Kurs
Inżynieria cech z PySpark
- ZaawansowanyPoziom umiejętności
- 4.8+
- 310 recenzji
Poznaj szczegóły, na które data scientists poświęcają 70–80% czasu: data wrangling i feature engineering.
Przetwarzanie danych
Oglądaj krótkie filmy prowadzone przez ekspertów-instruktorów, a następnie ćwicz to, czego się nauczyłeś, w interaktywnych ćwiczeniach w przeglądarce.
lub
Kurs
Poznaj szczegóły, na które data scientists poświęcają 70–80% czasu: data wrangling i feature engineering.
Przetwarzanie danych
Kurs
W tym kursie nauczysz się dopasowywać modele hierarchiczne z efektami losowymi.
Prawdopodobieństwo i statystyka
Kurs
Wykorzystaj umiejętności manipulacji danymi i wizualizacji, aby analizować historyczne głosowania Zgromadzenia Ogólnego ONZ.
Eksploracyjna analiza danych
Kurs
Poznaj różne typy w modelowaniu danych, także do predykcji, i naucz się prowadzić regresję liniową oraz oceniać modele w Tidyverse.
Prawdopodobieństwo i statystyka
Kurs
Poznaj kluczowe techniki potrzebne do wyciągania wartościowych wniosków z danych szeregów czasowych.
Prawdopodobieństwo i statystyka
Kurs
Poznaj koncepcje i zastosowania modeli liniowych z python i twórz modele do opisu, prognozowania i wyciągania wniosków ze wzorców danych.
Prawdopodobieństwo i statystyka
Kurs
Learn to choose, build with, and secure AWS data stores including DynamoDB and S3 through hands-on console exercises and real-world scenarios.
Chmura
Kurs
Twórz agentowe przepływy pracy AI, które planują, wyszukują, zapamiętują i współpracują, używając LlamaIndex.
Sztuczna inteligencja
Kurs
Deploy ADK agents to production using Vertex AI Agent Engine and Cloud Run. Add persistent cross-session memory with Memory Bank.
Chmura
Kurs
Poznaj Python, korzystając ze swojej wiedzy o popularnych funkcjach i technikach arkuszy kalkulacyjnych!
Tworzenie oprogramowania
Kurs
Udoskonal wiedzę i przygotuj się do kolejnej rozmowy kwalifikacyjnej, ćwicząc pytania rekrutacyjne z Python machine learning.
Uczenie maszynowe
Kurs
To studium przypadku Power BI pokazuje rzeczywisty biznesowy przypadek użycia analizy zapasów z użyciem DAX i wizualizacji.
Wizualizacja danych
Kurs
Zdobądź intuicję, jak działają klastrowanie hierarchiczne i k-means, i naucz się stosować je do wyciągania wniosków z danych.
Uczenie maszynowe
Kurs
Naucz się zapewniać czyste wprowadzanie danych i tworzyć dynamiczne pulpity nawigacyjne do prezentacji danych marketingowych.
Raportowanie
Kurs
Poznaj dwa kluczowe zadania wnioskowania statystycznego: estymację parametrów i testowanie hipotez.
Prawdopodobieństwo i statystyka
Kurs
Naucz się pisać zapytania rekurencyjne i odpytywać hierarchiczne struktury danych.
Tworzenie oprogramowania
Kurs
Naucz się korzystać z Amazon Bedrock, by uzyskiwać dostęp do modeli foundation AI i tworzyć z AI — bez zarządzania złożoną infrastrukturą.
Sztuczna inteligencja
Kurs
Bored of pouring over expenses to figure out which ones violate policy? No longer! Use Claude Cowork to produce fast and clear expense violation reports.
Sztuczna inteligencja
Kurs
Learn human-centric AI orchestration. Distinguish between augmentation and automation, and balance machine efficiency with human intuition.
Chmura
Kurs
Wizualizuj sezonowość, trendy i inne wzorce w danych szeregów czasowych.
Wizualizacja danych
Kurs
Poznaj tworzenie zaawansowanych i skutecznych modeli machine learning w Pythonie z użyciem technik ensemble, takich jak bagging, boosting i stacking.
Uczenie maszynowe
Kurs
Poznaj wycenę przedsiębiorstw w praktyce i studiach przypadków z użyciem zdyskontowanych przepływów pieniężnych (DCF).
Finanse stosowane
Kurs
Kurs Generalized Linear Model rozszerza zestaw narzędzi regresji o regresję logistyczną i Poissona.
