Membuat Pipeline Transformasi Data dengan Cloud Dataprep Ulasan

satisfied

Saran M. · Diulas lebih dari 1 tahun lalu

Gadi B. · Diulas lebih dari 1 tahun lalu

Kartik K. · Diulas lebih dari 1 tahun lalu

This was a really nice lab!

Oluwapelumi S. · Diulas lebih dari 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 lebih dari 1 tahun lalu

Alexis V. · Diulas lebih dari 1 tahun lalu

Fredrick J. · Diulas lebih dari 1 tahun lalu

Tanu G. · Diulas lebih dari 1 tahun lalu

Sudhanshu D. · Diulas lebih dari 1 tahun lalu

Marius H. · Diulas lebih dari 1 tahun lalu

Himanshu A. · Diulas lebih dari 1 tahun lalu

璟宏 劉. · Diulas lebih dari 1 tahun lalu

Eduardo C. · Diulas lebih dari 1 tahun lalu

yetendra K. · Diulas lebih dari 1 tahun lalu

EIKI T. · Diulas lebih dari 1 tahun lalu

Abdurrahman A. · Diulas lebih dari 1 tahun lalu

elkana m. · Diulas lebih dari 1 tahun lalu

last part for output in dataprep was hard to understand (esp. the workflow/labeling does not fit to the lab

Michael K. · Diulas lebih dari 1 tahun lalu

Juan Carlos B. · Diulas lebih dari 1 tahun lalu

Avadut K. · Diulas lebih dari 1 tahun lalu

Pankaj G. · Diulas lebih dari 1 tahun lalu

Prasad I. · Diulas lebih dari 1 tahun lalu

sara p. · Diulas lebih dari 1 tahun lalu

Priyadeep M. · Diulas lebih dari 1 tahun lalu

ARRAMSHETTY S. · Diulas lebih dari 1 tahun lalu