ข้ามไปยังเนื้อหาหลัก

คอร์สด้าน Data, AI และ Cloud

เชี่ยวชาญทักษะที่สำคัญ

ดูวิดีโอสั้นๆ ที่นำโดยผู้สอนผู้เชี่ยวชาญ แล้วฝึกฝนสิ่งที่คุณเรียนรู้ด้วยแบบฝึกหัดเชิงโต้ตอบในเบราว์เซอร์ของคุณ

  • เรียนในจังหวะของตัวเอง
  • รับประสบการณ์ปฏิบัติจริง
  • เรียนบทสั้น ๆ ขนาดพอดีคำจนครบ

สร้างบัญชีฟรีของคุณ

ดำเนินการต่อด้วย Googleแสดงตัวเลือกเพิ่มเติม

หรือ


การดำเนินการต่อหมายความว่าคุณยอมรับข้อกำหนดการใช้งาน และนโยบายความเป็นส่วนตัวของเรา รวมถึงการจัดเก็บข้อมูลของคุณในสหรัฐอเมริกา
82 คอร์ส

คอร์ส

การอนุมานสำหรับข้อมูลเชิงหมวดหมู่ใน R

  • ขั้นสูงระดับทักษะ
  • 4.8+
  • 124 รีวิว

เรียนรู้การใช้เทคนิคทางสถิติเพื่อทำงานกับข้อมูลเชิงหมวดหมู่

ความน่าจะเป็นและสถิติ

4 ชั่วโมง

คอร์ส

Survival Analysis ด้วย Python

  • ขั้นสูงระดับทักษะ
  • 4.7+
  • 76 รีวิว

ใช้ survival analysis เพื่อทำงานกับข้อมูล time-to-event และคาดการณ์เวลาอยู่รอด

ความน่าจะเป็นและสถิติ

4 ชั่วโมง

คอร์ส

การสร้าง Recommendation Engines ด้วย PySpark

  • ขั้นสูงระดับทักษะ
  • 4.8+
  • 255 รีวิว

เรียนรู้เครื่องมือและเทคนิคเพื่อใช้ประโยชน์จากบิ๊กดาต้าของคุณเอง เพื่อสร้างประสบการณ์เชิงบวกให้ผู้ใช้ของคุณ

Machine Learning

4 ชั่วโมง

คอร์ส

Designing Forecasting Pipelines for Production

  • ขั้นสูงระดับทักษะ
  • 4.7+
  • 75 รีวิว

Learn how to design, automate, and monitor scalable forecasting pipelines in Python.

Machine Learning

4 ชั่วโมง

คอร์ส

การวิเคราะห์ปัจจัยใน R

  • ขั้นสูงระดับทักษะ
  • 4.7+
  • 170 รีวิว

สำรวจตัวแปรแฝง เช่น บุคลิกภาพ ด้วยการวิเคราะห์องค์ประกอบเชิงสำรวจและเชิงยืนยัน

ความน่าจะเป็นและสถิติ

4 ชั่วโมง

คอร์ส

ความเป็นส่วนตัวของข้อมูลและการทำให้ข้อมูลไม่ระบุตัวตนด้วย Python

  • ขั้นสูงระดับทักษะ
  • 4.8+
  • 59 รีวิว

เรียนรู้การประมวลผลข้อมูลที่ละเอียดอ่อนด้วยเทคนิคที่คุ้มครองความเป็นส่วนตัว

Machine Learning

4 ชั่วโมง

คอร์ส

Structural Equation Modeling ด้วย lavaan ใน R

  • ขั้นสูงระดับทักษะ
  • 4.8+
  • 77 รีวิว

เรียนรู้วิธีสร้างและประเมินแบบจำลองการวัดที่ใช้ยืนยันโครงสร้างของสเกลหรือแบบสอบถาม

ความน่าจะเป็นและสถิติ

4 ชั่วโมง

คอร์ส

Handling Missing Data with Imputations in R

  • ขั้นสูงระดับทักษะ
  • 4.7+
  • 110 รีวิว

Diagnose, visualize and treat missing data with a range of imputation techniques with tips to improve your results.

การจัดการข้อมูล

4 ชั่วโมง

คอร์ส

GARCH Models in R

  • ขั้นสูงระดับทักษะ
  • 4.8+
  • 101 รีวิว

กำหนดและประมาณค่าโมเดล GARCH เพื่อพยากรณ์ความผันผวนที่เปลี่ยนแปลงตามเวลาและ value-at-risk

การเงินประยุกต์

4 ชั่วโมง

คอร์ส

การสร้างโมเดลการถดถอยแบบ Bayesian ด้วย rstanarm

  • ขั้นสูงระดับทักษะ
  • 4.8+
  • 80 รีวิว

เรียนรู้วิธีใช้ประโยชน์จากวิธีการประมาณแบบเบย์เพื่ออนุมานเกี่ยวกับแบบจำลองการถดถอยเชิงเส้นได้ดียิ่งขึ้น

