คอร์ส
Parallel Programming with Dask in Python
- ระดับกลางระดับทักษะ
- 4.8+
- 62 รีวิว
เรียนรู้การใช้การเขียนโปรแกรมแบบขนานด้วย Python กับ Dask เพื่อยกระดับเวิร์กโฟลว์และจัดการบิ๊กดาต้าได้อย่างมีประสิทธิภาพ
การพัฒนาซอฟต์แวร์
ดูวิดีโอสั้นๆ ที่นำโดยผู้สอนผู้เชี่ยวชาญ แล้วฝึกฝนสิ่งที่คุณเรียนรู้ด้วยแบบฝึกหัดเชิงโต้ตอบในเบราว์เซอร์ของคุณ
หรือ
คอร์ส
เรียนรู้การใช้การเขียนโปรแกรมแบบขนานด้วย Python กับ Dask เพื่อยกระดับเวิร์กโฟลว์และจัดการบิ๊กดาต้าได้อย่างมีประสิทธิภาพ
การพัฒนาซอฟต์แวร์
คอร์ส
Learn dimensionality reduction techniques in R and master feature selection and extraction for your own data and models.
Machine Learning
คอร์ส
ฝึกทักษะ Shiny ของคุณไปพร้อมกับสร้างแอป Shiny สนุกๆ สำหรับสถานการณ์จริง!
การรายงาน
คอร์ส
เรียนรู้วิธีวิเคราะห์และตีความข้อมูล ChIP-seq ด้วย Bioconductor โดยใช้ชุดข้อมูลมะเร็งของมนุษย์
ความน่าจะเป็นและสถิติ
คอร์ส
In this Google DeepMind course you will learn how to prepare text data for language models to process.
Cloud
คอร์ส
With Google Slides, you can create and present professional presentations for sales, projects, training modules, and much more.
Cloud
คอร์ส
This course will show you how to combine and merge datasets with data.table.
การจัดการข้อมูล
คอร์ส
Learn the basics of cash flow valuation, work with human mortality data and build life insurance products in R.
การเงินประยุกต์
คอร์ส
Monitor and troubleshoot AWS apps with Amazon CloudWatch and AWS X-Ray. Collect metrics and logs, build dashboards, set alarms, and trace requests.
Cloud
คอร์ส
ในอีคอมเมิร์ซ การเพิ่มยอดขายและลดค่าใช้จ่ายคือสิ่งสำคัญอันดับต้นๆ ในกรณีศึกษานี้ คุณจะวิเคราะห์ข้อมูลจากบริษัทจำหน่ายอุปกรณ์สัตว์เลี้ยงออนไลน์
การแสดงผลข้อมูลเป็นภาพ
คอร์ส
เรียนรู้วิธีวิเคราะห์ข้อมูลแบบสำรวจด้วย Python และค้นพบว่าเมื่อใดควรใช้เครื่องมือทางสถิติทั้งเชิงพรรณนาและเชิงอนุมาน
ความน่าจะเป็นและสถิติ
คอร์ส
Learn to upload, organize, share, and manage files and folders in Google Drive from any device.
Cloud
คอร์ส
This course is all about application performance management tools, including Error Reporting, Cloud Trace, and Cloud Profiler.
Cloud
คอร์ส
เรียนรู้วิธีปรับแต่งไฮเปอร์พารามิเตอร์ของโมเดลเพื่อให้ได้ผลการทำนายที่ดีที่สุด
Machine Learning
คอร์ส
Manipulate text data, analyze it and more by mastering regular expressions and string distances in R.
การพัฒนาซอฟต์แวร์
คอร์ส
เรียนรู้การวิเคราะห์และสร้างแบบจำลองข้อมูลการเลือกของลูกค้าใน R
ความน่าจะเป็นและสถิติ
คอร์ส
ปรับใช้ ปกป้อง และดูแลแอปบน AWS ด้วย Lambda, API Gateway, Cognito, IAM, CloudWatch และ X-Ray เตรียมสอบ DVA-C02 แบบลงมือทำจริง
Cloud
คอร์ส
เรียนรู้วิธีรวมชุดข้อมูลในรูปแบบตารางอย่างมีประสิทธิภาพและได้ผลด้วยไลบรารี Python Pandas
การจัดการข้อมูล
คอร์ส
Learn to create and edit spreadsheets in Google Sheets, work with data, build formulas, and collaborate in real time.
Cloud
คอร์ส
Learn to create and manage events, schedule meetings, share calendars, and use tasks and reminders to stay organized.
Cloud
คอร์ส
เรียนรู้วิธีเตรียมและจัดระเบียบข้อมูลของคุณสำหรับการวิเคราะห์เชิงคาดการณ์
Machine Learning
คอร์ส
เรียนรู้การวิเคราะห์ความรู้สึกด้วยการระบุภาษาบวกและลบ เจตนาเชิงอารมณ์เฉพาะ และสร้างภาพข้อมูลที่น่าสนใจ
Machine Learning
คอร์ส
Learn how to write scalable code for working with big data in R using the bigmemory and iotools packages.
การพัฒนาซอฟต์แวร์
คอร์ส
Learn to create, format, and collaborate on documents in real time using Google Docs, stored securely in the cloud.
Cloud
คอร์ส
Learn how to use NotebookLM to create a personalized study guide for the Professional Machine Learning Engineer certification exam (PMLE).
Cloud
คอร์ส
เรียนรู้วิธีสร้างแดชบอร์ดการตัดจำหน่ายใน Google Sheets ด้วยสูตรการเงินและสูตรเงื่อนไข
การเงินประยุกต์
คอร์ส
เรียนรู้การเขียนโปรแกรมเชิงป้องกันใน R เพื่อทำให้โค้ดของคุณทนทานยิ่งขึ้น
การพัฒนาซอฟต์แวร์
คอร์ส
Learn how to visualize big data in R using ggplot2 and trelliscopejs.
การแสดงผลข้อมูลเป็นภาพ
คอร์ส
Build CI/CD pipelines with AWS CodePipeline, CodeBuild, and CodeDeploy. Automate blue/green and canary releases, and define infrastructure with CloudFormation.
Cloud
คอร์ส
ยกระดับทักษะ Alteryx ของคุณด้วยข้อมูลฟิตเนสจริง เพื่อพัฒนากลยุทธ์การตลาดแบบเจาะจงและผลิตภัณฑ์นวัตกรรม!
การเตรียมข้อมูล
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