คอร์ส
Gemini for Application Developers
- ระดับกลางระดับทักษะ
- 4.8+
- 21 รีวิว
You learn how to prompt Gemini to explain code, recommend Google Cloud services, and generate code for your applications.
Cloud
ดูวิดีโอสั้นๆ ที่นำโดยผู้สอนผู้เชี่ยวชาญ แล้วฝึกฝนสิ่งที่คุณเรียนรู้ด้วยแบบฝึกหัดเชิงโต้ตอบในเบราว์เซอร์ของคุณ
หรือ
คอร์ส
You learn how to prompt Gemini to explain code, recommend Google Cloud services, and generate code for your applications.
Cloud
คอร์ส
Build stateful AI agents that maintain context and remember user preferences using session state, memory management, and personalization.
Cloud
คอร์ส
This course will introduce the support vector machine (SVM) using an intuitive, visual approach.
Machine Learning
คอร์ส
วิเคราะห์การเงินใน KNIME ด้วยข้อมูลจริง เสริมทักษะเตรียมข้อมูลและสร้างเวิร์กโฟลว์
การเงินประยุกต์
คอร์ส
ก้าวสู่ความเชี่ยวชาญด้วยการใช้ทักษะการคิดเชิงสถิติกับชุดข้อมูลจริงและดึงอินไซต์ที่นำไปใช้ได้จริงออกมา
ความน่าจะเป็นและสถิติ
คอร์ส
The goal of this course is to introduce the basics of Google Kubernetes Engine, or GKE, and how to get applications containerized and running in Google Cloud.
Cloud
คอร์ส
เรียนรู้การใช้ Census API เพื่อทำงานกับข้อมูลประชากรและเศรษฐสังคม
การวิเคราะห์ข้อมูลเชิงสำรวจ
คอร์ส
เรียนรู้การใช้ PostgreSQL เพื่อจัดการการวิเคราะห์อนุกรมเวลาอย่างมีประสิทธิภาพ และนำเทคนิคเหล่านี้ไปใช้กับข้อมูลจริง
การจัดการข้อมูล
คอร์ส
Equip AI agents with tools for web search, code execution, database queries, and custom actions. Transform agents into capable assistants.
Cloud
คอร์ส
เจาะลึกกรณีศึกษาของ Tableau เกี่ยวกับการวิเคราะห์ซัพพลายเชน จัดการการจัดส่ง การจัดการสินค้าคงคลัง และการสร้างแดชบอร์ด เพื่อขับเคลื่อนการปรับปรุงธุรกิจ
การแสดงผลข้อมูลเป็นภาพ
คอร์ส
Well explore how CPUs, GPUs, and TPUs make AI tasks super fast, what makes each one unique, and how AI software gets the most out of them.
Cloud
คอร์ส
Learn the bag of words technique for text mining with R.
Machine Learning
คอร์ส
ฝึกใช้ R สร้างโมเดลวิเคราะห์และประเมินพันธบัตร พร้อมป้องกันความเสี่ยงจากการเปลี่ยนแปลงอัตราดอกเบี้ย
การเงินประยุกต์
คอร์ส
This course covers techniques to practically identify fairness and bias and mitigate bias in AI/ML practices.
Cloud
คอร์ส
เรียนรู้การสร้างกราฟิกเคลื่อนไหวและมุมมองที่เชื่อมโยงทั้งหมดใน R ด้วย plotly
การแสดงผลข้อมูลเป็นภาพ
คอร์ส
ฝึกจัดการและแสดงภาพข้อมูล พร้อมทดสอบทางสถิติผ่านกรณีศึกษา HR analytics
การวิเคราะห์ข้อมูลเชิงสำรวจ
คอร์ส
เรียนรู้การวิเคราะห์ การพล็อต และการสร้างแบบจำลองข้อมูลหลายตัวแปร
ความน่าจะเป็นและสถิติ
คอร์ส
Learn about Gen AI applications and how you can use prompt design and retrieval augmented generation (RAG) to build powerful applications using LLMs.
Cloud
คอร์ส
This course introduces solution elements, including networks, load balancing, autoscaling, infrastructure automation and managed services.
Cloud
คอร์ส
คอร์สนี้ครอบคลุมพื้นฐานของการเทรดทางการเงินและวิธีใช้ quantstrat เพื่อสร้างกลยุทธ์การเทรดแบบอิงสัญญาณ
การเงินประยุกต์
คอร์ส
Build modern data lakehouses on Google Cloud using BigQuery, Cloud Storage, Apache Iceberg, BigLake, federated queries, and data governance tools.
Cloud
คอร์ส
เรียนรู้การใช้การเขียนโปรแกรมแบบขนานด้วย Python กับ Dask เพื่อยกระดับเวิร์กโฟลว์และจัดการบิ๊กดาต้าได้อย่างมีประสิทธิภาพ
การพัฒนาซอฟต์แวร์
คอร์ส
สร้าง AI agent ด้านการดูแลสุขภาพด้วย Haystack เฟรมเวิร์กโอเพนซอร์สสำหรับจัดการ LLMs และคอมโพเนนต์ภายนอก
ปัญญาประดิษฐ์
คอร์ส
ค้นพบวิธีพูดคุยกับข้อมูลของคุณด้วยเอเจนต์ AI แบบ text-to-query ด้วย MongoDB และ LangGraph
ปัญญาประดิษฐ์
คอร์ส
ยกระดับทักษะ Tableau ของคุณด้วยกรณีศึกษาการวิเคราะห์สินค้าคงคลัง วิเคราะห์ชุดข้อมูล สร้างฟิลด์ที่คำนวณแล้ว และสร้างการแสดงผลข้อมูล
การแสดงผลข้อมูลเป็นภาพ
Cloud
คอร์ส
เรียนรู้วิธีวิเคราะห์ข้อมูลแบบสำรวจด้วย Python และค้นพบว่าเมื่อใดควรใช้เครื่องมือทางสถิติทั้งเชิงพรรณนาและเชิงอนุมาน
ความน่าจะเป็นและสถิติ
คอร์ส
Journey through the storage solutions available on Google Cloud, specifically tailored for AI and high-performance computing (HPC) workloads.
Cloud
คอร์ส
เรียนรู้การสรุปและจัดการรายการได้อย่างง่ายดายด้วยแพ็กเกจ purrr
การพัฒนาซอฟต์แวร์
คอร์ส
It explores practical methods and tools to implement AI privacy and safety recommended practices.
Cloud
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