คอร์ส
Hierarchical and Mixed Effects Models in R
- ขั้นสูงระดับทักษะ
- 4.7+
- 186 รีวิว
In this course you will learn to fit hierarchical models with random effects.
ความน่าจะเป็นและสถิติ
ดูวิดีโอสั้นๆ ที่นำโดยผู้สอนผู้เชี่ยวชาญ แล้วฝึกฝนสิ่งที่คุณเรียนรู้ด้วยแบบฝึกหัดเชิงโต้ตอบในเบราว์เซอร์ของคุณ
หรือ
คอร์ส
In this course you will learn to fit hierarchical models with random effects.
ความน่าจะเป็นและสถิติ
คอร์ส
คอร์สนี้ครอบคลุมทุกสิ่งที่คุณต้องรู้เพื่อสร้างระบบมอนิเตอร์แมชชีนเลิร์นนิงพื้นฐานใน Python
Machine Learning
คอร์ส
เรียนรู้การเขียนเทสต์ที่มีประสิทธิภาพใน Java ด้วย JUnit และ Mockito เพื่อสร้างแอปที่แข็งแกร่งและเชื่อถือได้อย่างมั่นใจ
การพัฒนาซอฟต์แวร์
คอร์ส
Create more accurate and reliable RAG systems with Graph RAG and hybrid RAG.
ปัญญาประดิษฐ์
คอร์ส
เชี่ยวชาญ Databricks ด้วย Python: เรียนรู้การยืนยันตัวตน จัดการคลัสเตอร์ ทำงานอัตโนมัติ และคิวรีโมเดล AI แบบโปรแกรมmatically
ปัญญาประดิษฐ์
คอร์ส
เรียนรู้เกี่ยวกับโมเดล ARIMA ใน Python และก้าวสู่ความเชี่ยวชาญด้านการวิเคราะห์อนุกรมเวลา
Machine Learning
คอร์ส
เรียนรู้วิธีทำงานกับข้อมูลสตรีมมิงด้วยเทคโนโลยีแบบ serverless บน AWS
Cloud
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
เรียนรู้วิธีเข้าร่วมและคว้าชัยในการแข่งขันบน Kaggle
Machine Learning
คอร์ส
สำรวจตัวแปรแฝง เช่น บุคลิกภาพ ด้วยการวิเคราะห์องค์ประกอบเชิงสำรวจและเชิงยืนยัน
ความน่าจะเป็นและสถิติ
คอร์ส
สร้างแอปพลิเคชันใช้งานจริงด้วย Python—ฝึกใช้ OOP และหลักการวิศวกรรมซอฟต์แวร์เพื่อเขียนโค้ดที่สะอาดและดูแลรักษาง่าย
การพัฒนาซอฟต์แวร์
คอร์ส
In this course youll learn how to perform inference using linear models.
ความน่าจะเป็นและสถิติ
คอร์ส
เรียนรู้วิธีทำให้โมเดล GenAI สะท้อนคุณค่าของมนุษย์อย่างแท้จริง พร้อมลงมือใช้ LLM ขั้นสูงจริงๆ
ปัญญาประดิษฐ์
คอร์ส
เรียนรู้การสร้างโมเดล machine learning ขั้นสูงและมีประสิทธิภาพใน Python ด้วยเทคนิค ensemble เช่น bagging, boosting และ stacking
Machine Learning
คอร์ส
สร้างเวิร์กโฟลว์ AI แบบ agentic ที่วางแผน ค้นหา จดจำ และทำงานร่วมกันได้ ด้วย LlamaIndex
ปัญญาประดิษฐ์
คอร์ส
เรียนรู้การวิเคราะห์ภาพด้วย Keras และ Python โดยสร้าง ฝึก และประเมินโครงข่ายประสาทเทียมแบบคอนโวลูชัน
ปัญญาประดิษฐ์
คอร์ส
Learn the gritty details that data scientists are spending 70-80% of their time on; data wrangling and feature engineering.
การจัดการข้อมูล
คอร์ส
เรียนรู้วิธีลดเวลาในการฝึกโมเดลภาษาขนาดใหญ่ด้วย Accelerator และ Trainer สำหรับการฝึกแบบกระจาย
ปัญญาประดิษฐ์
คอร์ส
Learn how to use RNNs to classify text sentiment, generate sentences, and translate text between languages.
ปัญญาประดิษฐ์
คอร์ส
Prepare for your next statistics interview by reviewing concepts like conditional probabilities, A/B testing, the bias-variance tradeoff, and more.
ความน่าจะเป็นและสถิติ
คอร์ส
Learn to analyze Airbnb data using SQL in Databricks, create dashboards, and derive actionable insights.
การนำเข้าและทำความสะอาดข้อมูล
คอร์ส
ฝึกตอบคำถามสัมภาษณ์ Python machine learning เพื่อเพิ่มความรู้และเตรียมพร้อมสำหรับการสัมภาษณ์ครั้งต่อไป
Machine Learning
คอร์ส
เรียนรู้การสร้างไปป์ไลน์ที่ทนทานต่อกาลเวลา
Machine Learning
คอร์ส
เรียนรู้วิธีเขียน recursive queries และ query โครงสร้างข้อมูลแบบลำดับชั้น
การพัฒนาซอฟต์แวร์
คอร์ส
Manage the complexity in your code using object-oriented programming with the S3 and R6 systems.
การพัฒนาซอฟต์แวร์
คอร์ส
พัฒนาสัญชาตญาณที่ดีขึ้นสำหรับความน่าจะเป็นขั้นสูง การประเมินความเสี่ยง และเทคนิคการจำลอง เพื่อใช้ตัดสินใจทางธุรกิจด้วยข้อมูลอย่างมั่นใจ
ความน่าจะเป็นและสถิติ
คอร์ส
สร้าง DAG ด้วย TaskFlow API, การจัดตารางแบบอิงแอสเซ็ต, และ deferrable sensors พร้อมรันไปป์ไลน์ SQL ETL แบบ end-to-end พร้อมการตรวจสอบคุณภาพ
วิศวกรรมข้อมูล
คอร์ส
เรียนรู้เครื่องมือและเทคนิคเพื่อใช้ประโยชน์จากบิ๊กดาต้าของคุณเอง เพื่อสร้างประสบการณ์เชิงบวกให้ผู้ใช้ของคุณ
Machine Learning
คอร์ส
เชื่อม Java กับ PostgreSQL ด้วย JDBC เขียนคิวรีอย่างปลอดภัย จัดการธุรกรรม และจัดการชุดข้อมูลขนาดใหญ่ได้อย่างมีประสิทธิภาพ
การพัฒนาซอฟต์แวร์
คอร์ส
Diagnose, visualize and treat missing data with a range of imputation techniques with tips to improve your results.
การจัดการข้อมูล
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