Étudiez le flux de données dans Azure machine learning (Azure ML) dans ce cours de science des données. Nous expliquons comment préparer vos données et comparer des variables continues et catégorielles. Nous vous montrons ensuite comment supprimer les valeurs répétées et les valeurs aberrantes et étudions la quantification des informations et la mise à l'échelle des données

Le cours présente le flux de données dans Azure ML et couvre le traitement « par lots » et en temps réel. Nous examinons les différents types de « jointures » que vous pouvez utiliser sur vos données. Une « jointure de données » se produit lorsque deux ensembles de données sont combinés côte à côte. Nous vous apprenons à utiliser les langages de programmation R et Python avec Azure et à définir leur rôle dans la réalisation de projets de science des données.

Le cours passe ensuite à l'échantillonnage et à la préparation des données. Nous comparons des variables continues et catégorielles et définissons la « quantification ». Le « data munging » ou « data wrangling » est le processus qui consiste à mapper des données brutes dans un format lisible. Nous démontrons leur valeur tout en établissant combien de temps cela peut prendre. Nous expliquons comment gérer les erreurs et les valeurs aberrantes dans votre projet et expliquons comment utiliser la « mise à l'échelle » avec Python, R ou Azure ML. Ce cours s'adresse à tous ceux qui s'intéressent à la recherche scientifique en général ou à la science des données en particulier.