Garbage In, Garbage Out
5. डेटा सफाई और गुणवत्ता
गुम वैल्यू, आउटलेयर और डुप्लिकेट डेटा को ठीक करना।
Raw (Dirty) Dataset
| ID | Name | Age | City | Issues |
|---|---|---|---|---|
| 1 | Pradeep | 33 | Delhi | |
| 2 | Rahul | NULL | Mumbai | MISSING |
| 1 | Pradeep | 33 | Delhi | DUPLICATE |
| 4 | Anita | 250 | London | OUTLIER |
Deduplication
Removes redundant rows
Imputation
Fills missing values
Outlier Handling
Caps extreme values
यह महत्वपूर्ण क्यों है
वास्तविक दुनिया में, डेटा गंदा, अधूरा और कई स्थानों पर दबा हुआ होता है। डेटा इंजीनियरिंग वह "प्लंबिंग" (plumbing) है जो आपके AI के यात्रा करने के लिए विश्वसनीय सड़कें बनाती है।