คอร์ส
Developing Applications with Cloud Run on Google Cloud: Fundamentals
- ระดับกลางระดับทักษะ
- 4.8+
- 25 รีวิว
This course introduces the Cloud Run serverless platform for running applications.
Cloud
ดูวิดีโอสั้นๆ ที่นำโดยผู้สอนผู้เชี่ยวชาญ แล้วฝึกฝนสิ่งที่คุณเรียนรู้ด้วยแบบฝึกหัดเชิงโต้ตอบในเบราว์เซอร์ของคุณ
หรือ
คอร์ส
This course introduces the Cloud Run serverless platform for running applications.
Cloud
คอร์ส
Build CI/CD pipelines with AWS CodePipeline, CodeBuild, and CodeDeploy. Automate blue/green and canary releases, and define infrastructure with CloudFormation.
Cloud
คอร์ส
GAMs จำลองความสัมพันธ์ในข้อมูลเป็นฟังก์ชันไม่เชิงเส้นที่ปรับตัวได้สูงกับปัญหาวิทยาการข้อมูลหลากหลายประเภท
ความน่าจะเป็นและสถิติ
คอร์ส
สำรวจการวิเคราะห์ข้อมูล HR ใน Tableau ด้วยกรณีศึกษานี้
การแสดงผลข้อมูลเป็นภาพ
คอร์ส
Strengthen your knowledge of the topics covered in Manipulating Time Series in R using real case study data.
ความน่าจะเป็นและสถิติ
คอร์ส
Learn the principles of feature engineering for machine learning models and how to implement them using the R tidymodels framework.
Machine Learning
คอร์ส
เรียนรู้การใช้ data science เพื่อจัดการงานการตลาดยอดนิยมหลายรูปแบบ
Machine Learning
คอร์ส
Learn to detect fraud with analytics in R.
Machine Learning
คอร์ส
คอร์สนี้ครอบคลุมพื้นฐานของการเทรดทางการเงินและวิธีใช้ quantstrat เพื่อสร้างกลยุทธ์การเทรดแบบอิงสัญญาณ
การเงินประยุกต์
คอร์ส
ในคอร์สนี้ คุณจะได้เรียนรู้วิธีประยุกต์ใช้ machine learning ในงาน HR
Machine Learning
คอร์ส
เรียนรู้การวิเคราะห์บิ๊กดาต้าด้วย Spark และแพ็กเกจ sparklyr ใน R พร้อมสำรวจ Spark MLIb ในเวลาเพียง 4 ชั่วโมง
วิศวกรรมข้อมูล
คอร์ส
Learn MLOps tools and best practices for deploying, evaluating, monitoring and operating production ML systems on Google Cloud.
Cloud
คอร์ส
In this course, you’ll focus on developing capabilities in logging, security, and alert monitoring, along with techniques for mitigating attacks.
Cloud
คอร์ส
Train more powerful models with a single GPU, learn how hardware can speed up model training and the key considerations when training models on a GPU.
Cloud
คอร์ส
Learn the bag of words technique for text mining with R.
Machine Learning
คอร์ส
In this Google DeepMind course you will learn how to prepare text data for language models to process.
Cloud
คอร์ส
เรียนรู้วิธีวิเคราะห์ข้อมูลแบบสำรวจด้วย Python และค้นพบว่าเมื่อใดควรใช้เครื่องมือทางสถิติทั้งเชิงพรรณนาและเชิงอนุมาน
ความน่าจะเป็นและสถิติ
คอร์ส
Bored of pouring over expenses to figure out which ones violate policy? No longer! Use Claude Cowork to produce fast and clear expense violation reports.
ปัญญาประดิษฐ์
คอร์ส
Design and operate batch data pipelines on Google Cloud using Dataflow, Serverless Spark, Cloud Composer, and data validation techniques.
Cloud
คอร์ส
Enhance your Tableau skills with this case study on inventory analysis. Analyze a dataset, create calculated fields, and create visualizations.
การแสดงผลข้อมูลเป็นภาพ
คอร์ส
เรียนรู้วิธีวิเคราะห์และตีความข้อมูล ChIP-seq ด้วย Bioconductor โดยใช้ชุดข้อมูลมะเร็งของมนุษย์
ความน่าจะเป็นและสถิติ
คอร์ส
ฝึกใช้ Tableau กับกรณีศึกษาด้านการดูแลสุขภาพของเรา วิเคราะห์ข้อมูล ค้นพบข้อมูลเชิงลึกด้านประสิทธิภาพ และสร้างแดชบอร์ด
การแสดงผลข้อมูลเป็นภาพ
คอร์ส
Explore streaming data architectures on Google Cloud with Pub/Sub, Managed Kafka, Dataflow, and BigQuery for real-time data processing.
Cloud
คอร์ส
เรียนรู้การใช้การเขียนโปรแกรมแบบขนานด้วย Python กับ Dask เพื่อยกระดับเวิร์กโฟลว์และจัดการบิ๊กดาต้าได้อย่างมีประสิทธิภาพ
การพัฒนาซอฟต์แวร์
คอร์ส
This course equips security and data protection leaders with strategies to securely manage AI within their organizations.
Cloud
คอร์ส
Gain an overview of all the skills and tools needed to excel in Natural Language Processing in R.
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
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
ฝึกทักษะ Shiny ของคุณไปพร้อมกับสร้างแอป Shiny สนุกๆ สำหรับสถานการณ์จริง!
การรายงาน
คอร์ส
เรียนรู้วิธีสร้างแดชบอร์ดการตัดจำหน่ายใน Google Sheets ด้วยสูตรการเงินและสูตรเงื่อนไข
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
พัฒนาทักษะได้ทุกที่ทุกเวลาด้วยคอร์สเรียนบนมือถือและแบบฝึกหัดเขียนโค้ดประจำวัน 5 นาทีของเรา