คอร์ส
HR Analytics: การพยากรณ์การลาออกของพนักงานด้วย R
- ระดับกลางระดับทักษะ
- 4.8+
- 23 รีวิว
คาดการณ์การลาออกของพนักงานและออกแบบกลยุทธ์การรักษาพนักงาน
Machine Learning
ดูวิดีโอสั้นๆ ที่นำโดยผู้สอนผู้เชี่ยวชาญ แล้วฝึกฝนสิ่งที่คุณเรียนรู้ด้วยแบบฝึกหัดเชิงโต้ตอบในเบราว์เซอร์ของคุณ
หรือ
คอร์ส
คาดการณ์การลาออกของพนักงานและออกแบบกลยุทธ์การรักษาพนักงาน
Machine Learning
คอร์ส
Operate Dataflow pipelines in production. Learn monitoring, logging, troubleshooting, performance tuning, CI/CD, reliability, and templates.
Cloud
คอร์ส
Master the essential skills of data manipulation in Julia. Learn how to inspect, transform, group, and visualize DataFrames using real-world datasets.
การจัดการข้อมูล
คอร์ส
ปลดล็อกพลังของการประมวลผลแบบขนานใน R ยกระดับทักษะวิเคราะห์ข้อมูล เร่งการคำนวณ และจัดการชุดข้อมูลขนาดใหญ่ได้อย่างง่ายดาย
การพัฒนาซอฟต์แวร์
คอร์ส
เรียนรู้ mixture models: กรอบสถิติที่สะดวกและเป็นทางการสำหรับ probabilistic clustering และ classification
ความน่าจะเป็นและสถิติ
คอร์ส
Learn how to implement the various flavors of ML: static, dynamic, and continuous training; static and dynamic inference; and batch and online processing.
Cloud
คอร์ส
In this course, you’ll focus on developing capabilities in logging, security, and alert monitoring, along with techniques for mitigating attacks.
Cloud
คอร์ส
เรียนรู้วิธีสร้างการแสดงผลข้อมูลแบบโต้ตอบ รวมถึงการสร้างและเชื่อมต่อวิดเจ็ตด้วย Bokeh!
การแสดงผลข้อมูลเป็นภาพ
คอร์ส
Gemini Enteprise brings together AI agents, enterprise search, NotebookLM, and intelligent data access to solve organizational challenges.
Cloud
คอร์ส
เชี่ยวชาญการสร้างภาพข้อมูลใน Julia เรียนรู้วิธีสร้างกราฟที่สวยงาม พร้อมเข้าใจว่าเมื่อไรและอย่างไรควรใช้กราฟเหล่านั้น
การแสดงผลข้อมูลเป็นภาพ
คอร์ส
เรียนรู้กลยุทธ์การตอบคำถามความน่าจะเป็นใน R ด้วยการแก้ปริศนาความน่าจะเป็นหลากหลายแบบ
ความน่าจะเป็นและสถิติ
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
Well explore how CPUs, GPUs, and TPUs make AI tasks super fast, what makes each one unique, and how AI software gets the most out of them.
Cloud
คอร์ส
Learn statistical tests for identifying outliers and how to use sophisticated anomaly scoring algorithms.
ความน่าจะเป็นและสถิติ
คอร์ส
Learn best practices for deploying, evaluating, monitoring and operating production ML systems on Google Cloud.
Cloud
คอร์ส
This course covers techniques to practically identify fairness and bias and mitigate bias in AI/ML practices.
Cloud
คอร์ส
เรียนรู้การคาดการณ์อัตราการคลิกโฆษณาและสร้างโมเดลแมชชีนเลิร์นนิงพื้นฐานใน Python เพื่อเพิ่มประสิทธิภาพโฆษณาให้ดีขึ้น
Machine Learning
คอร์ส
Learn to build simple models of market response to increase the effectiveness of your marketing plans.
ความน่าจะเป็นและสถิติ
คอร์ส
เรียนรู้การสร้างกราฟิกเคลื่อนไหวและมุมมองที่เชื่อมโยงทั้งหมดใน R ด้วย plotly
การแสดงผลข้อมูลเป็นภาพ
คอร์ส
Gain a deep understanding of various evaluation metrics, methodologies, and their appropriate application across different model types and tasks.
Cloud
คอร์ส
This course is designed for developers, data scientists, and ML engineers interested in quickly deploying AI inference services on Cloud Run.
Cloud
คอร์ส
The course introduces the benefits of Gemini Code Assist and compares the features of the different Gemini Code Assist editions.
Cloud
คอร์ส
This course reviews the essential security features of Model Armor and equips you to work with the service.
Cloud
คอร์ส
Journey through the storage solutions available on Google Cloud, specifically tailored for AI and high-performance computing (HPC) workloads.
Cloud
คอร์ส
This course explores identity management and access control within a cloud environment, covering authentication, authorization, auditing, and more.
Cloud
คอร์ส
Learn about Gen AI applications and how you can use prompt design and retrieval augmented generation (RAG) to build powerful applications using LLMs.
Cloud
Cloud
คอร์ส
You learn best practices for cloud applications, and how to select compute and data options to match your application use cases.
Cloud
คอร์ส
With help from Gemini, you learn how to develop and build a web application, fix errors in the application, develop tests, and query data.
Cloud
คอร์ส
Learn about gemini CLI installation and configuration, and introduces use cases and security best practices
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
พัฒนาทักษะได้ทุกที่ทุกเวลาด้วยคอร์สเรียนบนมือถือและแบบฝึกหัดเขียนโค้ดประจำวัน 5 นาทีของเรา