คอร์ส
Developing Machine Learning Models for Production
- ระดับกลางระดับทักษะ
- 4.8+
- 472 รีวิว
Shift to an MLOps mindset, enabling you to train, document, maintain, and scale your machine learning models to their fullest potential.
Machine Learning
ดูวิดีโอสั้นๆ ที่นำโดยผู้สอนผู้เชี่ยวชาญ แล้วฝึกฝนสิ่งที่คุณเรียนรู้ด้วยแบบฝึกหัดเชิงโต้ตอบในเบราว์เซอร์ของคุณ
หรือ
คอร์ส
Shift to an MLOps mindset, enabling you to train, document, maintain, and scale your machine learning models to their fullest potential.
Machine Learning
คอร์ส
Learn Snowflake data types and functions to manipulate text, numbers, and dates while building custom functions and pivot tables.
การจัดการข้อมูล
คอร์ส
เรียนรู้วิธีออกแบบการแสดงผลและรายงาน Power BI โดยคำนึงถึงผู้ใช้เป็นหลัก
การแสดงผลข้อมูลเป็นภาพ
คอร์ส
ในหลักสูตรนี้ ผู้เรียนจะได้เรียนรู้การเขียนคิวรีที่ทั้งมีประสิทธิภาพและอ่านเข้าใจง่าย
การพัฒนาซอฟต์แวร์
คอร์ส
ในหลักสูตรนี้ คุณจะได้เรียนรู้พื้นฐานของฐานข้อมูลเชิงสัมพันธ์และวิธีโต้ตอบกับฐานข้อมูลเหล่านั้น
การจัดการข้อมูล
คอร์ส
เรียนรู้การใช้แพ็กเกจ Bioconductor ที่จำเป็นสำหรับชีวสารสนเทศด้วยชุดข้อมูลจากไวรัส เชื้อรา มนุษย์ และพืช!
ความน่าจะเป็นและสถิติ
คอร์ส
สร้างทักษะ SQL ด้วยการเขียนพรอมต์ AI เพื่อสร้างคิวรีสำหรับการเรียงลำดับ จัดกลุ่ม กรอง และจัดหมวดหมู่ข้อมูล
การจัดการข้อมูล
คอร์ส
หลักสูตรนี้เป็นบทนำสู่พีชคณิตเชิงเส้น หนึ่งในหัวข้อคณิตศาสตร์ที่สำคัญที่สุดซึ่งเป็นพื้นฐานของวิทยาการข้อมูล
ความน่าจะเป็นและสถิติ
คอร์ส
เชี่ยวชาญการทำงานหลักของ spaCy และฝึกโมเดลสำหรับการประมวลผลภาษาธรรมชาติ ดึงข้อมูลจากข้อมูลที่ไม่มีโครงสร้างและจับคู่รูปแบบ
Machine Learning
คอร์ส
เชี่ยวชาญการวางแผนการเดินทางด้วย WanderBot: สร้างพรอมต์ เสริมความมั่นใจ และทำให้การผจญภัยครั้งต่อไปของคุณราบรื่นขึ้น
ปัญญาประดิษฐ์
คอร์ส
เรียนรู้การนำข้อมูลเข้าสู่ Microsoft Fabric ครอบคลุม Pipelines, Dataflows, Shortcuts, Semantic Models, ความปลอดภัย และการรีเฟรชโมเดล
อื่น
คอร์ส
ในหลักสูตรเชิงแนวคิดนี้ (ไม่ต้องเขียนโค้ด) คุณจะได้เรียนรู้เกี่ยวกับฐานข้อมูล NoSQL หลัก 4 ประเภทและเอนจินยอดนิยม
วิศวกรรมข้อมูล
คอร์ส
เรียนรู้ความท้าทายของการมอนิเตอร์โมเดลแมชชีนเลิร์นนิงในโปรดักชัน รวมถึง data drift และ concept drift และวิธีรับมือกับการเสื่อมประสิทธิภาพของโมเดล
Machine Learning
คอร์ส
เรียนรู้เทคนิคในการดึงข้อมูลที่เป็นประโยชน์จากข้อความและแปลงเป็นรูปแบบที่เหมาะสำหรับแมชชีนเลิร์นนิง
Machine Learning
คอร์ส
Prepare for your next coding interviews in Python.
