คอร์ส
Introduction to Amazon Bedrock
- ระดับกลางระดับทักษะ
- 4.7+
- 131 รีวิว
Learn to use Amazon Bedrock to access foundation AI models and build with AI - without managing complex infrastructure.
ปัญญาประดิษฐ์
ดูวิดีโอสั้นๆ ที่นำโดยผู้สอนผู้เชี่ยวชาญ แล้วฝึกฝนสิ่งที่คุณเรียนรู้ด้วยแบบฝึกหัดเชิงโต้ตอบในเบราว์เซอร์ของคุณ
หรือ
คอร์ส
Learn to use Amazon Bedrock to access foundation AI models and build with AI - without managing complex infrastructure.
ปัญญาประดิษฐ์
คอร์ส
เรียนรู้การออกแบบและใช้งานทริกเกอร์ใน SQL Server ด้วยตัวอย่างจากการใช้งานจริง
การพัฒนาซอฟต์แวร์
คอร์ส
Learn the most important functions for manipulating, processing, and transforming data in SQL Server.
การจัดการข้อมูล
คอร์ส
Build production-ready Apache Iceberg lakehouses: model, migrate, and maintain tables at scale.
วิศวกรรมข้อมูล
คอร์ส
เรียนรู้วิธีใช้ Python เพื่อวิเคราะห์การเลิกใช้บริการของลูกค้าและสร้างโมเดลเพื่อคาดการณ์มัน
การวิเคราะห์ข้อมูลเชิงสำรวจ
คอร์ส
Learn how to pull character strings apart, put them back together and use the stringr package.
การพัฒนาซอฟต์แวร์
คอร์ส
เรียนรู้การเลือก สร้าง และรักษาความปลอดภัยให้กับที่เก็บข้อมูล AWS รวมถึง DynamoDB และ S3 ผ่านแบบฝึกหัดคอนโซลและสถานการณ์จริง
Cloud
คอร์ส
เรียนรู้วิธีจัดเก็บ ปกป้อง ขยาย และประมวลผลข้อมูลใน Azure ด้วย Blob Storage, Cosmos DB, คิว และบริการที่ขับเคลื่อนด้วยเหตุการณ์
Cloud
คอร์ส
ค้นพบวิธีวิเคราะห์และแสดงภาพข้อมูลเบสบอลด้วย Power BI สร้าง scatter plots, tornado charts และ gauges เพื่อทำให้ข้อมูลเชิงลึกเกี่ยวกับเบสบอลมีชีวิตชีวา
การแสดงผลข้อมูลเป็นภาพ
คอร์ส
วิเคราะห์ข้อมูลข้อความใน R ด้วยเฟรมเวิร์ก tidy
การจัดการข้อมูล
คอร์ส
เรียนรู้วิธีลดเวลาในการฝึกโมเดลภาษาขนาดใหญ่ด้วย Accelerator และ Trainer สำหรับการฝึกแบบกระจาย
ปัญญาประดิษฐ์
คอร์ส
Become an expert in fitting ARIMA (autoregressive integrated moving average) models to time series data using R.
ความน่าจะเป็นและสถิติ
คอร์ส
Learn how to identify, analyze, remove and impute missing data in Python.
การจัดการข้อมูล
คอร์ส
แสดงภาพฤดูกาล แนวโน้ม และรูปแบบอื่นๆ ในข้อมูลอนุกรมเวลาของคุณ
การแสดงผลข้อมูลเป็นภาพ
คอร์ส
ในอีคอมเมิร์ซ การเพิ่มยอดขายและลดต้นทุนคือกุญแจสำคัญ วิเคราะห์ข้อมูลจากบริษัทจำหน่ายอุปกรณ์สัตว์เลี้ยงออนไลน์ด้วย Power BI
การแสดงผลข้อมูลเป็นภาพ
คอร์ส
เรียนรู้วิธีใช้ Power BI สำหรับการวิเคราะห์ซัพพลายเชนในกรณีศึกษานี้ สร้างเครื่องมือวิเคราะห์ make vs. buy คำนวณต้นทุน และวิเคราะห์ปริมาณการผลิต
การแสดงผลข้อมูลเป็นภาพ
คอร์ส
เรียนรู้การทำ 2 งานสำคัญในสถิติอนุมาน: การประมาณค่าพารามิเตอร์และการทดสอบสมมติฐาน
ความน่าจะเป็นและสถิติ
คอร์ส
ยกระดับทักษะการตัดสินใจด้วย Decision Models, วิธีวิเคราะห์, การจัดการความเสี่ยง และเทคนิคการเพิ่มประสิทธิภาพ
ความรู้ด้านข้อมูล
คอร์ส
ในคอร์สนี้ คุณจะได้เรียนรู้วิธีนำเข้าและจัดการข้อมูลการเงินใน Python โดยใช้เครื่องมือและแหล่งข้อมูลหลากหลายประเภท
การเงินประยุกต์
คอร์ส
Learn how to efficiently collect and download data from any website using R.
การเตรียมข้อมูล
คอร์ส
Julia is a new programming language designed to be the ideal language for scientific computing, machine learning, and data mining.
การพัฒนาซอฟต์แวร์
คอร์ส
Build conversational AI apps that answer questions from your data with Cortex Search and Cortex Analyst on Snowflake.
ปัญญาประดิษฐ์
คอร์ส
Learn how to use RNNs to classify text sentiment, generate sentences, and translate text between languages.
ปัญญาประดิษฐ์
คอร์ส
กรณีศึกษา Power BI นี้ติดตามกรณีใช้งานธุรกิจจริงในการวิเคราะห์สินค้าคงคลังด้วย DAX และการแสดงผลข้อมูล
การแสดงผลข้อมูลเป็นภาพ
คอร์ส
ฝึกตอบคำถามสัมภาษณ์ Python machine learning เพื่อเพิ่มความรู้และเตรียมพร้อมสำหรับการสัมภาษณ์ครั้งต่อไป
Machine Learning
คอร์ส
กรณีศึกษา Power BI นี้ติดตามกรณีใช้งานธุรกิจจริงที่คุณจะนำแนวคิด ETL และการแสดงผลข้อมูลไปใช้
การแสดงผลข้อมูลเป็นภาพ
คอร์ส
สำรวจแนวคิดและการใช้งานของโมเดลเชิงเส้นด้วย Python และสร้างโมเดลเพื่ออธิบาย ทำนาย และดึงอินไซต์จากรูปแบบข้อมูล
ความน่าจะเป็นและสถิติ
คอร์ส
Learn to analyze Airbnb data using SQL in Databricks, create dashboards, and derive actionable insights.
การนำเข้าและทำความสะอาดข้อมูล
คอร์ส
Map agent types to your KPIs and explore use cases that solve problems, learn how Gemini Enterprise empowers you to build and orchestrate the right agents.
Cloud
คอร์ส
Streamline your AI projects by building modular models and mastering advanced optimization with PyTorch Lightning!
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