คอร์ส
Credit Risk Modeling in R
- ระดับกลางระดับทักษะ
- 4.7+
- 94 รีวิว
Apply statistical modeling in a real-life setting using logistic regression and decision trees to model credit risk.
การเงินประยุกต์
ดูวิดีโอสั้นๆ ที่นำโดยผู้สอนผู้เชี่ยวชาญ แล้วฝึกฝนสิ่งที่คุณเรียนรู้ด้วยแบบฝึกหัดเชิงโต้ตอบในเบราว์เซอร์ของคุณ
หรือ
คอร์ส
Apply statistical modeling in a real-life setting using logistic regression and decision trees to model credit risk.
การเงินประยุกต์
คอร์ส
เพิ่มความคล่องตัวให้โปรเจกต์ AI ด้วยการสร้างโมเดลแบบโมดูลาร์และเชี่ยวชาญการปรับค่าให้เหมาะสมขั้นสูงด้วย PyTorch Lightning!
ปัญญาประดิษฐ์
คอร์ส
Learn how to perform advanced dplyr transformations and incorporate dplyr and ggplot2 code in functions.
การจัดการข้อมูล
คอร์ส
เรียนรู้การวิเคราะห์และแสดงภาพข้อมูลเครือข่ายด้วยแพ็กเกจ igraph และสร้างกราฟเครือข่ายแบบโต้ตอบด้วย threejs
ความน่าจะเป็นและสถิติ
คอร์ส
เรียนรู้เทคนิคที่มีประสิทธิภาพใน pandas เพื่อเพิ่มประสิทธิภาพโค้ด Python ของคุณ
การพัฒนาซอฟต์แวร์
คอร์ส
Learn to streamline your machine learning workflows with tidymodels.
Machine Learning
คอร์ส
Youll learn about the different components inside a hypercomputer, like GPUs, TPUs, and CPUs, and discover how to pick the right one for your needs.
Cloud
คอร์ส
สรุปหลักฐานและจัดทำคำอุทธรณ์อย่างรวดเร็ว เมื่อเคลมค่ารักษาพยาบาลของผู้ป่วยถูกปฏิเสธอย่างไม่ถูกต้อง ด้วย Claude Cowork!
ปัญญาประดิษฐ์
คอร์ส
Turn a basic AI agent into a sophisticated assistant using advanced instructions, model selection, planning capabilities, and structured output.
Cloud
คอร์ส
เรียนรู้การจัดประเภท การประมวลผล และวิเคราะห์ time series—ทักษะสำคัญสำหรับผู้ที่ต้องการก้าวสู่สายงาน analytics อย่างจริงจัง
การแสดงผลข้อมูลเป็นภาพ
คอร์ส
ใช้แพ็กเกจ tidyr และ purrr ใน tidyverse เพื่อสร้าง สำรวจ และประเมินโมเดลแมชชีนเลิร์นนิง
Machine Learning
คอร์ส
เรียนรู้วิธีนำเข้า ทำความสะอาด และจัดการข้อมูล IoT ใน Python เพื่อเตรียมพร้อมสำหรับ machine learning
การจัดการข้อมูล
คอร์ส
ปกป้อง AWS workloads ที่ deploy: IAM สิทธิ์เท่าที่จำเป็น, credentials อายุสั้น, การอนุญาต API, จัดการ secrets, เข้ารหัส และหลักฐาน CloudTrail
Cloud
คอร์ส
เรียนรู้การเขียนโปรแกรมเชิงป้องกันใน R เพื่อทำให้โค้ดของคุณทนทานยิ่งขึ้น
การพัฒนาซอฟต์แวร์
คอร์ส
เชี่ยวชาญ RAG ด้วย Weaviate! ฝังข้อความและรูปภาพเพื่อการค้นคืน และทดลองใช้การค้นหาแบบเวกเตอร์, BM25 และแบบไฮบริด
ปัญญาประดิษฐ์
คอร์ส
This course explores identity management and access control within a cloud environment, covering authentication, authorization, auditing, and more.