ความน่าจะเป็นและสถิติ

4 ชั่วโมง

คอร์ส

การสร้างแบบจำลอง Bayesian ด้วย RJAGS

  • ขั้นสูงระดับทักษะ
  • 4.8+
  • 55 รีวิว

ในคอร์สนี้ คุณจะได้เรียนรู้วิธีนำโมเดลเบย์เซียนขั้นสูงไปใช้ด้วย RJAGS

ความน่าจะเป็นและสถิติ

4 ชั่วโมง

คอร์ส

Practicing Statistics Interview Questions in R

  • ขั้นสูงระดับทักษะ
  • 4.7+
  • 24 รีวิว

In this course, youll prepare for the most frequently covered statistical topics from distributions to hypothesis testing, regression models, and much more.

ความน่าจะเป็นและสถิติ

4 ชั่วโมง

คอร์ส

การประมวลผลข้อมูลขนาดใหญ่ใน R

  • ขั้นสูงระดับทักษะ
  • 4.7+
  • 29 รีวิว

เขียนโค้ดที่ขยายขนาดได้สำหรับจัดการ big data ใน R ด้วยแพ็กเกจ bigmemory และ iotools

การพัฒนาซอฟต์แวร์

4 ชั่วโมง

คอร์ส

Manage Scalable Workloads in GKE

  • ขั้นสูงระดับทักษะ
  • 4.8+
  • 14 รีวิว

Scale and manage multi-cluster GKE environments. Master fleets, Cloud Service Mesh, identity management, CI/CD at scale, and GKE Enterprise capabilities.

Cloud

7 ชั่วโมง 20 min

คอร์ส

การปรับ Hyperparameter ใน R

  • ขั้นสูงระดับทักษะ
  • 4.8+
  • 67 รีวิว

เรียนรู้วิธีปรับแต่งไฮเปอร์พารามิเตอร์ของโมเดลเพื่อให้ได้ผลการทำนายที่ดีที่สุด

Machine Learning

4 ชั่วโมง

คอร์ส

Choice Modeling สำหรับการตลาดใน R

  • ขั้นสูงระดับทักษะ
  • 4.8+
  • 43 รีวิว

เรียนรู้การวิเคราะห์และสร้างแบบจำลองข้อมูลการเลือกของลูกค้าใน R

ความน่าจะเป็นและสถิติ

4 ชั่วโมง

คอร์ส

Serverless Data Processing with Dataflow: Develop Pipelines

  • ขั้นสูงระดับทักษะ
  • 4.8+
  • 17 รีวิว

Develop data pipelines with Apache Beam and Dataflow. Cover transforms, windowing, I/O connectors, schemas, state APIs, Beam SQL, and notebooks.

Cloud

4 ชั่วโมง 22 min

คอร์ส

Serverless Data Processing with Dataflow: Operations

  • ขั้นสูงระดับทักษะ
  • 4.9+
  • 17 รีวิว

Operate Dataflow pipelines in production. Learn monitoring, logging, troubleshooting, performance tuning, CI/CD, reliability, and templates.

Cloud

4 ชั่วโมง 13 min

คอร์ส

Machine Translation ด้วย Keras

  • ขั้นสูงระดับทักษะ
  • 4.8+
  • 50 รีวิว

คุณสงสัยเกี่ยวกับการทำงานภายในของโมเดลที่อยู่เบื้องหลังผลิตภัณฑ์อย่าง Google Translate หรือไม่?

ปัญญาประดิษฐ์

4 ชั่วโมง

FAQs

วิทยาศาสตร์ข้อมูลคืออะไร?

data science เป็นสาขาความเชี่ยวชาญที่มุ่งเน้นการรับข้อมูลจากข้อมูล โดยใช้ทักษะการเขียนโปรแกรม วิธีการทางวิทยาศาสตร์ อัลกอริทึม และอื่น ๆ นักวิทยาศาสตร์ข้อมูลวิเคราะห์ข้อมูลเพื่อสร้างข้อมูลเชิงลึกที่นำไปใช้ได้จริง

จะเรียน data science ได้อย่างไร?

คุณจะต้องเรียนรู้ภาษาโปรแกรมเช่น Python หรือ R และฝึกฝนหลักการของคณิตศาสตร์และสถิติ ความรู้เกี่ยวกับวิธีการวิเคราะห์ข้อมูลและเครื่องมือ data science ก็จำเป็นเช่นกัน มีหลายวิธีในการเรียน data science นอกจากการศึกษาแบบเป็นทางการ เช่น ปริญญาหรือการเรียนในมหาวิทยาลัย ยังมีแหล่งข้อมูลอื่น ๆ อีกมากมายที่ช่วยให้คุณเรียนในจังหวะของตัวเอง ทั้งคอร์สออนไลน์ บทช่วยสอน หนังสือ วิดีโอ และอื่น ๆ

ต้องการทักษะอะไรสำหรับ data science?

