Przejdź do treści głównej

Kursy dotyczące danych, sztucznej inteligencji i chmury

Opanuj umiejętności, które mają znaczenie

Obejrzyj krótkie filmy prowadzone przez doświadczonych instruktorów, a następnie przećwicz zdobytą wiedzę, korzystając z interaktywnych ćwiczeń w przeglądarce.

  • Ucz się we własnym tempie
  • Zdobądź praktyczne doświadczenie
  • Kompletne rozdziały w pigułce

Utwórz bezpłatne konto

Lub

Kontynuując, akceptujesz nasze Warunki korzystania, naszą Politykę prywatności oraz fakt, że Twoje dane są przechowywane w USA.
79 courses

course

Introduction to Spark SQL in Python

  • ZaawansowanyPoziom umiejętności
  • 4.4+
  • 457

Learn how to manipulate data and create machine learning feature sets in Spark using SQL in Python.

Manipulacja danymi

4 godziny

course

Feature Engineering with PySpark

  • ZaawansowanyPoziom umiejętności
  • 4.6+
  • 453

Learn the gritty details that data scientists are spending 70-80% of their time on; data wrangling and feature engineering.

Manipulacja danymi

4 godziny

course

Graph RAG with LangChain and Neo4j

  • ZaawansowanyPoziom umiejętności
  • 4.5+
  • 450

Create more accurate and reliable RAG systems with Graph RAG and hybrid RAG.

Sztuczna inteligencja

3 godziny

course

Introduction to Portfolio Analysis in Python

  • ZaawansowanyPoziom umiejętności
  • 4.6+
  • 445

Learn how to calculate meaningful measures of risk and performance, and how to compile an optimal portfolio for the desired risk and return trade-off.

Finanse stosowane

4 godziny

course

Streaming Data with AWS Kinesis and Lambda

  • ZaawansowanyPoziom umiejętności
  • 4.5+
  • 443

Learn how to work with streaming data using serverless technologies on AWS.

Chmura

4 godziny

course

Generalized Linear Models in Python

  • ZaawansowanyPoziom umiejętności
  • 4.6+
  • 433

Extend your regression toolbox with the logistic and Poisson models and learn to train, understand, and validate them, as well as to make predictions.

Prawdopodobieństwo i statystyka

5 godzin

course

Hierarchical and Mixed Effects Models in R

  • ZaawansowanyPoziom umiejętności
  • 4.4+
  • 433

In this course you will learn to fit hierarchical models with random effects.

Prawdopodobieństwo i statystyka

4 godziny

course

Reinforcement Learning from Human Feedback (RLHF)

  • ZaawansowanyPoziom umiejętności
  • 4.3+
  • 433

Learn how to make GenAI models truly reflect human values while gaining hands-on experience with advanced LLMs.

Sztuczna inteligencja

4 godziny

course

Databricks with the Python SDK

  • ZaawansowanyPoziom umiejętności
  • 4.4+
  • 387

Master Databricks with Python: learn to authenticate, manage clusters, automate jobs, and query AI models programmatically.

Sztuczna inteligencja

3 godziny

course

Winning a Kaggle Competition in Python

  • ZaawansowanyPoziom umiejętności
  • 4.8+
  • 365

Learn how to approach and win competitions on Kaggle.

Uczenie maszynowe

4 godziny

course

Monitoring Machine Learning in Python

  • ZaawansowanyPoziom umiejętności
  • 4.7+
  • 356

This course covers everything you need to know to build a basic machine learning monitoring system in Python

Uczenie maszynowe

3 godziny

course

Object-Oriented Programming with S3 and R6 in R

  • ZaawansowanyPoziom umiejętności
  • 4.6+
  • 330

Manage the complexity in your code using object-oriented programming with the S3 and R6 systems.

Rozwój oprogramowania

4 godziny

course

Designing Machine Learning Workflows in Python

  • ZaawansowanyPoziom umiejętności
  • 4.4+
  • 325

Learn to build pipelines that stand the test of time.

Uczenie maszynowe

4 godziny

course

Recurrent Neural Networks (RNNs) for Language Modeling with Keras

  • ZaawansowanyPoziom umiejętności
  • 4.8+
  • 318

Learn how to use RNNs to classify text sentiment, generate sentences, and translate text between languages.

