คอร์ส
Unsupervised Learning in R
- ระดับกลางระดับทักษะ
- 4.8+
- 112 รีวิว
This course provides an intro to clustering and dimensionality reduction in R from a machine learning perspective.
Machine Learning
ดูวิดีโอสั้นๆ ที่นำโดยผู้สอนผู้เชี่ยวชาญ แล้วฝึกฝนสิ่งที่คุณเรียนรู้ด้วยแบบฝึกหัดเชิงโต้ตอบในเบราว์เซอร์ของคุณ
หรือ
คอร์ส
This course provides an intro to clustering and dimensionality reduction in R from a machine learning perspective.
Machine Learning
คอร์ส
ใช้การวิเคราะห์การแสดงออกเชิงแตกต่างของ RNA-Seq เพื่อระบุยีนที่น่าจะสำคัญต่อโรคหรือภาวะต่างๆ
ความน่าจะเป็นและสถิติ
คอร์ส
เรียนรู้พื้นฐานของการแยกวิเคราะห์ จัดการ และคำนวณวันที่และเวลาใน R
การพัฒนาซอฟต์แวร์
คอร์ส
Become an expert in fitting ARIMA (autoregressive integrated moving average) models to time series data using R.
ความน่าจะเป็นและสถิติ
คอร์ส
เรียนรู้การทำงานกับข้อมูล time-to-event. เหตุการณ์อาจเป็นการเสียชีวิตหรือการได้งานหลังว่างงาน เรียนรู้การประมาณค่า แสดงภาพ และตีความแบบจำลองการรอดชีพ!
ความน่าจะเป็นและสถิติ
คอร์ส
เรียนรู้วิธีทำงานกับข้อมูลสตรีมมิงด้วยเทคโนโลยีแบบ serverless บน AWS
Cloud
คอร์ส
เรียนรู้วิธีตรวจจับการฉ้อโกงด้วย Python
Machine Learning
คอร์ส
เรียนรู้แนวคิดหลักของ machine learning พร้อมวิธีสร้างและประเมิน predictive models
Machine Learning
คอร์ส
เรียนรู้การสร้างโมเดล machine learning ขั้นสูงและมีประสิทธิภาพใน Python ด้วยเทคนิค ensemble เช่น bagging, boosting และ stacking
Machine Learning
คอร์ส
ขยายชุดเครื่องมือ regression ด้วยหลักสูตร Generalized Linear Model ครอบคลุม logistic regression และ Poisson regression
ความน่าจะเป็นและสถิติ
คอร์ส
วิเคราะห์ข้อมูลข้อความใน R ด้วยเฟรมเวิร์ก tidy
การจัดการข้อมูล
Cloud
คอร์ส
เข้าใจการทำงานของ hierarchical และ k-means clustering พร้อมนำไปใช้ค้นหาอินไซต์จากข้อมูลของคุณ
Machine Learning
คอร์ส
พัฒนาทักษะการสร้างแบบจำลองข้อมูลและวิเคราะห์การเงิน ผ่านกรณีศึกษา Power BI ที่ให้คุณรับบทเทรดเดอร์มือใหม่ วิเคราะห์การซื้อขายสินเชื่อที่อยู่อาศัย
การเงินประยุกต์
คอร์ส
สำรวจ Alteryx Designer ในกรณีศึกษาข้อมูลค้าปลีกเพื่อยกระดับการวิเคราะห์ยอดขายและการตัดสินใจเชิงกลยุทธ์
การเตรียมข้อมูล
คอร์ส
เรียนรู้วิธีสร้างแดชบอร์ดกราฟิกด้วย Google Sheets เพื่อติดตามผลการดำเนินงานของหลักทรัพย์ทางการเงิน
การเงินประยุกต์
คอร์ส
เรียนรู้การเลือก สร้าง และรักษาความปลอดภัยให้กับที่เก็บข้อมูล AWS รวมถึง DynamoDB และ S3 ผ่านแบบฝึกหัดคอนโซลและสถานการณ์จริง
Cloud
คอร์ส
ยกระดับทักษะการตัดสินใจด้วย Decision Models, วิธีวิเคราะห์, การจัดการความเสี่ยง และเทคนิคการเพิ่มประสิทธิภาพ
ความรู้ด้านข้อมูล
คอร์ส
เข้าใจลึกเรื่อง data wrangling และ feature engineering—ทักษะหลักที่นักวิทยาศาสตร์ข้อมูลใช้เวลาส่วนใหญ่
การจัดการข้อมูล
คอร์ส
เรียนรู้วิธีทำให้โมเดล GenAI สะท้อนคุณค่าของมนุษย์อย่างแท้จริง พร้อมลงมือใช้ LLM ขั้นสูงจริงๆ
ปัญญาประดิษฐ์
คอร์ส
This course introduces Google Clouds AI and machine learning (ML) capabilities, with a focus on developing both generative and predictive AI projects.
Cloud
คอร์ส
เรียนรู้การวิเคราะห์ข้อมูล Airbnb ด้วย SQL บน Databricks สร้างแดชบอร์ด และค้นหาข้อมูลเชิงลึกที่นำไปใช้ได้จริง
การนำเข้าและทำความสะอาดข้อมูล
คอร์ส
Uncover the unique challenges faced by MLOps teams when deploying and managing Generative AI models, and explore how Vertex AI empowers AI teams.
Cloud
คอร์ส
This is an introductory level course aimed at explaining what Generative AI is, how it is used, and how it differs from traditional machine learning methods.
Cloud
คอร์ส
เรียนรู้การสร้างแดชบอร์ดแบบโต้ตอบด้วย R โดยใช้แพ็กเกจ shinydashboard อันทรงพลัง สร้างภาพข้อมูลเชิงโต้ตอบที่น่าสนใจสำหรับผู้ชมของคุณ
การรายงาน
คอร์ส
Deploy ADK agents to production using Vertex AI Agent Engine and Cloud Run. Add persistent cross-session memory with Memory Bank.
Cloud
คอร์ส
ฝึกลงมือทำการสรุปผลอย่างแม่นยำจากข้อมูลในคอร์ส 4 ชั่วโมงนี้เกี่ยวกับการอนุมานทางสถิติใน Python
ความน่าจะเป็นและสถิติ
คอร์ส
กรณีศึกษา Power BI นี้ติดตามกรณีใช้งานธุรกิจจริงในการวิเคราะห์สินค้าคงคลังด้วย DAX และการแสดงผลข้อมูล
การแสดงผลข้อมูลเป็นภาพ
คอร์ส
เรียนรู้การประเมินมูลค่าธุรกิจด้วยการประยุกต์ใช้จริงและกรณีศึกษา โดยใช้กระแสเงินสดคิดลด (DCF)
การเงินประยุกต์
คอร์ส
In this course, you’ll explore the essentials of cybersecurity, including the security lifecycle, digital transformation, and key cloud computing concepts.
Cloud
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
เรียนรู้ได้ทุกที่ด้วยคอร์สบนมือถือและโจทย์เขียนโค้ด 5 นาทีประจำวัน