คอร์ส
การเทรดทางการเงินด้วย Python
- ระดับกลางระดับทักษะ
- 4.8+
- 301 รีวิว
เรียนรู้การนำกลยุทธ์การเทรดแบบกำหนดเองไปใช้ใน Python ทดสอบย้อนหลัง และประเมินประสิทธิภาพของมัน!
การเงินประยุกต์
ดูวิดีโอสั้นๆ ที่นำโดยผู้สอนผู้เชี่ยวชาญ แล้วฝึกฝนสิ่งที่คุณเรียนรู้ด้วยแบบฝึกหัดเชิงโต้ตอบในเบราว์เซอร์ของคุณ
หรือ
คอร์ส
เรียนรู้การนำกลยุทธ์การเทรดแบบกำหนดเองไปใช้ใน Python ทดสอบย้อนหลัง และประเมินประสิทธิภาพของมัน!
การเงินประยุกต์
คอร์ส
ฝึกทักษะการประมวลผล แปลง และปรับแต่งภาพได้ตามต้องการ
Machine Learning
คอร์ส
เรียนรู้การจัดการสตริงและก้าวสู่การใช้ regular expressions อย่างเชี่ยวชาญ
การพัฒนาซอฟต์แวร์
คอร์ส
ปรับ DataFrame จากรูปแบบกว้างเป็นยาว ซ้อนและแยกแถวและคอลัมน์ และจัดการ DataFrame แบบหลายดัชนี
การจัดการข้อมูล
คอร์ส
เรียนรู้พื้นฐานของ gradient boosting และสร้างโมเดล machine learning ชั้นนำด้วย XGBoost เพื่อแก้ปัญหาการจำแนกประเภทและการถดถอย
Machine Learning
คอร์ส
เรียนรู้พื้นฐานของการตรวจสอบความถูกต้องของโมเดล เทคนิคการตรวจสอบ และเริ่มสร้างโมเดลที่ผ่านการตรวจสอบและมีประสิทธิภาพสูง
Machine Learning
คอร์ส
หลักสูตรนี้เน้นการสร้างฟีเจอร์และแมชชีนเลิร์นนิงสำหรับข้อมูลอนุกรมเวลา
Machine Learning
คอร์ส
เริ่มต้นเส้นทางการเรียนรู้ reinforcement learning ของคุณ! เรียนรู้ว่าเอเจนต์สามารถเรียนรู้การแก้ปัญหาสภาพแวดล้อมผ่านการโต้ตอบได้อย่างไร
ปัญญาประดิษฐ์
คอร์ส
ในหลักสูตรนี้ คุณจะได้รู้จักการเรียนรู้แบบไม่มีผู้สอนผ่านเทคนิคอย่าง hierarchical clustering และ k-means clustering โดยใช้ไลบรารี SciPy
Machine Learning
คอร์ส
พัฒนาทักษะ pandas ของคุณและตอบคำถามการตลาดด้วยการ merge, slice, visualize และอื่นๆ!
การวิเคราะห์ข้อมูลเชิงสำรวจ
คอร์ส
ประเมินความเสี่ยงและผลตอบแทนของพอร์ตโฟลิโอ สร้างพอร์ตหุ้นถ่วงน้ำหนักตามมูลค่าตลาด และเรียนรู้การคาดการณ์และป้องกันความเสี่ยงตลาดด้วยการสร้างสถานการณ์จำลอง
การเงินประยุกต์
คอร์ส
ดำดิ่งสู่โลกของ machine learning และค้นพบวิธีออกแบบ ฝึกสอน และนำโมเดล end-to-end ไปใช้งาน
Machine Learning
คอร์ส
เรียนรู้วิธีเตรียมข้อมูลใบสมัครสินเชื่อ ใช้ machine learning และกฎทางธุรกิจเพื่อลดความเสี่ยงและเพิ่มความสามารถทำกำไร
การเงินประยุกต์
คอร์ส
คำนวณมาตรวัดความเสี่ยงและผลตอบแทน พร้อมสร้างพอร์ตโฟลิโอที่เหมาะสมกับระดับความเสี่ยงและผลตอบแทนที่ต้องการ
การเงินประยุกต์
คอร์ส
Learn the practical uses of A/B testing in Python to run and analyze experiments. Master p-values, sanity checks, and analysis to guide business decisions.
