คอร์ส
Market Basket Analysis ด้วย Python
- ระดับกลางระดับทักษะ
- 4.8+
- 269 รีวิว
สำรวจ association rules ในการวิเคราะห์ตะกร้าสินค้าด้วย Python จากข้อมูลร้านหนังสือและการสร้างคำแนะนำภาพยนตร์
Machine Learning
ดูวิดีโอสั้นๆ ที่นำโดยผู้สอนผู้เชี่ยวชาญ แล้วฝึกฝนสิ่งที่คุณเรียนรู้ด้วยแบบฝึกหัดเชิงโต้ตอบในเบราว์เซอร์ของคุณ
หรือ
คอร์ส
สำรวจ association rules ในการวิเคราะห์ตะกร้าสินค้าด้วย Python จากข้อมูลร้านหนังสือและการสร้างคำแนะนำภาพยนตร์
Machine Learning
คอร์ส
เรียนรู้ทักษะ command-line อันทรงพลังเพื่อดาวน์โหลด ประมวลผล และแปลงข้อมูล รวมถึง pipeline ของ machine learning
การจัดการข้อมูล
คอร์ส
เรียนรู้วิธีทำงานกับข้อมูลสตรีมมิงด้วยเทคโนโลยีแบบ serverless บน AWS
Cloud
คอร์ส
In this course youll learn how to perform inference using linear models.
ความน่าจะเป็นและสถิติ
คอร์ส
เรียนรู้การเขียนสคริปต์ที่ตรวจจับและจัดการข้อผิดพลาด พร้อมควบคุมหลายการทำงานที่เกิดขึ้นพร้อมกัน
การพัฒนาซอฟต์แวร์
คอร์ส
สำรวจวิธีทำงานกับข้อมูลวันที่และเวลาใน SQL Server สำหรับการวิเคราะห์อนุกรมเวลา
การจัดการข้อมูล
คอร์ส
สร้างแอป AI แบบโต้ตอบใน Sigma ด้วยอินพุตจากผู้ใช้ การกระทำ และอินเทอร์เฟซที่สวยงาม โดยไม่ต้องเขียนโค้ด
การรายงาน
คอร์ส
เรียนรู้การสร้างแบบจำลองและคาดการณ์ค่าข้อมูลหุ้นด้วยโมเดลเชิงเส้น, ต้นไม้ตัดสินใจ, ป่ากลุ่มสุ่ม และโครงข่ายประสาทเทียม
Machine Learning
คอร์ส
ทำความรู้จัก Google Cloud Platform (GCP) ด้วยคอร์สนี้เกี่ยวกับการจัดเก็บข้อมูล การจัดการข้อมูล และการปรับธุรกิจให้ทันสมัยด้วย GCP
Cloud
คอร์ส
เรียนรู้วิธีเข้าร่วมและคว้าชัยในการแข่งขันบน Kaggle
Machine Learning
คอร์ส
เรียนรู้ข้อดีของการวิเคราะห์ข้อมูลแบบเบย์เซียน และนำไปใช้กับกรณีใช้งานจริงหลากหลายรูปแบบ!
ความน่าจะเป็นและสถิติ
Cloud
คอร์ส
This course provides an intro to clustering and dimensionality reduction in R from a machine learning perspective.
Machine Learning
คอร์ส
In this course you will learn how to predict future events using linear regression, generalized additive models, random forests, and xgboost.
Machine Learning
คอร์ส
เรียนรู้ว่า Bayesian data analysis คืออะไร ทำงานอย่างไร และทำไมจึงเป็นเครื่องมือที่มีประโยชน์ในชุดเครื่องมือ data science ของคุณ
ความน่าจะเป็นและสถิติ
คอร์ส
เชี่ยวชาญการใช้ข้อมูล! เรียนรู้ทักษะสำหรับบุคคลและองค์กร เข้าใจพฤติกรรม และสร้างวัฒนธรรมที่คล่องแคล่วด้านข้อมูล
ความรู้ด้านข้อมูล
คอร์ส
In this case study, you’ll use visualization techniques to find out what skills are most in-demand for data scientists, data analysts, and data engineers.
การแสดงผลข้อมูลเป็นภาพ
คอร์ส
สำรวจ Alteryx Designer ในกรณีศึกษาข้อมูลค้าปลีกเพื่อยกระดับการวิเคราะห์ยอดขายและการตัดสินใจเชิงกลยุทธ์
การเตรียมข้อมูล
คอร์ส
Learn to use Googles Agent Development Kit (ADK) to build complex, production-ready AI agents with a code-first, structured development approach.
Cloud
คอร์ส
Master time series data manipulation in R, including importing, summarizing and subsetting, with zoo, lubridate and xts.
การจัดการข้อมูล
คอร์ส
ใช้การวิเคราะห์การแสดงออกเชิงแตกต่างของ RNA-Seq เพื่อระบุยีนที่น่าจะสำคัญต่อโรคหรือภาวะต่างๆ
ความน่าจะเป็นและสถิติ
คอร์ส
เรียนรู้วิธีโหลด แปลง และถอดเสียงจากไฟล์เสียงดิบใน Python
การจัดการข้อมูล
คอร์ส
Learn how to calculate meaningful measures of risk and performance, and how to compile an optimal portfolio for the desired risk and return trade-off.
การเงินประยุกต์
คอร์ส
คอร์สนี้จะช่วยให้คุณมีทักษะในการวิเคราะห์ แสดงภาพ และทำความเข้าใจเครือข่ายด้วยไลบรารี NetworkX
ความน่าจะเป็นและสถิติ
คอร์ส
เรียนรู้พื้นฐานของการแยกวิเคราะห์ จัดการ และคำนวณวันที่และเวลาใน R
การพัฒนาซอฟต์แวร์
คอร์ส
เรียนรู้การแก้ปัญหา optimization ในโลกจริงด้วย SciPy และ PuLP ของ Python ครอบคลุมตั้งแต่พื้นฐานไปจนถึง constrained และ complex optimization
การพัฒนาซอฟต์แวร์
คอร์ส
Combine text, images, audio, and video with the latest AI models from Hugging Face, and generate new images and videos!
ปัญญาประดิษฐ์
คอร์ส
เรียนรู้วิธีใช้สคริปต์ Python ใน Power BI สำหรับเตรียมข้อมูล การสร้างภาพ และการคำนวณค่าสัมประสิทธิ์สหสัมพันธ์
การจัดการข้อมูล
คอร์ส
ใช้พลังของ Python และ PuLP เพื่อเพิ่มประสิทธิภาพซัพพลายเชน
การวิเคราะห์ข้อมูลเชิงสำรวจ
คอร์ส
เรียนรู้แนวคิดพื้นฐานของความน่าจะเป็น เช่น ตัวแปรสุ่ม ค่าเฉลี่ยและความแปรปรวน การแจกแจงความน่าจะเป็น และความน่าจะเป็นแบบมีเงื่อนไข
ความน่าจะเป็นและสถิติ
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