DHV301 - Phần 2: Làm sạch và chuẩn bị dữ liệu

Phần 2 tương ứng buổi 7–12, gắn CLO1, tập trung vào biến đổi dữ liệu trước khi phân tích. Buổi 7–9 xử lý các dạng giá trị thiếu và lựa chọn giữa loại bỏ hoặc điền giá trị; đồng thời kiểm soát kiểu dữ liệu, chuyển đổi ngày tháng và chuẩn hóa chuỗi văn bản. Việc làm sạch được theo dõi bằng một cleaning log để các thay đổi trên dữ liệu có thể được lần lại. Buổi 10–12 mở rộng sang normalization, scaling, binning và one-hot encoding cho biến phân loại. Phần này cũng đưa feature engineering vào mức nhập môn và chỉ ra rủi ro data leakage khi thông tin từ ngoài tập huấn luyện đi vào bước chuẩn bị đặc trưng. Các thao tác được đặt trong ngữ cảnh Pandas và các công cụ preprocessing của scikit-learn, thay vì coi từng phép biến đổi là một bước rời rạc.