Kurs
Wprowadzenie do R
- PodstawowyPoziom umiejętności
- 4.8+
- 2425 recenzji
Opanuj podstawy analizy danych w R, w tym wektory, listy i ramki danych, i ćwicz R na rzeczywistych zbiorach danych.
Tworzenie oprogramowania
Oglądaj krótkie filmy prowadzone przez ekspertów-instruktorów, a następnie ćwicz to, czego się nauczyłeś, w interaktywnych ćwiczeniach w przeglądarce.
lub
Kurs
Opanuj podstawy analizy danych w R, w tym wektory, listy i ramki danych, i ćwicz R na rzeczywistych zbiorach danych.
Tworzenie oprogramowania
Kurs
Kontynuuj drogę do zostania ninja R, poznając instrukcje warunkowe, pętle i funkcje wektorowe.
Tworzenie oprogramowania
Kurs
Rozwijaj umiejętności statystyczne i ucz się zbierać, analizować oraz wyciągać trafne wnioski z danych.
Prawdopodobieństwo i statystyka
Kurs
Zacznij odkrywać i wizualizować własne dane z tidyverse — potężnym i popularnym zestawem narzędzi data science w R.
Tworzenie oprogramowania
Kurs
Naucz się tworzyć znaczące i piękne wizualizacje danych w ggplot2, poznając gramatykę grafiki.
Wizualizacja danych
Kurs
Rozwijaj umiejętności Tidyverse, ucząc się, jak przekształcać i manipulować danymi za pomocą dplyr.
Przetwarzanie danych
Kurs
Prognozuj ceny mieszkań i współczynnik kliknięć reklam, implementując, analizując i interpretując analizę regresji w R.
Prawdopodobieństwo i statystyka
Kurs
W tym kursie nauczysz się odczytywać pliki CSV, XLS i tekstowe w R, używając narzędzi takich jak readxl i data.table.
Przygotowanie danych
Kurs
Poznaj techniki graficzne i numeryczne, by zacząć odkrywać strukturę swoich danych.
Eksploracyjna analiza danych
Kurs
Naucz się, kiedy i jak stosować testowanie hipotez w R, w tym testy t, testy proporcji i testy chi-kwadrat.
Prawdopodobieństwo i statystyka
Kurs
Łącz dane z wielu tabel, by odpowiadać na bardziej złożone pytania za pomocą dplyr.
Przetwarzanie danych
Kurs
Naucz się wykonywać regresję liniową i logistyczną z wieloma zmiennymi objaśniającymi.
Prawdopodobieństwo i statystyka
Kurs
Take your R skills up a notch by learning to write efficient, reusable functions.
Tworzenie oprogramowania
Kurs
Opanuj próbkowanie, aby uzyskiwać dokładniejsze statystyki przy mniejszej ilości danych.
Prawdopodobieństwo i statystyka
Kurs
W tym kursie poznasz podstawy machine learning do klasyfikacji.
Uczenie maszynowe
Kurs
Naucz się czyścić dane jak najszybciej i najdokładniej, by przejść od surowych danych do świetnych wniosków.
Przygotowanie danych
Kurs
Naucz się używać faset, układów współrzędnych i statystyk w ggplot2, aby tworzyć czytelne wykresy objaśniające.
Wizualizacja danych
Kurs
Naucz się pisać szybszy kod R, poznaj benchmarking i profilowanie oraz odkryj tajniki programowania równoległego.
Tworzenie oprogramowania
Kurs
Ten kurs to wprowadzenie do algebry liniowej, jednego z najważniejszych zagadnień matematycznych stojących za data science.
Prawdopodobieństwo i statystyka
Kurs
Naucz się korzystać z podstawowych pakietów Bioconductor do bioinformatyki, używając danych z wirusów, grzybów, ludzi i roślin!
Prawdopodobieństwo i statystyka
Kurs
Poznaj podstawowe struktury danych, takie jak listy i data frames, i zastosuj tę wiedzę bezpośrednio do przykładów finansowych.
Finanse stosowane
Kurs
Przekształć niemal każdy zbiór danych w uporządkowany format, by ułatwić analizę.
Przetwarzanie danych
Kurs
R Markdown to łatwy w użyciu język formatowania do tworzenia dynamicznych raportów z kodu R.
Raportowanie
Kurs
Parse data in any format. Whether its flat files, statistical software, databases, or data right from the web.
Przygotowanie danych
Kurs
W tym kursie nauczysz się dopasowywać modele hierarchiczne z efektami losowymi.
Prawdopodobieństwo i statystyka
Kurs
Poznaj kluczowe techniki potrzebne do wyciągania wartościowych wniosków z danych szeregów czasowych.
Prawdopodobieństwo i statystyka
Kurs
W tym kursie poznasz podstawy projektowania eksperymentów, kluczowy element każdej analizy danych.
Prawdopodobieństwo i statystyka
Kurs
Dowiedz się, jak wyciągać wnioski o populacji na podstawie próby danych za pomocą procesu znanego jako wnioskowanie statystyczne.
Prawdopodobieństwo i statystyka
Kurs
W tym kursie poznasz pojęcia zmiennych losowych, rozkładów i warunkowania.
Prawdopodobieństwo i statystyka
Kurs
Shiny is an R package that makes it easy to build interactive web apps directly in R, allowing your team to explore your data as dashboards or visualizations.
Tworzenie oprogramowania
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.
Rób postępy w podróży dzięki naszym kursom mobilnym i codziennym 5-minutowym wyzwaniom kodowania.