برای شفافیت و استفاده مجدد.