 डेक्तार अट्र्फ्रिई कोई आप अप अदिटा के न्धा के लिए भाउ था आप नाथ यह च़िन. उगर नहीं चे जे सब देता लेगजु के लिए तेदा कीनेग है. इपलिएके बल़े लिए भाउ गागु तेदा लेगजु के यह भाउ देटा रेग है. अ लेई अंगे लग्दित टाब जागा, अख़ा टेटा लेईंग यी ख्या उद्रत्दार्द of removing corrupted and inaccurate records from a table database or record set उस के न्दर भह मुझाना टेका कर पना अगर कुए तेलिकहाम की बात कोरिए बनकिन की बात कोरिए � excellement can be at any frequency depending upon under telecom, banking or social media अपके पास देता से कोिर्चुटि ने और सब सिथ तो हुझान ज़े बात से तेपोगे अगप ञाने होगा लेकिन जब वो data source system से आपके data warehouse में आपके data lake में आते तो उसके अंदर बोचारी inconsistencies पैडा हो जाते हैं कैई दखा होतागे कोई field आउसके अंदर data इं देटा ही नहीं हैं कोई file आउसके अंदर वो data नहीं हैं या कोई folder आउसके अंदर files कम हैं इसके इसके भी different techniques होती हैं तो फिर आप उसके अंदर ये जो बी anomalies होती हैं आप उनको जो है वो remove करते हैं आप देन यो take it further for the processing या data analysis जो बी आपने करना हैं वो आप उसके अप वो perform करते हैं जो data wrangling में हमने देखा आप cleaning या cleaning इसके अंदर आप मैं उसके जो तोड़ा सोसी concept पे re-iterate कर रहे हैं आप ये जो data cleaning आप this is just one step हमने किया किया किया हमने इसको explore किया या ingest किया etl किया ये कुछ step again this data exploration is not just one step अपने data को etl किया elt किया ingest किया then अपने उसको inform किया transform किया then you clean it आप ये देखे किया जो पुरा process आपने उसको transform किया enrich किया और यान से लेके then you store it in the database अपने उसको लिइक तेखलिंका process अचे लोग बाग लिए धेखलिंका process के आप इस किया किया जीजे ओ़ जो से थे जो थे लिए डेटा cleaning ऐप वो एक step आप पूरे process किया लिए नदर किया आप ये बतारा आप को if you are working in a big organization अब किया आप आपुँ साडे data sets with which you work यह के आप को you should be able to understand and distinguish different steps के हर स्टप की जो nature के है, उस वो काम क्या करते है, अप उस को किस तरान से use कर सकते है, और आप की जो data है आप के पास, किस साईज के data, किस nature के data, किस frequent cpr है, आप का audience कोन है, तो यही चीजने, actually this is what you will be doing all your life as a data scientist. तो जो data के जो structure चेंज हो जेंगे, source is changed हो जेंगे, और बवो सारी organization मिस पोज, अगर आप telecom में काम कर, उस में data तो चेंज वो source is only there, until after there is a change in the technology. आप करे जी 4G, 3G ता 4G आगया, 5G आगया, yes, it means that data के देटा के अंधर change is coming, but it doesn't happen immediately अगर आप की सार लो बवाद ये चेंजी जाती है, तो this is an advantage and disadvantage both, अगर आप की सी एक अगर अगर अजनेशेशन में एक टेटा के बवो साल काम करते है, तो that becomes your asset, और उसी तरा वो आप के लिमितेशन भी बन जाती है, अगर अपने करियर में मुव करना चाते है, तो that may be a problem for you, बहुत ये कोई रूल नहीं है के आज़ा ही होगा, असल चीज तो यह के जो आप की एकसपर्टीश है, अज़ देटा साँँटिस, उनके अपने अपने अपना फोकस रखना, आप चवात की असल थे, आप आप देटा साँँटिस है, अप तो प्षाischer में ठी ठेटा करी अज़ा ती ती आध़ा शाते है, अप यह ती और उना में नहीं ज़ाती है, देटा साँँटी रप बहुत साँँटी, अंडर, दीपदन्त्र खलूमजार, दीपदन्त्र कलाउफ लेहें। और दीपदन्त जो आदददा शब्ट्च है कि आख्ड हैं। अब इसको, यह जो एस में बी डच यया देटा एंजिनेर यह देटा आनलगिस्त इंगे लेगा सरबलक प्रभार, अखे लेगा नब बूअ प्र्ट्तीग थो अगा गए देटाingenuary या देटा डबलपर ये कामम गो काम करते हैं इसके रीजन एक आखा ज़े वप वह आप के ख्डूल में नहीं अप आप यह देपार्ट stood इसकिग atka kaam hai... यैता को  लेई देटाए। ख़द Desh τον karenes onlyमा approx. थाई अपना का थो संगा कर था के सास ve91a j leaders । yais skirt ये ये और दिڃा कर रहे है drink इस �now is the situation like this and this will happen every day multiple time in your life, ferm तो जो क्लीनिंग करते हैं देटा की, या आप देटा की ट्रान्स्वर्मेशन करते हैं रिच्मेंग करते हैं, या अवर रोल देटा रेंगलिंग आप किस तरा से करते हैं