การพัฒนาซอฟต์แวร์
คอร์ส
ปรับ DataFrame จากรูปแบบกว้างเป็นยาว ซ้อนและแยกแถวและคอลัมน์ และจัดการ DataFrame แบบหลายดัชนี
การจัดการข้อมูล
คอร์ส
เรียนรู้โครงสร้างข้อมูลสำคัญ เช่น lists และ data frames และนำความรู้นั้นไปใช้กับตัวอย่างทางการเงินโดยตรง
การเงินประยุกต์
คอร์ส
This course explores how organizations can use custom gen AI agents to help tackle specific business challenges.
Cloud
คอร์ส
ลูกค้าปลื้มสินค้าของคุณหรือบริการของคุณยังไม่ดีพอ? เรียนรู้วิธีทำงานวิเคราะห์ความรู้สึกแบบครบวงจรตั้งแต่ต้นจนจบ
Machine Learning
คอร์ส
จัดการข้อมูลด้วย unions, joins, parsing และการเพิ่มประสิทธิภาพประสิทธิภาพใน Alteryx
การจัดการข้อมูล
คอร์ส
ฝึกทักษะคณิตศาสตร์การเงินที่จำเป็นด้วยแบบฝึกหัด Excel ใช้งานจริงและตัวอย่างจากโลกจริง
การเงินประยุกต์
คอร์ส
สร้างกลยุทธ์ go-to-market ด้วย generative AI: เจาะอุตสาหกรรม สร้างลีด และปรับคีย์เวิร์ดเว็บไซต์ให้เหมาะสม
ปัญญาประดิษฐ์
คอร์ส
Build marketing workflows in n8n using AI agents. Automate campaign strategy, conversion optimization, and lead generation from scratch.
ปัญญาประดิษฐ์
คอร์ส
เรียนรู้เทคนิคสำคัญเพื่อเพิ่มประสิทธิภาพ Java ตั้งแต่ประสิทธิภาพอัลกอริทึมไปจนถึงการปรับแต่ง JVM และมัลติเธรดดิ้ง
การพัฒนาซอฟต์แวร์
คอร์ส
ในคอร์สแบบอินเทอร์แอคทีฟนี้ คุณจะได้เรียนรู้วิธีใช้ฟังก์ชันสำหรับการคำนวณใน Tableau และเมื่อใดควรใช้ฟังก์ชันเหล่านั้น!
การแสดงผลข้อมูลเป็นภาพ
คอร์ส
เรียนรู้วิธีสร้างแดชบอร์ดแบบโต้ตอบและเต็มไปด้วยอินไซต์ด้วย Dash และ Plotly
การแสดงผลข้อมูลเป็นภาพ
คอร์ส
Discover Snowflake window functions to solve complex data problems with rankings, partitions, and rolling calculations.
การจัดการข้อมูล
คอร์ส
ขยายคลังคำศัพท์ Google Sheets ของคุณด้วยการเจาะลึกชนิดข้อมูล รวมถึงข้อมูลตัวเลข ข้อมูลตรรกะ และข้อมูลที่ขาดหายไป
การเตรียมข้อมูล
คอร์ส
Prepare for the Google Cloud Professional Data Engineer certification with diagnostic questions covering migration, storage, analytics, and automation.
Cloud
คอร์ส
เรียนรู้วิธีสร้างเอเจนต์อัจฉริยะที่คิดวิเคราะห์ ลงมือทำ และแก้ปัญหางานจริงด้วย Python
ปัญญาประดิษฐ์
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