คอร์ส
Introduction to Subagents
- ระดับกลางระดับทักษะ
- 4.8+
- 325 รีวิว
Learn how to use and create sub-agents in Claude Code to manage context, delegate tasks, and build workflows that keep your conversation clean and focused.
ปัญญาประดิษฐ์
ดูวิดีโอสั้นๆ ที่นำโดยผู้สอนผู้เชี่ยวชาญ แล้วฝึกฝนสิ่งที่คุณเรียนรู้ด้วยแบบฝึกหัดเชิงโต้ตอบในเบราว์เซอร์ของคุณ
หรือ
คอร์ส
Learn how to use and create sub-agents in Claude Code to manage context, delegate tasks, and build workflows that keep your conversation clean and focused.
ปัญญาประดิษฐ์
คอร์ส
ก้าวเข้าสู่โลกของ data modeling อันมีชีวิตชีวากับ Snowflake!
วิศวกรรมข้อมูล
คอร์ส
เชี่ยวชาญการวิเคราะห์ข้อความด้วยเทคนิค NLP สำคัญ ตั้งแต่การเตรียมข้อมูลไปจนถึงโมเดล transformer ขั้นสูง
ปัญญาประดิษฐ์
คอร์ส
เรียนรู้แนวคิดหลักของการเขียนโปรแกรมเชิงวัตถุ ตั้งแต่คลาสและอ็อบเจ็กต์พื้นฐาน ไปจนถึงหัวข้อขั้นสูงอย่างการสืบทอดและพหุสัณฐาน
การพัฒนาซอฟต์แวร์
คอร์ส
ค้นพบองค์ประกอบสำคัญของสถาปัตยกรรมข้อมูลสมัยใหม่ ตั้งแต่การนำเข้าข้อมูลและการให้บริการ ไปจนถึงการกำกับดูแลและการประสานงาน
วิศวกรรมข้อมูล
คอร์ส
สร้างผู้ช่วยฝ่ายสนับสนุนลูกค้าแบบทีละขั้นด้วย Agent Development Kit (ADK) ของ Google
ปัญญาประดิษฐ์
คอร์ส
ใช้ regression analysis ใน R เพื่อทำนายราคาที่อยู่อาศัยและอัตราการคลิกโฆษณา โดยการนำไปใช้ วิเคราะห์ และตีความ
ความน่าจะเป็นและสถิติ
คอร์ส
สำรวจเทคนิคล่าสุดสำหรับการรัน Llama LLM ในเครื่องและผสานเข้ากับสแต็กของคุณ
ปัญญาประดิษฐ์
คอร์ส
เรียนรู้ทฤษฎีเบื้องหลังการจัดการข้อมูลอย่างรับผิดชอบสำหรับโปรเจกต์ AI ใดๆ ตั้งแต่ต้นจนจบและต่อเนื่องไปอีก
ปัญญาประดิษฐ์
คอร์ส
ใช้ AI ในทุกขั้นตอนของการวิเคราะห์ข้อมูลของคุณ เขียนพรอมต์ให้คมขึ้น ตรวจสอบคุณภาพข้อมูล ค้นหาอินไซต์ที่คุ้มค่าต่อการตามต่อ และส่งมอบงานที่คุณไว้ใจได้
ปัญญาประดิษฐ์
คอร์ส
สร้างแอปพลิเคชัน AI ที่ชาญฉลาด โต้ตอบได้ และเชื่อถือได้ง่ายกว่าที่เคยด้วย OpenAI Responses API และ GPT-5
ปัญญาประดิษฐ์
คอร์ส
เรียนรู้การเขียนคิวรี SQL เพื่อคำนวณเมตริกสำคัญที่ธุรกิจใช้วัดประสิทธิภาพ
การรายงาน
คอร์ส
สร้างโค้ดพร้อมใช้งานจริงด้วย Cursor เรียนรู้ AI prompts, refactoring, testing และ advanced workflows.
