คอร์ส
Azure API Management
- ระดับกลางระดับทักษะ
- 4.7+
- 80 รีวิว
เรียนรู้การสร้าง ปกป้อง และจัดการ API ด้วย Azure API Management ผ่านการฝึกปฏิบัติจริง
Cloud
ดูวิดีโอสั้นๆ ที่นำโดยผู้สอนผู้เชี่ยวชาญ แล้วฝึกฝนสิ่งที่คุณเรียนรู้ด้วยแบบฝึกหัดเชิงโต้ตอบในเบราว์เซอร์ของคุณ
หรือ
คอร์ส
เรียนรู้การสร้าง ปกป้อง และจัดการ API ด้วย Azure API Management ผ่านการฝึกปฏิบัติจริง
Cloud
คอร์ส
Learn to work with time-to-event data. The event may be death or finding a job after unemployment. Learn to estimate, visualize, and interpret survival models!
ความน่าจะเป็นและสถิติ
คอร์ส
This course teaches the big ideas in machine learning like how to build and evaluate predictive models.
Machine Learning
คอร์ส
The Generalized Linear Model course expands your regression toolbox to include logistic and Poisson regression.
ความน่าจะเป็นและสถิติ
คอร์ส
Manage the complexity in your code using object-oriented programming with the S3 and R6 systems.
การพัฒนาซอฟต์แวร์
คอร์ส
เรียนรู้วิธีเขียน recursive queries และ query โครงสร้างข้อมูลแบบลำดับชั้น
การพัฒนาซอฟต์แวร์
คอร์ส
เรียนรู้การสร้างไปป์ไลน์ที่ทนทานต่อกาลเวลา
Machine Learning
คอร์ส
Build generative AI apps on Snowflake with Cortex LLM functions, prompt engineering, and fine-tuning.
ปัญญาประดิษฐ์
คอร์ส
เรียนรู้การทำงานของวันที่ใน R และสำรวจโลกของคำสั่ง if, ลูป และฟังก์ชันด้วยตัวอย่างทางการเงิน
การเงินประยุกต์
คอร์ส
Build reliable Power Automate cloud flows with triggers, branching, approvals, error handling, and production handover.
ปัญญาประดิษฐ์
คอร์ส
เรียนรู้การวิเคราะห์ภาพด้วย Keras และ Python โดยสร้าง ฝึก และประเมินโครงข่ายประสาทเทียมแบบคอนโวลูชัน
ปัญญาประดิษฐ์
คอร์ส
เรียนรู้เกี่ยวกับโมเดล GARCH วิธีนำไปใช้ และปรับเทียบกับข้อมูลการเงินตั้งแต่หุ้นไปจนถึงอัตราแลกเปลี่ยนเงินตราต่างประเทศ
การเงินประยุกต์
คอร์ส
เรียนรู้วิธีการทำงานของคอมพิวเตอร์ ออกแบบอัลกอริทึมที่มีประสิทธิภาพ และสำรวจทฤษฎีการคำนวณเพื่อแก้ปัญหาในโลกจริง
การพัฒนาซอฟต์แวร์
คอร์ส
ใช้ความรู้เกี่ยวกับฟังก์ชันและเทคนิคสเปรดชีตทั่วไปเพื่อสำรวจ Python!
การพัฒนาซอฟต์แวร์
คอร์ส
ใช้ทักษะการจัดการข้อมูลและการสร้างภาพข้อมูลเพื่อสำรวจการลงคะแนนเสียงในอดีตของสมัชชาใหญ่แห่งสหประชาชาติ
การวิเคราะห์ข้อมูลเชิงสำรวจ
คอร์ส
พัฒนาทักษะที่คุณต้องใช้ในการทำความสะอาดข้อมูลดิบและแปลงเป็นอินไซต์ที่แม่นยำ
การเตรียมข้อมูล
คอร์ส
เชี่ยวชาญ SQL, การจัดการข้อมูล, การปรับแต่งประสิทธิภาพ และความปลอดภัยของ Amazon Redshift
วิศวกรรมข้อมูล
คอร์ส
พัฒนาสัญชาตญาณที่ดีขึ้นสำหรับความน่าจะเป็นขั้นสูง การประเมินความเสี่ยง และเทคนิคการจำลอง เพื่อใช้ตัดสินใจทางธุรกิจด้วยข้อมูลอย่างมั่นใจ
ความน่าจะเป็นและสถิติ
คอร์ส
Build reliable Snowflake pipelines with DevOps and observability: Git, CI/CD, and Snowflake Trail monitoring.
วิศวกรรมข้อมูล
คอร์ส
Learn how to use tree-based models and ensembles to make classification and regression predictions with tidymodels.
Machine Learning
คอร์ส
เรียนรู้เทคนิคที่มีประสิทธิภาพใน pandas เพื่อเพิ่มประสิทธิภาพโค้ด Python ของคุณ
การพัฒนาซอฟต์แวร์
คอร์ส
สร้าง DAG ด้วย TaskFlow API, การจัดตารางแบบอิงแอสเซ็ต, และ deferrable sensors พร้อมรันไปป์ไลน์ SQL ETL แบบ end-to-end พร้อมการตรวจสอบคุณภาพ
วิศวกรรมข้อมูล
คอร์ส
ในคอร์สนี้ คุณจะเรียนรู้วิธีรวบรวมข้อมูล Twitter และวิเคราะห์ข้อความ เครือข่าย และแหล่งกำเนิดทางภูมิศาสตร์ของ Twitter
การจัดการข้อมูล
คอร์ส
รับประกันความสอดคล้องของข้อมูลด้วยการเรียนรู้การใช้ธุรกรรมและจัดการข้อผิดพลาดในสภาพแวดล้อมที่ทำงานพร้อมกัน
การพัฒนาซอฟต์แวร์
คอร์ส
เรียนรู้วิธีนำเข้า ทำความสะอาด และจัดการข้อมูล IoT ใน Python เพื่อเตรียมพร้อมสำหรับ machine learning
การจัดการข้อมูล
คอร์ส
This course introduces the comprehensive and flexible infrastructure and platform services provided by Google Cloud with a focus on Infrastructure Foundations.
Cloud
คอร์ส
Trust and Security with Google Cloud
Cloud
คอร์ส
Begin your journey with Scala, a popular language for scalable applications and data engineering infrastructure.
การพัฒนาซอฟต์แวร์
คอร์ส
เตรียมพร้อมจัดหมวดหมู่! ในหลักสูตรนี้ คุณจะทำงานกับข้อมูลที่ไม่ใช่ตัวเลข เช่น ตำแหน่งงานหรือคำตอบแบบสำรวจ โดยใช้ Tidyverse landscape
การจัดการข้อมูล
คอร์ส
Prepare for your next statistics interview by reviewing concepts like conditional probabilities, A/B testing, the bias-variance tradeoff, and more.
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