Hoppa till huvudinnehåll

Data-, AI- och molnkurser

Bemästra färdigheter som är viktiga

Följ korta videor ledda av expertinstruktörer och öva sedan på det du lärt dig med interaktiva övningar i din webbläsare.

  • Lär dig i din egen takt
  • Få praktisk erfarenhet
  • Kompletta kapitel i mindre format

Skapa ditt gratiskonto

eller

Genom att fortsätta accepterar du våra Användarvillkor, vår Integritetspolicy och att dina uppgifter lagras i USA.
79 courses

course

Introduction to Spark SQL in Python

  • AvanceradFärdighetsnivå
  • 4.4+
  • 457

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

Datamanipulation

4 timmar

course

Feature Engineering with PySpark

  • AvanceradFärdighetsnivå
  • 4.6+
  • 453

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

Datamanipulation

4 timmar

course

Graph RAG with LangChain and Neo4j

  • AvanceradFärdighetsnivå
  • 4.5+
  • 450

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

Artificiell intelligens

3 timmar

course

Introduction to Portfolio Analysis in Python

  • AvanceradFärdighetsnivå
  • 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.

Tillämpad ekonomi

4 timmar

course

Streaming Data with AWS Kinesis and Lambda

  • AvanceradFärdighetsnivå
  • 4.5+
  • 443

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

Moln

4 timmar

course

Generalized Linear Models in Python

  • AvanceradFärdighetsnivå
  • 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.

Sannolikhet och statistik

5 timmar

course

Hierarchical and Mixed Effects Models in R

  • AvanceradFärdighetsnivå
  • 4.4+
  • 433

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

Sannolikhet och statistik

4 timmar

course

Reinforcement Learning from Human Feedback (RLHF)

  • AvanceradFärdighetsnivå
  • 4.3+
  • 433

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

Artificiell intelligens

4 timmar

course

Databricks with the Python SDK

  • AvanceradFärdighetsnivå
  • 4.4+
  • 387

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

Artificiell intelligens

3 timmar

course

Winning a Kaggle Competition in Python

  • AvanceradFärdighetsnivå
  • 4.8+
  • 365

Learn how to approach and win competitions on Kaggle.

Maskininlärning

4 timmar

course

Monitoring Machine Learning in Python

  • AvanceradFärdighetsnivå
  • 4.7+
  • 356

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

Maskininlärning

3 timmar

course

Object-Oriented Programming with S3 and R6 in R

  • AvanceradFärdighetsnivå
  • 4.6+
  • 330

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

Programvaruutveckling

4 timmar

course

Designing Machine Learning Workflows in Python

  • AvanceradFärdighetsnivå
  • 4.4+
  • 325

Learn to build pipelines that stand the test of time.