นอกจากความรู้ด้านคณิตศาสตร์และสถิติแล้ว นักวิทยาศาสตร์ข้อมูลยังต้องมีทักษะการเขียนโปรแกรมในภาษาเช่น Python, R และ SQL วิทยาศาสตร์ข้อมูลยังต้องการความสามารถในการทำงานกับชุดข้อมูลขนาดใหญ่ ความรู้ด้าน data visualization การจัดการข้อมูล และการจัดการฐานข้อมูล ทักษะด้าน machine learning และ deep learning ก็อาจเป็นประโยชน์เช่นกัน

ฉันสามารถใช้ data science เพื่ออะไรได้บ้าง?

ในแง่วิชาชีพ เกือบทุกอุตสาหกรรมสามารถใช้ data science ได้ในระดับหนึ่ง องค์กรด้านสุขภาพใช้ data science เพื่อตรวจจับและรักษาโรค ในขณะที่บริษัทการเงินใช้เพื่อตรวจจับและป้องกันการฉ้อโกง ทุกประเภทอุตสาหกรรมใช้ data science สำหรับการตลาด เช่น การสร้างระบบแนะนำและการวิเคราะห์การสูญเสียลูกค้า

วิทยาศาสตร์ข้อมูลเป็นอาชีพที่ดีหรือเปล่า?

ใช่ วิทยาศาสตร์ข้อมูลเป็นหนึ่งในภาคส่วนที่เติบโตเร็วที่สุดทั้งในสหรัฐอเมริกาและทั่วโลก และยังเป็นหนึ่งในอาชีพที่มีรายได้สูงที่สุดอีกด้วย จากข้อมูลของ Payscale นักวิทยาศาสตร์ข้อมูลที่มีประสบการณ์มีรายได้เฉลี่ย $97,609 และได้รับคะแนนความพึงพอใจสี่ดาวจากห้าดาวในสหรัฐอเมริกา

การเป็นนักวิทยาศาสตร์ข้อมูลนั้นยากหรือไม่?

มีสิ่งสองสามอย่างที่ต้องพิจารณา ประการแรก ปริญญาด้าน data science อาจมีการแข่งขันสูงในการเข้าเรียน มักต้องการเกรดที่ดีอย่างสม่ำเสมอ ในทำนองเดียวกัน ทักษะหลายอย่างที่จำเป็นสำหรับ data science ต้องการการศึกษาและความอดทนมาก อาจใช้เวลาหลายเดือนเพื่อฝึกฝนพื้นฐานที่จำเป็นทั้งหมด รวมถึงประสบการณ์ปฏิบัติจริงมากมายเพื่อให้ได้ตำแหน่งระดับเริ่มต้น

data science ต้องเขียนโค้ดหรือไม่?

ใช่ คุณจะต้องมีประสบการณ์เขียนโค้ดในภาษาต่างๆ เช่น Python, R, SQL, Java และ C/C++ อย่างไรก็ตาม เนื่องจาก Python มีไวยากรณ์ที่ค่อนข้างเรียบง่าย จึงมักเป็นตัวเลือกแรกสำหรับผู้เริ่มต้น

ใช้เวลานานแค่ไหนในการเป็น data scientist?

สำหรับผู้ที่ไม่มีประสบการณ์การเขียนโค้ดและ/หรือพื้นฐานคณิตศาสตร์มาก่อน โดยทั่วไปอาจต้องใช้เวลาศึกษาอย่างเข้มข้น 7 ถึง 12 เดือนเพื่อให้ถึงระดับนักวิทยาศาสตร์ข้อมูลมือใหม่ อย่างไรก็ตาม สิ่งสำคัญที่ต้องจำไว้คือการเรียนรู้เพียงแค่ทฤษฎีของวิทยาศาสตร์ข้อมูลอาจยังไม่เพียงพอที่จะทำให้คุณเป็นนักวิทยาศาสตร์ข้อมูลที่แท้จริง

หัวข้อใดบ้างที่ฉันสามารถเรียนได้ใน data science?

เมื่อเชี่ยวชาญพื้นฐานด้านวิทยาศาสตร์ข้อมูลแล้ว คุณสามารถเจาะลึกในสาขาที่หลากหลาย ไม่ว่าจะเป็น machine learning, ปัญญาประดิษฐ์, การวิเคราะห์ข้อมูลขนาดใหญ่, business analytics, data mining และอื่นๆ อีกมากมาย

พัฒนาทักษะด้านข้อมูลของคุณด้วย DataCamp for Mobile

เรียนรู้ได้ทุกที่ด้วยคอร์สบนมือถือและโจทย์เขียนโค้ด 5 นาทีประจำวัน