Membuat Pipeline Transformasi Data dengan Cloud Dataprep Ulasan

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 2 tahun lalu

Alexis V. · Diulas sekitar 2 tahun lalu

Fredrick J. · Diulas sekitar 2 tahun lalu

Tanu G. · Diulas sekitar 2 tahun lalu

Sudhanshu D. · Diulas sekitar 2 tahun lalu

Marius H. · Diulas sekitar 2 tahun lalu

Himanshu A. · Diulas sekitar 2 tahun lalu

璟宏 劉. · Diulas sekitar 2 tahun lalu

Eduardo C. · Diulas sekitar 2 tahun lalu

yetendra K. · Diulas sekitar 2 tahun lalu

EIKI T. · Diulas sekitar 2 tahun lalu

Abdurrahman A. · Diulas sekitar 2 tahun lalu

elkana m. · Diulas sekitar 2 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 sekitar 2 tahun lalu

Juan Carlos B. · Diulas sekitar 2 tahun lalu

Avadut K. · Diulas sekitar 2 tahun lalu

Pankaj G. · Diulas sekitar 2 tahun lalu

Prasad I. · Diulas sekitar 2 tahun lalu

sara p. · Diulas sekitar 2 tahun lalu

Priyadeep M. · Diulas sekitar 2 tahun lalu

ARRAMSHETTY S. · Diulas sekitar 2 tahun lalu

sara p. · Diulas sekitar 2 tahun lalu

Amritansh S. · Diulas sekitar 2 tahun lalu

Did everything as proposed, was not able to validate last step several time. Would be nice to have hints why it did not work...

adrien p. · Diulas sekitar 2 tahun lalu

Vrajkumar P. · Diulas sekitar 2 tahun lalu