Kurs
Kategoriska data i Tidyverse
- GrundläggandeKunskapsnivå
- 4.8+
- 177 recensioner
Gör dig redo att kategorisera! I den här kursen arbetar du med icke-numeriska data, som jobbtitlar eller enkätsvar, med Tidyverse-landskapet.
Datamanipulation
Följ korta videor med expertinstruktörer och öva sedan på det du lärt dig med interaktiva övningar i webbläsaren.
eller
Kurs
Gör dig redo att kategorisera! I den här kursen arbetar du med icke-numeriska data, som jobbtitlar eller enkätsvar, med Tidyverse-landskapet.
Datamanipulation
Kurs
Den här kursen introducerar support vector machine (SVM) med ett intuitivt, visuellt tillvägagångssätt.
Maskininlärning
Kurs
Lär dig analysera och visualisera nätverksdata med paketet igraph och skapa interaktiva nätverksdiagram med threejs.
Sannolikhet och statistik
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
Bemästra kärnkoncept för datamanipulation som filtrering, urval och beräkning av gruppvisa statistik med data.table.
Datamanipulation
Kurs
Lär dig översätta din SAS-kunskap till R och analysera data med detta kostnadsfria och kraftfulla programspråk.
Programvaruutveckling
Kurs
I den här kursen lär du dig att använda statistiska tekniker för att arbeta med kategoriska data.
Sannolikhet och statistik
Kurs
Lär dig skapa interaktiva webbkartor enkelt med leaflet.
Datavisualisering
Kurs
Lär dig modellera kreditrisk med logistisk regression och beslutsträd i praktiska, verkliga scenarier.
Tillämpad ekonomi
Kurs
Arbeta med riskfaktorers avkastningsserier, studera deras empiriska egenskaper och gör uppskattningar av value-at-risk.
Tillämpad ekonomi
Kurs
I den här kursen lär du dig tekniker för att göra statistisk inferens på numeriska data.
Sannolikhet och statistik
Kurs
Tillämpa dina finance- och R-kunskaper för att backtesta, analysera och optimera finansiella portföljer.
Tillämpad ekonomi
Kurs
Lär dig att utföra avancerade dplyr-transformationer och använda dplyr- och ggplot2-kod i funktioner.
Datamanipulation
Kurs
Lär dig defensiv programmering i R för att göra din kod mer robust.
Programvaruutveckling
Kurs
Lär dig effektivisera dina maskininlärningsarbetsflöden med tidymodels.
Maskininlärning
Kurs
Lär dig att manipulera, visualisera och utföra statistiska tester genom en serie fallstudier inom HR-analys.
Explorativ dataanalys
Kurs
Learn to develop R packages and boost your coding skills. Discover package creation benefits, practice with dev tools, and create a unit conversion package.
Programvaruutveckling
Kurs
Lär dig visualisera tidsserier i R och öva sedan med en fallstudie om aktieurval.
Datavisualisering
Kurs
Lär dig skapa och bedöma mätmodeller som används för att bekräfta strukturen i en skala eller enkät.
Sannolikhet och statistik
Kurs
GAM-modeller beskriver relationer i data som icke-linjära funktioner som är mycket anpassningsbara för olika typer av datavetenskapsproblem.
Sannolikhet och statistik
Kurs
Lär dig använda R för att utveckla modeller för att utvärdera och analysera obligationer samt skydda dem mot ränteförändringar.
Tillämpad ekonomi
Kurs
Learn to use the Bioconductor package limma for differential gene expression analysis.
Sannolikhet och statistik
Kurs
Hämta finansiell data från lokala filer och internetkällor.
Tillämpad ekonomi
Kurs
Sammanfatta och hantera listor smidigt med paketet purrr.
Programvaruutveckling
Kurs
Den här kursen går igenom grunderna i finansiell handel och hur du använder quantstrat för att bygga signalbaserade handelsstrategier.
Tillämpad ekonomi
Kurs
Learn the bag of words technique for text mining with R.
Maskininlärning
Kurs
Lär dig använda plotly i R för att skapa interaktiva datavisualiseringar som stärker ditt databerättande.
Datavisualisering
Kurs
Behärska principerna för feature engineering för machine learning-modeller och implementera dem med R tidymodels framework.
Maskininlärning
Kurs
Tillämpa grundläggande koncept inom nätverksanalys på stora verkliga datamängder i 4 olika fallstudier.
Sannolikhet och statistik
Kurs
Lär dig analysera, visualisera och modellera multivariat data.
Sannolikhet och statistik
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.