Följ korta videor med expertinstruktörer och öva sedan på det du lärt dig med interaktiva övningar i webbläsaren.
eller
Kurs
Upptäck olika typer i datamodellering, inklusive för prediktion, och lär dig att genomföra linjär regression och modellbedömningsmått i Tidyverse.
Sannolikhet och statistik
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.
Programvaruutveckling
Kurs
Lär dig använda viktiga Bioconductor-paket för bioinformatik med dataset från virus, svampar, människor och växter!
Sannolikhet och statistik
Kurs
I den här kursen lär du dig att göra inferens med linjära modeller.
Sannolikhet och statistik
Kurs
I den här kursen lär du dig grundläggande experimentell design, en avgörande del av all dataanalys.
Sannolikhet och statistik
Kurs
Lär dig göra prognoser om framtiden med tidsserieprognoser i R, inklusive ARIMA-modeller och exponentiella utjämningsmetoder.
Sannolikhet och statistik
Kurs
Lär dig använda trädmodeller och ensembler för att göra klassificerings- och regressionsprediktioner med tidymodels.
Maskininlärning
Kurs
Lär dig hantera tidsseriedata i R: importera, sammanfatta och dela upp med zoo, lubridate och xts.
Datamanipulation
Kurs
Hantera komplexiteten i din kod med objektorienterad programmering med S3- och R6-systemen.
Programvaruutveckling
Kurs
Lär dig grunderna i kassaflödesvärdering, arbeta med mänsklig dödlighetsdata och bygg livförsäkringsprodukter i R.
Tillämpad ekonomi
Kurs
Lär dig de viktigaste teknikerna för att utvinna meningsfulla insikter från tidsseriedata.
Sannolikhet och statistik
Kurs
Använd RNA-Seq differential expression analysis för att identifiera gener som sannolikt är viktiga för olika sjukdomar eller tillstånd.
Sannolikhet och statistik
Kurs
Lär dig grunderna i att tolka, manipulera och beräkna med datum och tider i R.
Programvaruutveckling
Kurs
Den här kursen ger en introduktion till klustring och dimensionsreduktion i R ur ett maskininlärningsperspektiv.
Maskininlärning
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!
Sannolikhet och statistik
Kurs
Den här kursen lär ut de stora idéerna inom maskininlärning, som hur man bygger och utvärderar prediktiva modeller.
Maskininlärning
Kurs
Bli expert på att anpassa ARIMA-modeller (autoregressiva integrerade glidande medelvärden) till tidsseriedata med R.
Sannolikhet och statistik
Kurs
Analysera textdata i R med tidy-ramverket.
Datamanipulation
Kurs
Lär dig använda Generalized Linear Model för att bredda din regression med logistisk och Poisson-regression.
Sannolikhet och statistik
Kurs
Utveckla en stark intuition för hur hierarkisk klustring och k-means-klustring fungerar och lär dig använda dem för att utvinna insikter ur dina data.
Maskininlärning
Kurs
Lär dig skapa interaktiva instrumentpaneler med R med det kraftfulla paketet shinydashboard. Skapa dynamiska och engagerande visualiseringar för din publik.
Rapportering
Kurs
Lär dig att anpassa hierarkiska modeller med random effects.
Sannolikhet och statistik
Kurs
Learn how to pull character strings apart, put them back together and use the stringr package.
Programvaruutveckling
Kurs
Använd färdigheter i datamanipulering och visualisering för att utforska historiska omröstningar i FN:s generalförsamling.
Explorativ dataanalys
Kurs
Lär dig enkätdesign med vanliga designstrukturer och visualisera samt analysera enkätresultat.
Sannolikhet och statistik
Kurs
Lär dig vad bayesiansk dataanalys är, hur den fungerar och varför det är ett användbart verktyg i din data science-verktygslåda.
Sannolikhet och statistik
Kurs
Lär dig skapa interaktiva webbkartor enkelt med leaflet.
Datavisualisering
Kurs
Bemästra kärnkoncept för datamanipulation som filtrering, urval och beräkning av gruppvisa statistik med data.table.
Datamanipulation
Kurs
Lär dig grunderna i A/B-testning i R, inklusive hur du utformar experiment, analyserar data, förutspår resultat och presenterar resultat med visualiseringar.
Sannolikhet och statistik
Kurs
Lär dig läsa, utforska och manipulera spatial data och använd sedan dina kunskaper för att skapa informativa kartor med R.
Datavisualisering
Datavetenskap är ett expertområde som fokuserar på att utvinna insikter ur data. Med hjälp av programmeringskunskaper, vetenskapliga metoder, algoritmer och mer analyserar datavetare data för att skapa handlingsbara insikter.
Du behöver lära dig ett programmeringsspråk som Python eller R och behärska grunderna inom matematik och statistik. Kunskap om dataanalysmetoder och datavetenskap-verktyg är också viktigt. Det finns många sätt att lära sig datavetenskap. Utöver formell utbildning som examen eller universitetsstudier finns det gott om andra resurser som låter dig lära i din egen takt – bland annat onlinekurser, handledningar, böcker och videor.
Utöver kunskaper i matematik och statistik behöver datavetare programmeringskunskaper i språk som Python, R och SQL. Dessutom kräver datavetenskap förmågan att arbeta med stora datamängder, kunskaper om datavisualisering, datarensning och databashantering. Kunskaper inom maskininlärning och djupinlärning kan också vara värdefulla.
I yrkeslivet kan nästan alla branscher dra nytta av datavetenskap i någon utsträckning. Vårdorganisationer använder datavetenskap för att diagnostisera och behandla sjukdomar, medan finansbolag använder det för att upptäcka och förhindra bedrägerier. Alla typer av branscher använder datavetenskap inom marknadsföring – till exempel för att bygga rekommendationssystem och analysera kundbortfall.
Ja, datavetenskap är ett av de snabbast växande områdena i USA och globalt – och ett av de bäst betalda yrkena. Enligt data från Payscale tjänar erfarna datavetare i genomsnitt 97 609 USD och får betyget fyra av fem stjärnor i USA.
Det finns några saker att tänka på. Dels kan det vara svårt att komma in på datavetenskapsprogram, som ofta kräver konstant höga betyg. På samma sätt kräver många av de färdigheter som behövs för datavetenskap mycket studier och tålamod. Det kan ta flera månader att bemästra alla grundläggande kunskaper, och dessutom krävs det en hel del praktisk erfarenhet för att säkra en nybörjartjänst.
Ja, du behöver viss erfarenhet av programmering i språk som Python, R, SQL, Java och C/C++. Tack vare sin relativt enkla syntax är Python dock ofta det föredragna valet för nybörjare.
För en person utan tidigare kodningserfarenhet och/eller matematisk bakgrund kan det vanligtvis ta 7 till 12 månaders intensiva studier för att nå nivån som junior datavetare. Det är dock viktigt att komma ihåg att enbart lära sig den teoretiska grunden i datavetenskap kanske inte gör dig till en riktig datavetare.
När du har bemästrat grunderna i datavetenskap kan du specialisera dig inom en rad områden, till exempel maskininlärning, artificiell intelligens, stordataanalys, affärsanalys och business intelligence, datautvinning med mera.
Gör framsteg på språng med våra mobilkurser och dagliga femminuters kodningsutmaningar.