Cloud
คอร์ส
รับประกันความสอดคล้องของข้อมูลด้วยการเรียนรู้การใช้ธุรกรรมและจัดการข้อผิดพลาดในสภาพแวดล้อมที่ทำงานพร้อมกัน
การพัฒนาซอฟต์แวร์
คอร์ส
Learn how to visualize time series in R, then practice with a stock-picking case study.
การแสดงผลข้อมูลเป็นภาพ
คอร์ส
Gain a deep understanding of various evaluation metrics, methodologies, and their appropriate application across different model types and tasks.
Cloud
คอร์ส
วิเคราะห์ผลกระทบของเพศต่อพฤติกรรมตำรวจด้วย pandas จากชุดข้อมูล Stanford Open Policing Project
การจัดการข้อมูล
คอร์ส
สร้าง Recommendation Engines ใน Python ด้วยเทคนิค Machine Learning
Machine Learning
คอร์ส
This course introduces the comprehensive and flexible infrastructure and platform services provided by Google Cloud with a focus on Core Services.
Cloud
คอร์ส
เรียนรู้การแยกความแตกต่างจริงจากสัญญาณรบกวนแบบสุ่ม และสำรวจไม้ค้ำทางจิตวิทยาที่เราใช้ซึ่งรบกวนการตัดสินใจอย่างมีเหตุผล
ความน่าจะเป็นและสถิติ
คอร์ส
Learn how to implement the various flavors of ML: static, dynamic, and continuous training; static and dynamic inference; and batch and online processing.
Cloud
คอร์ส
Design and deploy high-performance AI/ML solutions using Google Clouds AI Hypercomputer, GPUs, TPUs, Compute, and Google Kubernetes Engine.
Cloud
คอร์ส
เรียนรู้วิธีวิเคราะห์กระบวนการทางธุรกิจใน R และดึงข้อมูลเชิงลึกที่นำไปใช้ได้จากชุดข้อมูลเหตุการณ์ขนาดมหึมา
การรายงาน
คอร์ส
Learn MLOps tools and best practices for deploying, evaluating, monitoring and operating production ML systems on Google Cloud.
Cloud
คอร์ส
เรียนรู้วิธีพัฒนาโมเดล deep learning ด้วย Keras
ปัญญาประดิษฐ์
คอร์ส
Learn to develop R packages and boost your coding skills. Discover package creation benefits, practice with dev tools, and create a unit conversion package.
การพัฒนาซอฟต์แวร์
คอร์ส
เรียนรู้วิธีเข้าถึงข้อมูลทางการเงินจากไฟล์ในเครื่องและจากแหล่งข้อมูลบนอินเทอร์เน็ต
การเงินประยุกต์
data science เป็นสาขาความเชี่ยวชาญที่มุ่งเน้นการรับข้อมูลจากข้อมูล โดยใช้ทักษะการเขียนโปรแกรม วิธีการทางวิทยาศาสตร์ อัลกอริทึม และอื่น ๆ นักวิทยาศาสตร์ข้อมูลวิเคราะห์ข้อมูลเพื่อสร้างข้อมูลเชิงลึกที่นำไปใช้ได้จริง
