Modul 4 — Modul 4 — Menyiapkan Data: Pembersihan, Transformasi, dan Rekayasa Fitur

• Menerapkan strategi penanganan nilai hilang, duplikat, dan nilai ekstrem yang sesuai dengan penyebab masing-masing, serta menuliskan alasan tiap keputusan pada tabel catatan lima kolom yang bisa ditelusuri ulang.
• Membedakan teknik pengubahan kolom kategorik dari teknik penyeragaman skala numerik, lalu menentukan kapan tiap teknik benar-benar dibutuhkan oleh algoritma yang dipakai dan kapan tidak.
• Merumuskan fitur turunan dari empat keluarga — kebaruan, frekuensi, dan nilai belanja pelanggan; agregasi per periode; rasio pembanding; penanda kondisi — dan menjelaskan dugaan kontribusi tiap fitur terhadap hasil analisis.
• Mengevaluasi sebuah urutan kerja penyiapan data, menunjuk langkah tempat kebocoran informasi terjadi, dan menyusun ulang urutannya relatif terhadap pemisahan data latih dan uji.