À la fin de ce deuxième cours de la Specialization Total Data Quality, les apprenants seront en mesure de : 1. Apprendre diverses mesures pour évaluer la qualité totale des données (QTD) à chaque étape du cadre de la QTD. 2. Créer une carte conceptuelle de la qualité qui suit les aspects pertinents de la QDT à partir d'une application ou d'une source de données particulière. 3. Réfléchir aux compromis relatifs entre les aspects de la qualité, les coûts relatifs et les contraintes pratiques imposées par un projet ou une étude particulière. 4. Identifier les logiciels pertinents et les outils connexes pour calculer les différentes mesures. 5. Comprendre les mesures qui peuvent être calculées à la fois pour les données conçues et les données trouvées/organiques. 6. Appliquer les métriques aux données réelles et interpréter les valeurs qui en résultent du point de vue de la QDT. Cette spécialisation dans son ensemble vise à explorer en profondeur le cadre de la qualité totale des données et à fournir aux apprenants davantage d'informations sur l'évaluation détaillée de la qualité totale des données qui doit avoir lieu avant l'analyse des données. L'objectif est que les apprenants intègrent les évaluations de la qualité des données dans leur processus en tant que composante essentielle de tous les projets. Nous espérons sincèrement diffuser les connaissances sur la qualité totale des données à tous les apprenants, tels que les scientifiques des données et les analystes quantitatifs, qui n'ont pas reçu une formation suffisante dans les étapes initiales du processus de la science des données qui se concentrent sur la collecte des données et l'évaluation de la qualité des données. Nous pensons qu'une connaissance approfondie des techniques de la science des données et des procédures d'analyse statistique n'aidera pas une étude de recherche quantitative si les données collectées ne sont pas d'une qualité suffisante. Cette spécialisation se concentrera sur les premières étapes essentielles de tout type d'investigation scientifique utilisant des données : générer ou collecter des données, comprendre d'où viennent les données, évaluer la qualité des données et prendre des mesures pour maximiser la qualité des données avant d'effectuer tout type d'analyse statistique ou d'appliquer des techniques de la science des données pour répondre à des questions de recherche. Compte tenu de cette orientation, il y aura peu de matériel sur l'analyse des données, qui est couvert dans une myriade de spécialisations Coursera existantes. L'objectif principal de cette spécialisation sera de comprendre et de maximiser la qualité des données avant l'analyse.