Maskininlärning

4 timmar

course

Recurrent Neural Networks (RNNs) for Language Modeling with Keras

  • AvanceradFärdighetsnivå
  • 4.8+
  • 318

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

Artificiell intelligens

4 timmar

course

Hierarchical and Recursive Queries in SQL Server

  • AvanceradFärdighetsnivå
  • 4.7+
  • 314

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

Programvaruutveckling

4 timmar

course

Optimizing Code in Java

  • AvanceradFärdighetsnivå
  • 4.8+
  • 311

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

Programvaruutveckling

3 timmar

course

Spoken Language Processing in Python

  • AvanceradFärdighetsnivå
  • 4.8+
  • 309

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

Datamanipulation

4 timmar

course

Building Agentic Workflows with LlamaIndex

  • AvanceradFärdighetsnivå
  • 4.4+
  • 309

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

Artificiell intelligens

2 timmar

course

Querying a PostgreSQL Database in Java

  • AvanceradFärdighetsnivå
  • 4.6+
  • 308

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

Programvaruutveckling

3 timmar

course

Inference for Numerical Data in R

  • AvanceradFärdighetsnivå
  • 4.5+
  • 308

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

Sannolikhet och statistik

4 timmar

course

Practicing Machine Learning Interview Questions in Python

  • AvanceradFärdighetsnivå
  • 4.4+
  • 297

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

Maskininlärning

4 timmar

course

Inference for Categorical Data in R

  • AvanceradFärdighetsnivå
  • 4.4+
  • 294

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

Sannolikhet och statistik

4 timmar

course

Case Study: Data Analysis in Databricks

  • AvanceradFärdighetsnivå
  • 4.1+
  • 294

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

Importera och rensa data

3 timmar

course

Case Study: Building Software in Python

  • AvanceradFärdighetsnivå
  • 4.6+
  • 290

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

Programvaruutveckling

3 timmar

course

Factor Analysis in R

  • AvanceradFärdighetsnivå
  • 4.6+
  • 278

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

Sannolikhet och statistik

4 timmar

course

Building Recommendation Engines with PySpark

  • AvanceradFärdighetsnivå
  • 4.5+
  • 277

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

Maskininlärning

4 timmar

course

Practicing Statistics Interview Questions in Python

  • AvanceradFärdighetsnivå
  • 4.6+
  • 267

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

Sannolikhet och statistik

4 timmar

course

Inference for Linear Regression in R

  • AvanceradFärdighetsnivå
  • 4.3+
  • 260

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

Sannolikhet och statistik

4 timmar

course

Introduction to Testing in Java

  • AvanceradFärdighetsnivå
  • 4.7+
  • 259

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

Programvaruutveckling

3 timmar

course

Advanced Probability: Uncertainty in Data

  • AvanceradFärdighetsnivå
  • 4.6+
  • 243

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

Sannolikhet och statistik

2 timmar

FAQs

Vad är datavetenskap?

Datavetenskap är ett expertområde som fokuserar på att utvinna information från data. Med hjälp av programmeringsfärdigheter, vetenskapliga metoder, algoritmer och mer analyserar dataforskare data för att skapa användbara insikter.

Hur kan jag lära mig datavetenskap?

Du behöver lära dig ett programmeringsspråk som Python eller R och behärska principerna för matematik och statistik. Kunskap om dataanalysmetoder och datavetenskapliga verktyg är också viktigt. Det finns många sätt att lära sig datavetenskap. Förutom formella utbildningsmetoder, som en examen eller universitetsstudier, finns det många andra resurser som hjälper dig att lära dig i din egen takt. Förutom onlinekurser och handledningar finns det böcker, videor och mer.

Vilka färdigheter krävs för datavetenskap?

Förutom kunskaper i matematik och statistik behöver data scientists programmeringskunskaper i språk som Python, R och SQL. Dessutom kräver data science förmågan att arbeta med stora datamängder, kunskap om datavisualisering, datahantering och databashantering. Färdigheter inom maskininlärning och djupinlärning kan också vara användbara.

Vad kan jag använda datavetenskap till?

I en professionell kapacitet kan nästan alla branscher använda data science i viss mån. Hälso- och sjukvårdsorganisationer använder data science för att upptäcka och bota sjukdomar, medan finansbolag använder det för att upptäcka och förebygga bedrägerier. Alla typer av branscher använder data science för marknadsföring, till exempel för att bygga rekommendationssystem och analysera kundbortfall.

Är datavetenskap en bra karriär?

Ja, data science är bland de snabbast växande sektorerna i USA och världen över. Det är också en av de bäst betalda karriärerna som finns. Enligt data från Payscale tjänar erfarna data scientists i genomsnitt 97 609 dollar och har ett nöjdhetsbetyg på fyra av fem stjärnor i USA.

Är det svårt att bli data scientist?

Det finns några saker att tänka på här. För det första kan det vara konkurrenskraftigt att komma in på en data science-examen, och den kräver ofta genomgående höga betyg. På samma sätt kräver många av de färdigheter som krävs för data science mycket studier och tålamod. Det kan ta flera månader att behärska alla nödvändiga grunder, såväl som mycket praktisk erfarenhet för att säkra en ingångsposition.

Kräver datavetenskap kodning?

Ja, du behöver viss kodningserfarenhet i språk som Python, R, SQL, Java och C/C++. Men på grund av dess relativt enkla syntax är programmeringsspråket Python ofta det föredragna valet bland nybörjare.

Hur lång tid tar det att bli dataforskare?

För en person utan tidigare kodningserfarenhet och/eller matematisk bakgrund kan det vanligtvis ta 7 till 12 månader av intensiva studier för att nå nivån av en data scientist på ingångsnivå. Det är dock viktigt att komma ihåg att det inte nödvändigtvis gör dig till en riktig data scientist om du bara lär dig den teoretiska grunden inom data science.

Vilka ämnen kan jag studera inom datavetenskap?

När du väl behärskar grunderna i datavetenskap kan du specialisera dig inom en mängd olika områden, inklusive maskininlärning, artificiell intelligens, stordataanalys, affärsanalys och intelligens, datautvinning och mer.

Utveckla dina datakunskaper med DataCamp för mobilen

Gör framsteg när du är på språng med våra mobila kurser och dagliga 5-minuters kodningsutmaningar.