คุณจะต้องเรียนรู้ภาษาโปรแกรมเช่น Python หรือ R และฝึกฝนหลักการของคณิตศาสตร์และสถิติ ความรู้เกี่ยวกับวิธีการวิเคราะห์ข้อมูลและเครื่องมือ data science ก็จำเป็นเช่นกัน มีหลายวิธีในการเรียน data science นอกจากการศึกษาแบบเป็นทางการ เช่น ปริญญาหรือการเรียนในมหาวิทยาลัย ยังมีแหล่งข้อมูลอื่น ๆ อีกมากมายที่ช่วยให้คุณเรียนในจังหวะของตัวเอง ทั้งคอร์สออนไลน์ บทช่วยสอน หนังสือ วิดีโอ และอื่น ๆ
นอกจากความรู้ด้านคณิตศาสตร์และสถิติแล้ว นักวิทยาศาสตร์ข้อมูลยังต้องมีทักษะการเขียนโปรแกรมในภาษาเช่น Python, R และ SQL วิทยาศาสตร์ข้อมูลยังต้องการความสามารถในการทำงานกับชุดข้อมูลขนาดใหญ่ ความรู้ด้าน data visualization การจัดการข้อมูล และการจัดการฐานข้อมูล ทักษะด้าน machine learning และ deep learning ก็อาจเป็นประโยชน์เช่นกัน
ในแง่วิชาชีพ เกือบทุกอุตสาหกรรมสามารถใช้ data science ได้ในระดับหนึ่ง องค์กรด้านสุขภาพใช้ data science เพื่อตรวจจับและรักษาโรค ในขณะที่บริษัทการเงินใช้เพื่อตรวจจับและป้องกันการฉ้อโกง ทุกประเภทอุตสาหกรรมใช้ data science สำหรับการตลาด เช่น การสร้างระบบแนะนำและการวิเคราะห์การสูญเสียลูกค้า
ใช่ วิทยาศาสตร์ข้อมูลเป็นหนึ่งในภาคส่วนที่เติบโตเร็วที่สุดทั้งในสหรัฐอเมริกาและทั่วโลก และยังเป็นหนึ่งในอาชีพที่มีรายได้สูงที่สุดอีกด้วย จากข้อมูลของ Payscale นักวิทยาศาสตร์ข้อมูลที่มีประสบการณ์มีรายได้เฉลี่ย $97,609 และได้รับคะแนนความพึงพอใจสี่ดาวจากห้าดาวในสหรัฐอเมริกา
มีสิ่งสองสามอย่างที่ต้องพิจารณา ประการแรก ปริญญาด้าน data science อาจมีการแข่งขันสูงในการเข้าเรียน มักต้องการเกรดที่ดีอย่างสม่ำเสมอ ในทำนองเดียวกัน ทักษะหลายอย่างที่จำเป็นสำหรับ data science ต้องการการศึกษาและความอดทนมาก อาจใช้เวลาหลายเดือนเพื่อฝึกฝนพื้นฐานที่จำเป็นทั้งหมด รวมถึงประสบการณ์ปฏิบัติจริงมากมายเพื่อให้ได้ตำแหน่งระดับเริ่มต้น
ใช่ คุณจะต้องมีประสบการณ์เขียนโค้ดในภาษาต่างๆ เช่น Python, R, SQL, Java และ C/C++ อย่างไรก็ตาม เนื่องจาก Python มีไวยากรณ์ที่ค่อนข้างเรียบง่าย จึงมักเป็นตัวเลือกแรกสำหรับผู้เริ่มต้น
สำหรับผู้ที่ไม่มีประสบการณ์การเขียนโค้ดและ/หรือพื้นฐานคณิตศาสตร์มาก่อน โดยทั่วไปอาจต้องใช้เวลาศึกษาอย่างเข้มข้น 7 ถึง 12 เดือนเพื่อให้ถึงระดับนักวิทยาศาสตร์ข้อมูลมือใหม่ อย่างไรก็ตาม สิ่งสำคัญที่ต้องจำไว้คือการเรียนรู้เพียงแค่ทฤษฎีของวิทยาศาสตร์ข้อมูลอาจยังไม่เพียงพอที่จะทำให้คุณเป็นนักวิทยาศาสตร์ข้อมูลที่แท้จริง
เมื่อเชี่ยวชาญพื้นฐานด้านวิทยาศาสตร์ข้อมูลแล้ว คุณสามารถเจาะลึกในสาขาที่หลากหลาย ไม่ว่าจะเป็น machine learning, ปัญญาประดิษฐ์, การวิเคราะห์ข้อมูลขนาดใหญ่, business analytics, data mining และอื่นๆ อีกมากมาย
เรียนรู้ได้ทุกที่ด้วยคอร์สบนมือถือและโจทย์เขียนโค้ด 5 นาทีประจำวัน