คอร์ส
Accelerate App Development with Gemini CLI
- ระดับกลางระดับทักษะ
- 4.8+
- 9 รีวิว
Learn about gemini CLI installation and configuration, and introduces use cases and security best practices
Cloud
ดูวิดีโอสั้นๆ ที่นำโดยผู้สอนผู้เชี่ยวชาญ แล้วฝึกฝนสิ่งที่คุณเรียนรู้ด้วยแบบฝึกหัดเชิงโต้ตอบในเบราว์เซอร์ของคุณ
หรือ
คอร์ส
Learn about gemini CLI installation and configuration, and introduces use cases and security best practices
Cloud
คอร์ส
Continue learning with purrr to create robust, clean, and easy to maintain iterative code.
การพัฒนาซอฟต์แวร์
คอร์ส
It explores practical methods and tools to implement AI privacy and safety recommended practices.
Cloud
คอร์ส
You learn how to prompt Gemini to explain code, recommend Google Cloud services, and generate code for your applications.
Cloud
คอร์ส
ปลดล็อกพลังของการประมวลผลแบบขนานใน R ยกระดับทักษะวิเคราะห์ข้อมูล เร่งการคำนวณ และจัดการชุดข้อมูลขนาดใหญ่ได้อย่างง่ายดาย
การพัฒนาซอฟต์แวร์
คอร์ส
This course is designed for developers, data scientists, and ML engineers interested in quickly deploying AI inference services on Cloud Run.
Cloud
คอร์ส
เชี่ยวชาญการสร้างภาพข้อมูลใน Julia เรียนรู้วิธีสร้างกราฟที่สวยงาม พร้อมเข้าใจว่าเมื่อไรและอย่างไรควรใช้กราฟเหล่านั้น
การแสดงผลข้อมูลเป็นภาพ
คอร์ส
เรียนรู้วิธีสร้างการแสดงผลข้อมูลแบบโต้ตอบ รวมถึงการสร้างและเชื่อมต่อวิดเจ็ตด้วย Bokeh!
การแสดงผลข้อมูลเป็นภาพ
คอร์ส
With help from Gemini, you learn how to develop and build a web application, fix errors in the application, develop tests, and query data.
Cloud
คอร์ส
This course reviews the essential security features of Model Armor and equips you to work with the service.
Cloud
คอร์ส
Tired of launch week chaos? Plan and write a full product launch in a single session with Claude Cowork.
ปัญญาประดิษฐ์
คอร์ส
You learn best practices for cloud applications, and how to select compute and data options to match your application use cases.
Cloud
คอร์ส
เรียนรู้การคาดการณ์อัตราการคลิกโฆษณาและสร้างโมเดลแมชชีนเลิร์นนิงพื้นฐานใน Python เพื่อเพิ่มประสิทธิภาพโฆษณาให้ดีขึ้น
Machine Learning
คอร์ส
Journey through the storage solutions available on Google Cloud, specifically tailored for AI and high-performance computing (HPC) workloads.
Cloud
คอร์ส
The course introduces the benefits of Gemini Code Assist and compares the features of the different Gemini Code Assist editions.
Cloud
Cloud
คอร์ส
เรียนรู้ mixture models: กรอบสถิติที่สะดวกและเป็นทางการสำหรับ probabilistic clustering และ classification
ความน่าจะเป็นและสถิติ
คอร์ส
Learn statistical tests for identifying outliers and how to use sophisticated anomaly scoring algorithms.
ความน่าจะเป็นและสถิติ
คอร์ส
In this course, you’ll combine and apply key concepts such as cloud security principles, risk management, and more in an interactive capstone project.
Cloud
คอร์ส
This course introduces you to the core features and functionalities of Gemini Code Assist, an AI-powered app development collaborator for Google Cloud.
Cloud
คอร์ส
It discusses the importance of AI transparency for developers and engineers.
Cloud
คอร์ส
A guide to deploying, managing, and optimizing AI and high-performance computing (HPC) workloads on Google Cloud.
Cloud
คอร์ส
เรียนรู้การสร้างกราฟิกเคลื่อนไหวและมุมมองที่เชื่อมโยงทั้งหมดใน R ด้วย plotly
การแสดงผลข้อมูลเป็นภาพ
คอร์ส
Want to spend more time coding and less time doing admin? Automate support briefs for the rollout of new features with Claude Cowork.
ปัญญาประดิษฐ์
คอร์ส
Use Agent Search on Gemini Enterprise Agent Platform to provide your website users a generative search experience.
Cloud
คอร์ส
Learn to build simple models of market response to increase the effectiveness of your marketing plans.
ความน่าจะเป็นและสถิติ
คอร์ส
Learn about creating and securing containers, and Google Kubernetes Engine for application developers.
Cloud
คอร์ส
Cloud Run functions is Googles serverless, fully-managed functions as a service (FaaS) product.
Cloud
คอร์ส
เรียนรู้การทำนายป้ายกำกับของโหนดในเครือข่ายด้วยการเรียนรู้เครือข่ายและการสกัดคุณลักษณะเชิงพรรณนาจากเครือข่าย
ความน่าจะเป็นและสถิติ
คอร์ส
Staring at your inbound leads and unsure where to start? Use Claude Cowork to score your leads and build a high-quality, prioritized shortlist.
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