Aprenda técnicas essenciais para avaliar a qualidade dos dados em aplicações Java. Descubra como usar estatísticas descritivas para identificar outliers, detectar e tratar valores ausentes de forma apropriada, e validar tipos de dados para evitar erros. Domine ferramentas-chave como DescriptiveStatistics para análise numérica, Optional para tratamento de null, e DateTimeFormatter para validação de datas.

Estatísticas dos dados

Calculando média, mínimo e máximo

Calculando percentis

Detecção de nulos

Detectando números ausentes

Detectando strings ausentes

Verificação de tipo de dado

Convertendo texto em datas e números

Lendo arquivos CSV com segurança

Avaliando a Qualidade dos Dados

Domine técnicas de transformação de dados para aplicações Java confiáveis. Aprenda a normalizar strings usando expressões regulares para comparação de texto consistente, padronizar categorias com EnumMap e HashMap para tabelas de consulta robustas, e lidar com formatos de data usando a API de tempo do Java com LocalDate e ZoneId para tratamento consistente de datas em diferentes fusos horários.

Normalização de strings

Expressões regulares

Limpando strings

Padronização de categorias

Construindo um mapeamento de categorias

Agrupando por categorias padronizadas

Padronização de datas

Padronizando datas

Convertendo fusos horários

Extraindo mês e ano de datas

Transformando Dados

Garanta a qualidade dos dados por meio de técnicas de validação. Aprenda a implementar validação de intervalo para valores numéricos e datas, dominar validação por padrão usando expressões regulares para verificar formatos de dados e aplicar validação de restrições para impor regras de negócio.

Validação de intervalo

Validando faixas numéricas

Validando intervalos de datas

Validação por padrão

Correspondência completa do padrão

Busca de padrão

Correspondência de caracteres

Aplicação de restrições

Anotações com vendas de videogame

Exibindo mensagens de validação

Validando Dados

Transforme dados tabulares bagunçados em conjuntos de dados limpos e utilizáveis com o Tablesaw, uma poderosa biblioteca Java. Você vai avaliar a qualidade dos dados, padronizar conteúdos de colunas e aplicar operações de filtragem para preparar seus dados. Ao final, você transformará com confiança conjuntos de dados brutos em tabelas prontas para análise.

Avaliação da qualidade dos dados com Tablesaw

Analisando valores ausentes e únicos

Analisando colunas numéricas

Limpeza e padronização de colunas

Transformando dados numéricos

Transformando dados de texto

Filtragem e agregação de colunas

Filtrando colunas

Agregando colunas

Parabéns!

Limpando Dados Tabulares

grocery_inventory.csv

coffee_sales.csv

Limpar dados é fundamental para resolver problemas de negócio. Quando a qualidade dos dados é comprometida, as análises ficam pouco confiáveis, modelos de machine learning fazem previsões ruins e as decisões de negócio se desviam do curso.

Este curso oferece ferramentas em Java para encarar a qualidade de dados de frente. Você vai aprender métodos estatísticos para identificar outliers e tratar valores ausentes, dominar transformações de dados — desde padronizar textos até lidar com datas em diferentes fusos horários — e implementar verificações de intervalo usando expressões regulares e anotações de validação.

Trabalhando com Tablesaw, você vai limpar dados tabulares do mundo real e realizar transformações que preparam os dados para análise. Ao final, estará pronto para garantir a qualidade dos dados em cada etapa das suas aplicações.

Data Types and Exceptions in Java

Limpeza de dados em Java com métodos estatísticos, transformações e validação para apps confiáveis.

Limpeza de Dados em Java

Limpeza de dados mestres em Java usando métodos estatísticos, transformações e validação para aplicativos confiáveis.

Aplicação de restrições

Create Your Free Account