Перейти к основному содержимому

Курсы по данным, искусственному интеллекту и облачным технологиям

Освойте навыки, которые имеют значение.

Просматривайте короткие видеоролики под руководством опытных инструкторов, а затем применяйте полученные знания на практике с помощью интерактивных упражнений в браузере.

  • Учитесь в своем собственном темпе.
  • Получите практический опыт.
  • Полные главы, которые можно прочитать понемногу.

Создайте бесплатный аккаунт

или

Продолжая, вы принимаете наши Условия использования, нашу Политику конфиденциальности и подтверждаете, что ваши данные хранятся в США.
79 Courses

Course

Introduction to Spark SQL in Python

  • ПередовойУровень мастерства
  • 4.4+
  • 457

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

Манипулирование данными

4 часа

Course

Feature Engineering with PySpark

  • ПередовойУровень мастерства
  • 4.6+
  • 453

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

Манипулирование данными

4 часа

Course

Graph RAG with LangChain and Neo4j

  • ПередовойУровень мастерства
  • 4.5+
  • 450

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

Искусственный интеллект

3 часа

Course

Introduction to Portfolio Analysis in Python

  • ПередовойУровень мастерства
  • 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.

Прикладные финансы

4 часа

Course

Streaming Data with AWS Kinesis and Lambda

  • ПередовойУровень мастерства
  • 4.5+
  • 443

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

Облако

4 часа

Course

Generalized Linear Models in Python

  • ПередовойУровень мастерства
  • 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.

Вероятность и статистика

5 часов

Course

Hierarchical and Mixed Effects Models in R

  • ПередовойУровень мастерства
  • 4.4+
  • 433

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

Вероятность и статистика

4 часа

Course

Reinforcement Learning from Human Feedback (RLHF)

  • ПередовойУровень мастерства
  • 4.3+
  • 433

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

Искусственный интеллект

4 часа

Course

Databricks with the Python SDK

  • ПередовойУровень мастерства
  • 4.4+
  • 387

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

Искусственный интеллект

3 часа

Course

Winning a Kaggle Competition in Python

  • ПередовойУровень мастерства
  • 4.8+
  • 365

Learn how to approach and win competitions on Kaggle.

Машинное обучение

4 часа

Course

Monitoring Machine Learning in Python

  • ПередовойУровень мастерства
  • 4.7+
  • 356

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

Машинное обучение

3 часа

Course

Object-Oriented Programming with S3 and R6 in R

  • ПередовойУровень мастерства
  • 4.6+
  • 330

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

Разработка программного обеспечения

4 часа

Course

Designing Machine Learning Workflows in Python

  • ПередовойУровень мастерства
  • 4.4+
  • 325

Learn to build pipelines that stand the test of time.

