คอร์ส
การแบ่งกลุ่มลูกค้าด้วย Python
- ระดับกลางระดับทักษะ
- 4.8+
- 170 รีวิว
เรียนรู้วิธีแบ่งกลุ่มลูกค้าใน Python
การจัดการข้อมูล
คอร์สด้าน Data, AI และ Cloud
เชี่ยวชาญทักษะที่สำคัญดูวิดีโอสั้นๆ ที่นำโดยผู้สอนผู้เชี่ยวชาญ แล้วฝึกฝนสิ่งที่คุณเรียนรู้ด้วยแบบฝึกหัดเชิงโต้ตอบในเบราว์เซอร์ของคุณ
- เรียนในจังหวะของตัวเอง
- รับประสบการณ์ปฏิบัติจริง
- เรียนบทสั้น ๆ ขนาดพอดีคำจนครบ
สร้างบัญชีฟรีของคุณ
ดำเนินการต่อด้วย Googleแสดงตัวเลือกเพิ่มเติมหรือ
การดำเนินการต่อหมายความว่าคุณยอมรับข้อกำหนดการใช้งาน และนโยบายความเป็นส่วนตัวของเรา รวมถึงการจัดเก็บข้อมูลของคุณในสหรัฐอเมริกา
73 คอร์ส
คอร์ส
Handling Missing Data with Imputations in R
- ขั้นสูงระดับทักษะ
- 4.7+
- 104 รีวิว
Diagnose, visualize and treat missing data with a range of imputation techniques with tips to improve your results.
การจัดการข้อมูล
คอร์ส
Market Basket Analysis in R
- ระดับกลางระดับทักษะ
- 4.8+
- 95 รีวิว
Explore association rules in market basket analysis with R by analyzing retail data and creating movie recommendations.
การจัดการข้อมูล
คอร์ส
Analyzing Police Activity with pandas
- ระดับกลางระดับทักษะ
- 4.8+
- 27 รีวิว
Explore the Stanford Open Policing Project dataset and analyze the impact of gender on police behavior using pandas.
การจัดการข้อมูล
คอร์ส
การวิเคราะห์อนุกรมเวลาใน PostgreSQL
- ระดับกลางระดับทักษะ
- 4.8+
- 93 รีวิว
เรียนรู้การใช้ PostgreSQL เพื่อจัดการการวิเคราะห์อนุกรมเวลาอย่างมีประสิทธิภาพ และนำเทคนิคเหล่านี้ไปใช้กับข้อมูลจริง
การจัดการข้อมูล
คอร์ส
การจัดการข้อมูลด้วย data.table ใน R
- Basicระดับทักษะ
- 4.6+
- 22 รีวิว
เชี่ยวชาญแนวคิดหลักของการจัดการข้อมูล เช่น การกรอง การเลือก และการคำนวณสถิติแบบกลุ่มด้วย data.table
การจัดการข้อมูล
คอร์ส
การจัดรูปแบบตามเงื่อนไขใน Google Sheets
- Basicระดับทักษะ
- 4.8+
- 100 รีวิว
เรียนรู้การใช้การจัดรูปแบบตามเงื่อนไขกับข้อมูลของคุณผ่านตัวเลือกในตัวและการสร้างสูตรกำหนดเอง
การจัดการข้อมูล
คอร์ส
การจัดการข้อมูลใน KNIME
- Basicระดับทักษะ
- 4.8+
- 247 รีวิว
ทำงานข้อมูลอัตโนมัติด้วย KNIME เชี่ยวชาญการรวมข้อมูล การสรุปรวม เวิร์กโฟลว์ฐานข้อมูล และการจัดการไฟล์ขั้นสูง
การจัดการข้อมูล
คอร์ส
Programming with dplyr
- ระดับกลางระดับทักษะ
- 4.8+
- 50 รีวิว
Learn how to perform advanced dplyr transformations and incorporate dplyr and ggplot2 code in functions.
การจัดการข้อมูล
คอร์ส
Joining Data with data.table in R
- ระดับกลางระดับทักษะ
- 4.8+
- 73 รีวิว
This course will show you how to combine and merge datasets with data.table.
การจัดการข้อมูล
คอร์ส
Pandas Joins for Spreadsheet Users
- ระดับกลางระดับทักษะ
- 4.7+
- 55 รีวิว
เรียนรู้วิธีรวมชุดข้อมูลในรูปแบบตารางอย่างมีประสิทธิภาพและได้ผลด้วยไลบรารี Python Pandas
การจัดการข้อมูล
คอร์ส
Analyzing Social Media Data in R
- ระดับกลางระดับทักษะ
- 4.8+
- 90 รีวิว
Extract and visualize Twitter data, perform sentiment and network analysis, and map the geolocation of your tweets.
การจัดการข้อมูล
คอร์ส
Data Manipulation in Julia
- Basicระดับทักษะ
- 4.8+
- 40 รีวิว
Master the essential skills of data manipulation in Julia. Learn how to inspect, transform, group, and visualize DataFrames using real-world datasets.
การจัดการข้อมูล
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
พัฒนาทักษะได้ทุกที่ทุกเวลาด้วยคอร์สเรียนบนมือถือและแบบฝึกหัดเขียนโค้ดประจำวัน 5 นาทีของเรา