Kurs
Fallstudie: Analys av tidsseridata för städer i R
- MedelnivåKunskapsnivå
- 4.8+
- 147 recensioner
Stärk dina kunskaper om ämnena som behandlas i Manipulating Time Series in R med verkliga fallstudiedata.
Sannolikhet och statistik
Följ korta videor med expertinstruktörer och öva sedan på det du lärt dig med interaktiva övningar i webbläsaren.
eller
Kurs
Stärk dina kunskaper om ämnena som behandlas i Manipulating Time Series in R med verkliga fallstudiedata.
Sannolikhet och statistik
Kurs
I den här kursen lär du dig att använda data science för flera vanliga marknadsföringsuppgifter.
Maskininlärning
Kurs
Lär dig association rules i market basket analysis med R: analysera detaljhandelsdata och skapa filmrekommendationer.
Datamanipulation
Kurs
Förbättra dina R-finanskunskaper för att backtesta, analysera och optimera finansiella portföljer.
Tillämpad ekonomi
Kurs
Lär dig använda Bayesianska skattningsmetoder för att dra bättre slutsatser om linjära regressionsmodeller.
Sannolikhet och statistik
Kurs
Lär dig att upptäcka bedrägerier med analys i R.
Maskininlärning
Kurs
Diagnostisera, visualisera och hantera saknade data med en rad imputeringstekniker och tips för att förbättra dina resultat.
Datamanipulation
Kurs
Analysera och tolka ChIP-seq-data med Bioconductor på ett humant cancerdataset.
Sannolikhet och statistik
Kurs
Lär dig snabbt alla viktiga färdigheter och verktyg för att lyckas med Natural Language Processing i R.
Maskininlärning
Kurs
Lär dig skriva skalbar kod för att arbeta med big data i R med paketen bigmemory och iotools.
Programvaruutveckling
Kurs
Öva dina Shiny-kunskaper medan du bygger roliga Shiny-appar för verkliga scenarier!
Rapportering
Kurs
Visualisera big data i R med ggplot2 och trelliscopejs.
Datavisualisering
Kurs
Visualisera och utforska snabbt demografiska data från United States Census Bureau med tidyverse-verktyg.
Explorativ dataanalys
Kurs
Lär dig tekniker för dimensionsreduktion i R och bemästra funktionsurval och extraktion för dina egna data och modeller.
Maskininlärning
Kurs
Lär dig sentimentanalys genom att identifiera positivt och negativt språk, specifik känslomässig avsikt och skapa övertygande visualiseringar.
Maskininlärning
Kurs
I den här kursen förbereder du dig för de vanligaste statistiska ämnena, från fördelningar till hypotesprövning, regressionsmodeller och mycket mer.
Sannolikhet och statistik
Kurs
I den här kursen lär du dig skapa statiska och interaktiva dashboards med flexdashboard och shiny.
Rapportering
Kurs
Den här kursen visar hur du kombinerar och slår ihop dataset med data.table.
Datamanipulation
Kurs
Specificera och anpassa GARCH-modeller för att prognostisera tidsvarierande volatilitet och value-at-risk.
Tillämpad ekonomi
Kurs
Lär dig grunderna i att värdera aktier.
Tillämpad ekonomi
Kurs
Extrahera och visualisera Twitter-data, utför sentiment- och nätverksanalys och kartlägg geolokaliseringen av dina tweets.
Datamanipulation
Kurs
Lär dig hur du justerar din modells hyperparametrar för att få bästa möjliga prediktiva resultat.
Maskininlärning
Kurs
Öka prestandan på din R-kod rejält med C++.
Programvaruutveckling
Kurs
Lås upp kraften i parallell databehandling i R. Förbättra din dataanalys, snabba upp beräkningar och bearbeta stora datamängder utan ansträngning.
Programvaruutveckling
Kurs
I den här kursen lär du dig att implementera mer avancerade Bayesianska modeller med RJAGS.
Sannolikhet och statistik
Kurs
Manipulera textdata, analysera den och mer genom att bemästra reguljära uttryck och strängavstånd i R.
Programvaruutveckling
Kurs
Lär dig identifiera viktiga drivkrafter bakom efterfrågan, se säsongseffekter och förutsäga efterfrågan för en produkthierarki från ett verkligt exempel.
Sannolikhet och statistik
Kurs
Lär dig analysera affärsprocesser i R och extrahera handlingsbara insikter från enorma mängder händelsedata.
Rapportering
Kurs
Fortsätt lära dig med purrr för att skapa robust, ren och lättunderhållen iterativ kod.
Programvaruutveckling
Kurs
Förutsäg personalomsättning och utforma strategier för att behålla personal.
Maskininlärning
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.