Машинное обучение

4 часа

Course

Recurrent Neural Networks (RNNs) for Language Modeling with Keras

  • ПередовойУровень мастерства
  • 4.8+
  • 318

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

Искусственный интеллект

4 часа

Course

Hierarchical and Recursive Queries in SQL Server

  • ПередовойУровень мастерства
  • 4.7+
  • 314

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

Разработка программного обеспечения

4 часа

Course

Optimizing Code in Java

  • ПередовойУровень мастерства
  • 4.8+
  • 311

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

Разработка программного обеспечения

3 часа

Course

Spoken Language Processing in Python

  • ПередовойУровень мастерства
  • 4.8+
  • 309

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

Манипулирование данными

4 часа

Course

Building Agentic Workflows with LlamaIndex

  • ПередовойУровень мастерства
  • 4.4+
  • 309

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

Искусственный интеллект

2 часа

Course

Querying a PostgreSQL Database in Java

  • ПередовойУровень мастерства
  • 4.6+
  • 308

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

Разработка программного обеспечения

3 часа

Course

Inference for Numerical Data in R

  • ПередовойУровень мастерства
  • 4.5+
  • 308

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

Вероятность и статистика

4 часа

Course

Practicing Machine Learning Interview Questions in Python

  • ПередовойУровень мастерства
  • 4.4+
  • 297

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

Машинное обучение

4 часа

Course

Inference for Categorical Data in R

  • ПередовойУровень мастерства
  • 4.4+
  • 294

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

Вероятность и статистика

4 часа

Course

Case Study: Data Analysis in Databricks

  • ПередовойУровень мастерства
  • 4.1+
  • 294

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

Импорт и очистка данных

3 часа

Course

Case Study: Building Software in Python

  • ПередовойУровень мастерства
  • 4.6+
  • 290

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

Разработка программного обеспечения

3 часа

Course

Factor Analysis in R

  • ПередовойУровень мастерства
  • 4.6+
  • 278

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

Вероятность и статистика

4 часа

Course

Building Recommendation Engines with PySpark

  • ПередовойУровень мастерства
  • 4.5+
  • 277

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

Машинное обучение

4 часа

Course

Practicing Statistics Interview Questions in Python

  • ПередовойУровень мастерства
  • 4.6+
  • 267

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

Вероятность и статистика

4 часа

Course

Inference for Linear Regression in R

  • ПередовойУровень мастерства
  • 4.3+
  • 260

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

Вероятность и статистика

4 часа

Course

Introduction to Testing in Java

  • ПередовойУровень мастерства
  • 4.7+
  • 259

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

Разработка программного обеспечения

3 часа

Course

Advanced Probability: Uncertainty in Data

  • ПередовойУровень мастерства
  • 4.6+
  • 243

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

Вероятность и статистика

2 часа

FAQs

Что такое наука о данных?

Наука о данных — это область знаний, сосредоточенная на извлечении информации из данных. Используя навыки программирования, научные методы, алгоритмы и многое другое, специалисты по анализу данных анализируют данные для получения практических выводов.

Как я могу изучить науку о данных?

Вам потребуется изучить язык программирования, например Python или R, и освоить основы математики и статистики. Знание методов анализа данных и инструментов науки о данных также имеет важное значение. Существует множество способов изучения науки о данных. Помимо формального образования, такого как получение степени или обучение в университете, существует множество других ресурсов, которые помогут вам учиться в своем собственном темпе. Помимо онлайн-курсов и учебных пособий, есть книги, видео и многое другое.

Какие навыки необходимы для работы в области анализа данных?

Помимо знаний математики и статистики, специалистам по анализу данных необходимы навыки программирования на таких языках, как Python, R и SQL. Кроме того, для работы с данными требуется умение работать с большими массивами данных, знание методов визуализации данных, обработки данных и управления базами данных. Навыки машинного обучения и глубокого обучения также могут быть полезны.

Для чего можно использовать науку о данных?

В профессиональной сфере наука о данных в той или иной степени применима практически в любой отрасли. Медицинские организации используют науку о данных для выявления и лечения заболеваний, а финансовые компании — для выявления и предотвращения мошенничества. Различные отрасли используют науку о данных в маркетинге, например, для создания рекомендательных систем и анализа оттока клиентов.

Является ли профессия в сфере анализа данных перспективной?

Да, наука о данных входит в число самых быстрорастущих отраслей в США и во всем мире. Это также одна из самых высокооплачиваемых профессий. Согласно данным Payscale, опытные специалисты по анализу данных зарабатывают в среднем 97 609 долларов и имеют рейтинг удовлетворенности работой четыре звезды из пяти в США.

Сложно ли стать специалистом по анализу данных?

Здесь следует учесть несколько моментов. Во-первых, поступить на программы по анализу данных может быть непросто, часто требуются стабильно высокие оценки. Аналогично, многие навыки, необходимые для работы в области анализа данных, требуют много времени на учёбу и терпение. На освоение всех необходимых основ может уйти несколько месяцев, а также потребуется большой практический опыт для получения должности начального уровня.

Требуется ли программирование для работы с данными?

Да, вам потребуется некоторый опыт программирования на таких языках, как Python, R, SQL, Java и C/C++. Однако, благодаря относительно простому синтаксису, язык программирования Python часто является предпочтительным выбором для новичков.

Сколько времени нужно, чтобы стать специалистом по анализу данных?

Человеку без предварительного опыта программирования и/или математической подготовки обычно требуется от 7 до 12 месяцев интенсивного обучения, чтобы достичь уровня начинающего специалиста по анализу данных. Однако важно помнить, что изучение только теоретических основ анализа данных может не сделать вас настоящим специалистом по анализу данных.

Какие темы можно изучать в рамках науки о данных?

Освоив основы науки о данных, вы можете специализироваться в различных областях, включая машинное обучение, искусственный интеллект, анализ больших данных, бизнес-аналитику и интеллектуальные системы, интеллектуальный анализ данных и многое другое.

Развивайте свои навыки работы с данными с помощью DataCamp для мобильных устройств.

Успевайте в обучении на ходу с помощью наших мобильных курсов и ежедневных 5-минутных заданий по программированию.