ปัญญาประดิษฐ์
คอร์ส
เรียนรู้วิธีจัดการและแสดงผลข้อมูลเชิงหมวดหมู่ด้วย pandas และ seaborn
การจัดการข้อมูล
คอร์ส
เรียนรู้วิธีทำการวิเคราะห์ทางการเงินใน Power BI หรือประยุกต์ใช้ทักษะทางการเงินที่มีอยู่กับการแสดงข้อมูลด้วยภาพใน Power BI
การเงินประยุกต์
คอร์ส
เรียนรู้พื้นฐานของโครงข่ายประสาทเทียมและวิธีสร้างโมเดล deep learning ด้วย Keras 2.0 ใน Python
ปัญญาประดิษฐ์
คอร์ส
เรียนรู้การดึงข้อมูลจากรูปแบบไฟล์และระบบที่ใช้กันทั่วไป เช่น ไฟล์ CSV, สเปรดชีต, JSON, ฐานข้อมูล SQL และ API
การเตรียมข้อมูล
คอร์ส
ต่อยอดความรู้พื้นฐาน Power Query ใน Excel ของคุณ คอร์สระดับกลางนี้จะพาคุณก้าวสู่การเชี่ยวชาญการแปลงข้อมูลขั้นต่อไป
การเตรียมข้อมูล
คอร์ส
สร้างและปรับใช้เว็บแอปและฟังก์ชันแบบ serverless ที่ปรับขนาดได้บน Azure พร้อมเชี่ยวชาญด้านความปลอดภัย การมอนิเตอร์ และระบบอัตโนมัติ
Cloud
คอร์ส
เรียนรู้การใช้เทคนิคเชิงกราฟิกและเชิงตัวเลขเพื่อเริ่มค้นหาโครงสร้างของข้อมูลของคุณ
การวิเคราะห์ข้อมูลเชิงสำรวจ
คอร์ส
This course helps your preparation for the Associate Cloud Engineer exam, learn about the Google Cloud domains in the exam and create a study plan.
Cloud
คอร์ส
เรียนรู้วิธีและเวลาที่ควรใช้การทดสอบสมมติฐานใน R รวมถึง t-tests, proportion tests และ chi-square tests
ความน่าจะเป็นและสถิติ
คอร์ส
สร้างฟีเจอร์ใหม่เพื่อปรับปรุงประสิทธิภาพของโมเดล Machine Learning ของคุณ
Machine Learning
คอร์ส
ออกแบบการทดลองและวิเคราะห์สถิติอย่างแม่นยำ เพื่อสรุปผลที่ถูกต้องและน่าเชื่อถือ!
ความน่าจะเป็นและสถิติ
คอร์ส
ในคอร์สนี้ คุณจะใช้ T-SQL ซึ่งเป็นรูปแบบของ SQL ที่ใช้ใน Microsoft SQL Server สำหรับการวิเคราะห์ข้อมูล
การพัฒนาซอฟต์แวร์
คอร์ส
ฝึกทักษะสำคัญด้วย Scikit-learn, SHAP และ LIME เพื่อทดสอบและสร้างระบบ AI ที่โปร่งใส น่าเชื่อถือ และตรวจสอบได้
ปัญญาประดิษฐ์
คอร์ส
เรียนรู้การดึงและแยกวิเคราะห์ข้อมูลจากอินเทอร์เน็ตด้วยไลบรารี Python scrapy
การเตรียมข้อมูล
คอร์ส
เชี่ยวชาญการสร้างหลายขั้นตอน เครื่องมือเครือข่าย Docker และ Docker Compose เพื่อแอปคอนเทนเนอร์ที่ดีที่สุด!
การพัฒนาซอฟต์แวร์
คอร์ส
เรียนรู้การทำงานกับ Plain Old Java Objects เชี่ยวชาญ Collections Framework และจัดการข้อยกเว้นอย่างมืออาชีพ พร้อม logging รองรับทุกอย่าง!
การพัฒนาซอฟต์แวร์
คอร์ส
ในคอร์สนี้ คุณจะได้เรียนรู้รายละเอียดของตัวจำแนกเชิงเส้น เช่น logistic regression และ SVM
Machine Learning
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