Membuat Pipeline Transformasi Data dengan Cloud Dataprep Ulasan

Detlev M. · Diulas sekitar 1 tahun lalu

翔一 佐. · Diulas sekitar 1 tahun lalu

Zari B. · Diulas sekitar 1 tahun lalu

Srinivasa G. · Diulas sekitar 1 tahun lalu

翔一 佐. · Diulas sekitar 1 tahun lalu

Eduardo C. · Diulas sekitar 1 tahun lalu

An H. · Diulas sekitar 1 tahun lalu

Kuan C. · Diulas sekitar 1 tahun lalu

Felipe M. · Diulas sekitar 1 tahun lalu

Kuan C. · Diulas sekitar 1 tahun lalu

Vedansh C. · Diulas sekitar 1 tahun lalu

Sebastian L. · Diulas sekitar 1 tahun lalu

Miguel M. · Diulas sekitar 1 tahun lalu

Not working

Harsh M. · Diulas sekitar 1 tahun lalu

Glenn F. · Diulas sekitar 1 tahun lalu

Aaron D. · Diulas sekitar 1 tahun lalu

Tuhin R. · Diulas sekitar 1 tahun lalu

Could not complete the lab because verification was not working.

Roel T. · Diulas sekitar 1 tahun lalu

satisfied

Saran M. · Diulas sekitar 1 tahun lalu

Gadi B. · Diulas sekitar 1 tahun lalu

Kartik K. · Diulas sekitar 1 tahun lalu

This was a really nice lab!

Oluwapelumi S. · Diulas sekitar 1 tahun lalu

I didn't like the naming of the columns as both camelCase and snake_case was used. Cleaning up the column names should be part of a data cleaning pipeline. Also hard coding the categorical values using a CASE statement is not best practice. Better to create a mapping table and join data.

Malte B. · Diulas sekitar 1 tahun lalu

Alexis V. · Diulas sekitar 1 tahun lalu

Fredrick J. · Diulas sekitar 1 tahun lalu