Sztuczna inteligencja

4 godziny

course

Hierarchical and Recursive Queries in SQL Server

  • ZaawansowanyPoziom umiejętności
  • 4.7+
  • 314

Learn how to write recursive queries and query hierarchical data structures.

Rozwój oprogramowania

4 godziny

course

Optimizing Code in Java

  • ZaawansowanyPoziom umiejętności
  • 4.8+
  • 311

Learn key techniques to optimize Java performance, from algorithm efficiency to JVM tuning and multithreading.

Rozwój oprogramowania

3 godziny

course

Spoken Language Processing in Python

  • ZaawansowanyPoziom umiejętności
  • 4.8+
  • 309

Learn how to load, transform, and transcribe speech from raw audio files in Python.

Manipulacja danymi

4 godziny

course

Building Agentic Workflows with LlamaIndex

  • ZaawansowanyPoziom umiejętności
  • 4.4+
  • 309

Build AI agentic workflows that can plan, search, remember, and collaborate, using LlamaIndex.

Sztuczna inteligencja

2 godziny

course

Querying a PostgreSQL Database in Java

  • ZaawansowanyPoziom umiejętności
  • 4.6+
  • 308

Connect Java to PostgreSQL with JDBC. Write secure queries, manage transactions, and handle large datasets efficiently.

Rozwój oprogramowania

3 godziny

course

Inference for Numerical Data in R

  • ZaawansowanyPoziom umiejętności
  • 4.5+
  • 308

In this course youll learn techniques for performing statistical inference on numerical data.

Prawdopodobieństwo i statystyka

4 godziny

course

Practicing Machine Learning Interview Questions in Python

  • ZaawansowanyPoziom umiejętności
  • 4.4+
  • 297

Sharpen your knowledge and prepare for your next interview by practicing Python machine learning interview questions.

Uczenie maszynowe

4 godziny

course

Inference for Categorical Data in R

  • ZaawansowanyPoziom umiejętności
  • 4.4+
  • 294

In this course youll learn how to leverage statistical techniques for working with categorical data.

Prawdopodobieństwo i statystyka

4 godziny

course

Case Study: Data Analysis in Databricks

  • ZaawansowanyPoziom umiejętności
  • 4.1+
  • 294

Learn to analyze Airbnb data using SQL in Databricks, create dashboards, and derive actionable insights.

Importowanie i czyszczenie danych

3 godziny

course

Case Study: Building Software in Python

  • ZaawansowanyPoziom umiejętności
  • 4.6+
  • 290

Build real-world applications with Python—practice using OOP and software engineering principles to write clean and maintainable code.

Rozwój oprogramowania

3 godziny

course

Factor Analysis in R

  • ZaawansowanyPoziom umiejętności
  • 4.6+
  • 278

Explore latent variables, such as personality, using exploratory and confirmatory factor analyses.

Prawdopodobieństwo i statystyka

4 godziny

course

Building Recommendation Engines with PySpark

  • ZaawansowanyPoziom umiejętności
  • 4.5+
  • 277

Learn tools and techniques to leverage your own big data to facilitate positive experiences for your users.

Uczenie maszynowe

4 godziny

course

Practicing Statistics Interview Questions in Python

  • ZaawansowanyPoziom umiejętności
  • 4.6+
  • 267

Prepare for your next statistics interview by reviewing concepts like conditional probabilities, A/B testing, the bias-variance tradeoff, and more.

Prawdopodobieństwo i statystyka

4 godziny

course

Inference for Linear Regression in R

  • ZaawansowanyPoziom umiejętności
  • 4.3+
  • 260

In this course youll learn how to perform inference using linear models.

Prawdopodobieństwo i statystyka

4 godziny

course

Introduction to Testing in Java

  • ZaawansowanyPoziom umiejętności
  • 4.7+
  • 259

Learn how to write effective tests in Java using JUnit and Mockito to build robust, reliable applications with confidence.

Rozwój oprogramowania

3 godziny

course

Advanced Probability: Uncertainty in Data

  • ZaawansowanyPoziom umiejętności
  • 4.6+
  • 243

Develop a better intuition for advanced probability, risk assessment, and simulation techniques to make data-driven business decisions with confidence.

