Garbage In, Garbage Out
5. డేటా క్లీనింగ్ మరియు నాణ్యత
తప్పిపోయిన విలువలు, అవుట్లేయర్లు మరియు డూప్లికేట్లను నిర్వహించడం.
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
ఇది ఎందుకు ముఖ్యమైనది
నిజ ప్రపంచంలో, డేటా గందరగోళంగా, అసంపూర్ణంగా మరియు బహుళ ప్రదేశాలలో ఉంటుంది. డేటా ఇంజనీరింగ్ అనేది మీ AI కోసం నమ్మదగిన వ్యవస్థను నిర్మించే ప్రక్రియ.