L'IA peut accélérer le nettoyage des données, mais uniquement si vous en maîtrisez les règles, validez les modifications et conservez une trace des opérations effectuées. Ce cours vous montre comment transformer des jeux de données désordonnés en données prêtes pour l'analyse, en traitant les valeurs manquantes, les incohérences, les doublons et les valeurs aberrantes, sans laisser l'IA prendre des décisions à votre insu. Vous apprendrez également à vérifier que les données nettoyées sont adaptées à la modélisation et à documenter les modifications apportées.
Le cours aborde les décisions relatives au nettoyage des données, les modes de défaillance silencieux dans le code généré par l'IA et le profilage reproductible des données. Il traite également de la gestion des données manquantes, de la normalisation des valeurs, de la déduplication, du traitement des valeurs aberrantes, des étapes de validation finale de la qualité et de la journalisation des modifications avant l'analyse ou la modélisation.