คอร์ส
Statistical Techniques in Tableau
- ระดับกลางระดับทักษะ
- 4.8+
- 669 รีวิว
Take your reporting skills to the next level with Tableau’s built-in statistical functions.
ความน่าจะเป็นและสถิติ
ดูวิดีโอสั้นๆ ที่นำโดยผู้สอนผู้เชี่ยวชาญ แล้วฝึกฝนสิ่งที่คุณเรียนรู้ด้วยแบบฝึกหัดเชิงโต้ตอบในเบราว์เซอร์ของคุณ
หรือ
คอร์ส
Take your reporting skills to the next level with Tableau’s built-in statistical functions.
ความน่าจะเป็นและสถิติ
คอร์ส
ช่วยบริษัทสมมติในกรณีศึกษาสำรวจ Power BI แบบอินเทอร์แอคทีฟนี้ คุณจะใช้ Power Query, DAX และแดชบอร์ดเพื่อระบุงานด้านข้อมูลที่เป็นที่ต้องการมากที่สุด!
การจัดการข้อมูล
คอร์ส
ทดสอบแชตบอตที่จับคู่ลูกค้ากับผลิตภัณฑ์ดูแลผิวที่เหมาะที่สุดด้วยทักษะการตั้งพรอมต์ของคุณ เพื่อผลลัพธ์เฉพาะบุคคล
ปัญญาประดิษฐ์
คอร์ส
Build, deploy, and optimize serverless apps with AWS Lambda. Master event processing, error handling, concurrency, and safe deployments in a live AWS Console.
Cloud
คอร์ส
In this course youll learn about basic experimental design, a crucial part of any data analysis.
ความน่าจะเป็นและสถิติ
คอร์ส
วิเคราะห์พลวัตตลาดและวางแผนเข้าสู่ตลาดเชิงกลยุทธ์สำหรับผู้ผลิต EV ด้วย generative AI
ปัญญาประดิษฐ์
คอร์ส
Create more accurate and reliable RAG systems with Graph RAG and hybrid RAG.
ปัญญาประดิษฐ์
คอร์ส
คอร์สนี้จะแสดงวิธีผสานข้อมูลเชิงพื้นที่เข้ากับเวิร์กโฟลว์ Python Data Science ของคุณ
การจัดการข้อมูล
คอร์ส
เสริมทักษะ decision science ของคุณด้วยการออกแบบกรอบงานที่ขับเคลื่อนด้วยข้อมูลและนำโซลูชันที่มีประสิทธิภาพไปใช้
ความรู้ด้านข้อมูล
คอร์ส
คุณจะใช้เทคนิค Net Revenue Management ใน Excel สำหรับบริษัทสินค้าอุปโภคบริโภคที่หมุนเวียนเร็ว
การเงินประยุกต์
คอร์ส
เรียนรู้ความแตกต่างระหว่างการแบตช์และสตรีมมิง การปรับสเกลระบบสตรีมมิง และการใช้งานจริง
วิศวกรรมข้อมูล
คอร์ส
สร้างระบบมัลติโหมดด้วยโมเดลข้อความและเสียงของ OpenAI รวมถึงแชตบอทสนับสนุนลูกค้าแบบครบวงจร!
ปัญญาประดิษฐ์
คอร์ส
Shiny is an R package that makes it easy to build interactive web apps directly in R, allowing your team to explore your data as dashboards or visualizations.
การพัฒนาซอฟต์แวร์
คอร์ส
เรียนรู้พื้นฐานของการสำรวจ จัดการ และวัดผลข้อมูลภาพชีวการแพทย์
การจัดการข้อมูล
คอร์ส
เรียนรู้เทคนิคหลักที่จำเป็นในการดึงข้อมูลเชิงลึกที่มีความหมายจากข้อมูลอนุกรมเวลา
ความน่าจะเป็นและสถิติ
คอร์ส
เชี่ยวชาญ Databricks ด้วย Python: เรียนรู้การยืนยันตัวตน จัดการคลัสเตอร์ ทำงานอัตโนมัติ และคิวรีโมเดล AI แบบโปรแกรมmatically
ปัญญาประดิษฐ์
คอร์ส
เรียนรู้เกี่ยวกับ AWS Boto และการใช้ประโยชน์จากเทคโนโลยีคลาวด์เพื่อเพิ่มประสิทธิภาพเวิร์กโฟลว์ข้อมูลของคุณ
Cloud
คอร์ส
หยุดเขียน joins และ calculations เดิมๆ แล้วเจาะลึก analytics ที่มีการกำกับดูแลดีและขยายได้ด้วย Sigma data models
การรายงาน
คอร์ส
สร้างการคำนวณ Sigma แบบไดนามิกเพื่อสำรวจข้อมูล ทำงานอัตโนมัติของตรรกะ และค้นพบแนวโน้มด้วยตัวอย่างธุรกิจจริง
การจัดการข้อมูล
คอร์ส
ในคอร์สนี้ คุณจะได้เรียนรู้การใช้และนำเสนอโมเดลโลจิสติกรีเกรสชันเพื่อการพยากรณ์
Machine Learning
คอร์ส
This course introduces Google’s gen AI applications, such as Google Workspace with Gemini and NotebookLM.
Cloud
คอร์ส
Learn to implement distributed data management and machine learning in Spark using the PySpark package.
วิศวกรรมข้อมูล
คอร์ส
Fine-tune Llama for custom tasks using TorchTune, and learn techniques for efficient fine-tuning such as quantization.
ปัญญาประดิษฐ์
คอร์ส
ฝึกใช้ Power BI กับกรณีศึกษาด้านการดูแลสุขภาพของเรา วิเคราะห์ข้อมูล ค้นพบข้อมูลเชิงลึกด้านประสิทธิภาพ และสร้างแดชบอร์ด
การแสดงผลข้อมูลเป็นภาพ
คอร์ส
เรียนรู้แนวคิดทางการเงินสำคัญ เช่น การลงทุนทุน, WACC และมูลค่าผู้ถือหุ้น
การเงินประยุกต์
คอร์ส
You explore the different layers of building gen AI solutions, Google Cloud’s offerings, and the factors to consider when selecting a solution.
Cloud
คอร์ส
เรียนรู้เกี่ยวกับโมเดล ARIMA ใน Python และก้าวสู่ความเชี่ยวชาญด้านการวิเคราะห์อนุกรมเวลา
Machine Learning
คอร์ส
เรียนรู้การสื่อสารข้อมูลของคุณอย่างมีประสิทธิภาพด้วยภาพรวมของแผนภูมิทั่วไป ประเภทการแสดงผลข้อมูลทางเลือก และการปรับสไตล์ที่ขับเคลื่อนด้วยการรับรู้
การแสดงผลข้อมูลเป็นภาพ
คอร์ส
เรียนรู้พื้นฐานของการแสดงข้อมูลด้วยภาพโดยใช้ Google Sheets
การแสดงผลข้อมูลเป็นภาพ
คอร์ส
โต้ตอบกับ GPT ที่ปรับแต่งเองและใช้ทักษะการตั้งพรอมต์ของคุณเพื่อวางแผนและเปิดร้านอาหารของคุณ
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