|
|
什麼是壞資料？有些人認為它是一個技術性的現象，如遺失值或是格式不對的記錄，但壞資料其實不只如此。資料專家Q. Ethan McCallum邀請了資料領域中，具有不同身分，包含公司執行長、政府官員、科學家、大學教授、程式設計師的19位專家，分享他們處理壞資料問題的方法與心得。
從有問題的儲存、貧乏的表述到錯誤的政策，造成壞資料有許多的可能。總結來說，壞資料就是會阻礙你的資料。本書提供一些有效的解決方法。
本書涵蓋許多主題，包括：
．測試你的資料，來看它是否準備好被用作分析
．將電子試算表轉換為可被使用的表格
．處理在文字資料中隱藏的編碼問題
．開發一個成功的網頁抓取機制
．使用NLP工具來揭露線上評論的真實情緒
．提出可能會影響你的分析的雲端運算議題
．防止會阻礙資料分析的政策
．使用系統性的方法來分析資料品質
作者簡介:
Q. Ethan McCallum
Q. Ethan McCallum是一位顧問、作家以及科技狂熱者。他的文章出現在The O’Reilly Network以及Java.net的網站上，著有《C/C++ Users Journal》、《Doctor Dobb’s Journal》等書。他主要的工作，是幫助公司作出對資料以及技術的明智決策。
chapter 01 調整步伐：什麼是壞資料？
chapter 02 是只有我這樣，還是這個資料本身令人感到有趣？
chapter 03 資料是要給人類使用，而非給機器使用
chapter 04 隱藏在純文字中的壞資料
chapter 05 （重新）組織網站的資料
chapter 06 在矛盾的線上評論中偵測謊言以及混亂的狀況
chapter 07 可否請壞資料站出來？
chapter 08 血、汗與尿
chapter 09 當資料與現實並不相符時
chapter 10 偏頗與錯誤的微妙來源
chapter 11 別讓「完美」成為「好」的敵人：壞資料真的壞嗎？
chapter 12 當資料庫攻擊時：何時要堅持使用檔案的導引
chapter 13 臥庫表，藏網路
chapter 14 雲端運算的迷思
chapter 15 資料科學的黑暗面
chapter 16 要如何餵養以及照護你的機器學習專家
chapter 17 資料可追蹤性
chapter 18 社群媒體：可抹除式墨水？
chapter 19 揭開資料品質分析的神秘面紗：瞭解何時你的資料已經夠好了
索引