Prawdopodobieństwo i statystyka

2 godziny

FAQs

Czym jest nauka o danych?

Data science to dziedzina wiedzy skupiająca się na pozyskiwaniu informacji z danych. Wykorzystując umiejętności programistyczne, metody naukowe, algorytmy i inne, naukowcy zajmujący się danymi analizują dane, aby wyciągać z nich praktyczne wnioski.

Jak mogę nauczyć się nauki o danych?

Musisz nauczyć się języka programowania, takiego jak Python lub R, oraz opanować podstawy matematyki i statystyki. Znajomość metod analizy danych i narzędzi do nauki o danych jest również niezbędna. Istnieje wiele sposobów nauki o danych. Oprócz formalnych metod edukacji, takich jak studia wyższe czy uniwersyteckie, istnieje wiele innych źródeł, które pomogą Ci uczyć się we własnym tempie. Oprócz kursów i samouczków online dostępne są książki, filmy i wiele innych.

Jakie umiejętności są wymagane w nauce danych?

Oprócz znajomości matematyki i statystyki, specjaliści ds. data science potrzebują umiejętności programowania w językach takich jak Python, R i SQL. Dodatkowo, data science wymaga umiejętności pracy z dużymi zbiorami danych, znajomości wizualizacji danych, ich przetwarzania i zarządzania bazami danych. Przydatne mogą być również umiejętności z zakresu uczenia maszynowego i głębokiego uczenia (deep learning).

Do czego mogę wykorzystać naukę o danych?

W celach zawodowych niemal każda branża może w pewnym stopniu wykorzystać naukę danych. Organizacje opieki zdrowotnej wykorzystują naukę danych do wykrywania i leczenia chorób, a firmy finansowe do wykrywania i zapobiegania oszustwom. Wszystkie branże wykorzystują naukę danych w marketingu, na przykład do tworzenia systemów rekomendacji i analizy odejść klientów.

Czy nauka o danych to dobry zawód?

Tak, nauka o danych należy do najszybciej rozwijających się sektorów w Stanach Zjednoczonych i na świecie. To również jedna z najlepiej płatnych karier. Według danych Payscale, doświadczeni naukowcy zajmujący się danymi zarabiają średnio 97 609 dolarów i mają ocenę satysfakcji na poziomie czterech gwiazdek na pięć w USA.

Czy trudno jest zostać naukowcem zajmującym się danymi?

Należy wziąć pod uwagę kilka kwestii. Po pierwsze, studia z zakresu data science mogą być trudne do zdobycia, często wymagając konsekwentnie wysokich ocen. Podobnie, wiele umiejętności wymaganych w tej dziedzinie wymaga intensywnej nauki i cierpliwości. Opanowanie wszystkich niezbędnych podstaw może zająć kilka miesięcy, a zdobycie stanowiska na poziomie podstawowym wymaga również dużego doświadczenia praktycznego.

Czy nauka o danych wymaga kodowania?

Tak, potrzebne będzie Ci pewne doświadczenie w programowaniu w językach takich jak Python, R, SQL, Java i C/C++. Jednak ze względu na stosunkowo prostą składnię, język programowania Python jest często preferowanym wyborem wśród nowicjuszy.

Ile czasu potrzeba, aby zostać naukowcem zajmującym się danymi?

Osoba bez wcześniejszego doświadczenia w kodowaniu i/lub wiedzy matematycznej, zazwyczaj potrzebuje od 7 do 12 miesięcy intensywnej nauki, aby osiągnąć poziom początkującego analityka danych. Należy jednak pamiętać, że nauka wyłącznie podstaw teoretycznych analityki danych może nie uczynić z Ciebie prawdziwego analityka danych.

Jakie tematy mogę zgłębiać w ramach nauki o danych?

Po opanowaniu podstaw nauki o danych możesz specjalizować się w różnych obszarach, m.in. w uczeniu maszynowym, sztucznej inteligencji, analizie dużych zbiorów danych, analityce biznesowej i inteligencji, eksploracji danych i innych.

Rozwijaj swoje umiejętności w zakresie danych dzięki DataCamp dla urządzeń mobilnych

Rób postępy w podróży dzięki naszym kursom mobilnym i codziennym 5-minutowym wyzwaniom kodowania.