ความน่าจะเป็นและสถิติ
คอร์ส
พัฒนา Polars ให้ไกลขึ้นด้วยการจัดการข้อความ สถิติแบบ rolling การ join DataFrame และการวิเคราะห์ขั้นสูง
การจัดการข้อมูล
คอร์ส
เรียนรู้การสร้าง Python packages ของคุณเอง เพื่อให้โค้ดใช้งานและแชร์กับผู้อื่นได้ง่ายขึ้น
การพัฒนาซอฟต์แวร์
คอร์ส
สร้างภาพข้อมูลเชิงโต้ตอบใน Python ด้วย Plotly
การแสดงผลข้อมูลเป็นภาพ
คอร์ส
ในหลักสูตรนี้ คุณจะได้เรียนรู้พื้นฐานของฐานข้อมูลเชิงสัมพันธ์และวิธีโต้ตอบกับฐานข้อมูลเหล่านั้น
การจัดการข้อมูล
คอร์ส
เรียนรู้การปรับแต่ง ขยายขนาด และทดสอบไปป์ไลน์ข้อมูล Polars เพื่อประสิทธิภาพพร้อมใช้งานจริง
การจัดการข้อมูล
คอร์ส
เข้าใจแนวคิดการลดมิติของข้อมูล และเชี่ยวชาญเทคนิคการทำใน Python
Machine Learning
คอร์ส
ใช้เครื่องมือสร้างภาพข้อมูลอันซับซ้อนของ Seaborn เพื่อสร้างภาพข้อมูลที่สวยงามและให้ข้อมูลได้อย่างง่ายดาย
การแสดงผลข้อมูลเป็นภาพ
คอร์ส
เรียนรู้วิธีสร้างเอเจนต์อัจฉริยะที่คิดวิเคราะห์ ลงมือทำ และแก้ปัญหางานจริงด้วย Python
ปัญญาประดิษฐ์
คอร์ส
สร้างพื้นฐานที่คุณต้องใช้เพื่อคิดเชิงสถิติและสื่อสารด้วยภาษาของข้อมูลของคุณ
ความน่าจะเป็นและสถิติ
คอร์ส
เชี่ยวชาญการทำงานหลักของ spaCy และฝึกโมเดลสำหรับการประมวลผลภาษาธรรมชาติ ดึงข้อมูลจากข้อมูลที่ไม่มีโครงสร้างและจับคู่รูปแบบ
Machine Learning
คอร์ส
เรียนรู้เทคนิคการปรับจูนไฮเปอร์พารามิเตอร์อัตโนมัติใน Python รวมถึง Grid, Random และ Informed Search
Machine Learning
คอร์ส
เรียนรู้เทคนิคในการดึงข้อมูลที่เป็นประโยชน์จากข้อความและแปลงเป็นรูปแบบที่เหมาะสำหรับแมชชีนเลิร์นนิง
Machine Learning
คอร์ส
เตรียมความพร้อมสำหรับการสัมภาษณ์งานเขียนโค้ดด้วย Python
การพัฒนาซอฟต์แวร์
คอร์ส
เรียนรู้เกี่ยวกับการจัดการความเสี่ยง, value at risk และอื่นๆ ที่ประยุกต์กับวิกฤตการเงินปี 2008 โดยใช้ Python
การเงินประยุกต์
คอร์ส
เรียนรู้การเริ่มพัฒนาโมเดล deep learning ด้วย Keras
ปัญญาประดิษฐ์
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
เรียนรู้ได้ทุกที่ด้วยคอร์สบนมือถือและโจทย์เขียนโค้ด 5 นาทีประจำวัน