Prawdopodobieństwo i statystyka
Kurs
Naucz się analizować obrazy w Keras z Pythonem, tworząc, trenując i oceniając konwolucyjne sieci neuronowe.
Sztuczna inteligencja
Kurs
Learn to work with time-to-event data. The event may be death or finding a job after unemployment. Learn to estimate, visualize, and interpret survival models!
Prawdopodobieństwo i statystyka
Kurs
This is an introductory level course that explores what large language models (LLM) are, their use cases, and how you can prompt them.
Chmura
Kurs
Naucz się segmentować klientów w Pythonie.
Przetwarzanie danych
Kurs
In this course, you’ll explore the essentials of cybersecurity, including the security lifecycle, digital transformation, and key cloud computing concepts.
Chmura
Kurs
Naucz się używać Pythona do analizy odpływu klientów i budowy modelu do jego przewidywania.
Eksploracyjna analiza danych
Kurs
Od customer lifetime value, przewidywania churn po segmentację — poznaj i wdrażaj use cases Machine Learning dla Marketingu w Python.
Uczenie maszynowe
Data science to dziedzina wiedzy skoncentrowana na pozyskiwaniu informacji z danych. Korzystając z umiejętności programowania, metod naukowych, algorytmów i nie tylko, data scientists analizują dane, aby tworzyć przydatne wnioski.
Będziesz potrzebować nauki języka programowania, takiego jak Python lub R, i opanowania zasad matematyki i statystyki. Niezbędna jest również znajomość metod analizy danych i narzędzi data science. Istnieje wiele sposobów nauki data science. Oprócz formalnych form edukacji, takich jak studia czy kursy akademickie, istnieje wiele innych zasobów, które pomogą ci uczyć się we własnym tempie. Oprócz kursów online i samouczków dostępne są książki, filmy i wiele więcej.
Oprócz znajomości matematyki i statystyki, data scientists potrzebują umiejętności programistycznych w językach takich jak Python, R i SQL. Ponadto data science wymaga umiejętności pracy z dużymi zbiorami danych, wiedzy z zakresu wizualizacji danych, obróbki danych i zarządzania bazami danych. Przydatne mogą być również umiejętności w dziedzinie uczenia maszynowego i głębokiego uczenia.
W zastosowaniach zawodowych prawie każda branża może w pewnym stopniu korzystać z data science. Organizacje opieki zdrowotnej używają data science do wykrywania i leczenia chorób, podczas gdy firmy finansowe używają jej do wykrywania i zapobiegania oszustwom. Wszelkiego rodzaju branże używają data science do marketingu, np. do budowania systemów rekomendacji i analizowania odejść klientów.
Tak, data science jest jednym z najszybciej rozwijających się sektorów w USA i na całym świecie. Jest to również jedna z najlepiej opłacanych karier. Według danych Payscale, doświadczeni data scientists zarabiają średnio 97 609 USD i mają ocenę satysfakcji czterech gwiazdek na pięć w USA.
Należy tu wziąć pod uwagę kilka kwestii. Po pierwsze, studia z zakresu data science są często wymagające, wymagając konsekwentnie wysokich ocen. Podobnie, wiele umiejętności wymaganych w data science wymaga dużo nauki i cierpliwości. Opanowanie wszystkich niezbędnych podstaw może zająć kilka miesięcy, a zdobycie stanowiska na poziomie podstawowym wymaga dużo praktycznego doświadczenia.
Tak, będziesz potrzebować doświadczenia w programowaniu w takich językach jak Python, R, SQL, Java czy C/C++. Jednak ze względu na stosunkowo prostą składnię Python jest często preferowanym wyborem wśród osób stawiających pierwsze kroki.
Dla osoby bez wcześniejszego doświadczenia w kodowaniu i/lub matematycznego przygotowania zazwyczaj zajmuje to 7 do 12 miesięcy intensywnych studiów, aby osiągnąć poziom data scientist na poziomie podstawowym. Jednak ważne jest, aby pamiętać, że nauka jedynie teoretycznych podstaw data science może nie uczynić cię prawdziwym data scientistem.
Gdy opanujesz podstawy data science, możesz specjalizować się w różnych obszarach – machine learning, sztuczna inteligencja, analiza big data, business intelligence i analityka, eksploracja danych i wiele innych.
Rozwijaj się w drodze dzięki naszym kursom mobilnym i codziennym 5-minutowym wyzwaniom kodowania.