คอร์ส
การประยุกต์ใช้ SQL กับปัญหาในโลกจริง
- ระดับกลางระดับทักษะ
- 4.8+
- 1,241 รีวิว
ค้นหา ตาราง จัดเก็บและจัดการ ตารางและวิว ใหม่ และเขียนโค้ด SQL ที่ดูแลรักษาได้ เพื่อตอบคำถามทางธุรกิจ
การรายงาน
ดูวิดีโอสั้นๆ ที่นำโดยผู้สอนผู้เชี่ยวชาญ แล้วฝึกฝนสิ่งที่คุณเรียนรู้ด้วยแบบฝึกหัดเชิงโต้ตอบในเบราว์เซอร์ของคุณ
หรือ
คอร์ส
ค้นหา ตาราง จัดเก็บและจัดการ ตารางและวิว ใหม่ และเขียนโค้ด SQL ที่ดูแลรักษาได้ เพื่อตอบคำถามทางธุรกิจ
การรายงาน
คอร์ส
ฝึกทักษะการประมวลผล แปลง และปรับแต่งภาพได้ตามต้องการ
Machine Learning
คอร์ส
เรียนรู้พื้นฐานของ gradient boosting และสร้างโมเดล machine learning ชั้นนำด้วย XGBoost เพื่อแก้ปัญหาการจำแนกประเภทและการถดถอย
Machine Learning
คอร์ส
ในคอร์สนี้ คุณจะได้เรียนรู้พื้นฐานของการทำงานกับข้อมูลอนุกรมเวลา
การจัดการข้อมูล
คอร์ส
เรียนรู้ Bash scripting เพื่อสร้าง analytics pipelines บนคลาวด์และจัดการข้อมูลจากหลายไฟล์ได้อย่างมีประสิทธิภาพ
การพัฒนาซอฟต์แวร์
คอร์ส
เรียนรู้การนำกลยุทธ์การเทรดแบบกำหนดเองไปใช้ใน Python ทดสอบย้อนหลัง และประเมินประสิทธิภาพของมัน!
การเงินประยุกต์
คอร์ส
เชี่ยวชาญ Apache Kafka! ตั้งแต่แนวคิดพื้นฐานไปจนถึงสถาปัตยกรรมขั้นสูง เรียนรู้การสร้าง จัดการ และแก้ปัญหา Kafka สำหรับความท้าทายด้านสตรีมมิงข้อมูลจริง!
วิศวกรรมข้อมูล
คอร์ส
เพิ่มประสิทธิภาพการเขียนโค้ดด้วย Windsurf, IDE ที่ขับเคลื่อนด้วย AI ช่วยให้คุณสร้าง แก้ไขข้อผิดพลาด และนำไปใช้งานได้รวดเร็ว
ปัญญาประดิษฐ์
คอร์ส
สร้าง data pipelines แบบ end-to-end — ตั้งแต่การทำความสะอาดและการรวมข้อมูล ไปจนถึง streaming และ orchestration
วิศวกรรมข้อมูล
คอร์ส
ในคอร์ส 4 ชั่วโมงนี้ คุณจะได้เรียนรู้พื้นฐานการวิเคราะห์ข้อมูลอนุกรมเวลาใน Python
ความน่าจะเป็นและสถิติ
คอร์ส
ต่อยอดทักษะ Python สำหรับการเงิน ด้วยการใช้ datetime, if-statements, DataFrames และอื่นๆ
การเงินประยุกต์
คอร์ส
เรียนรู้พื้นฐานของการตรวจสอบความถูกต้องของโมเดล เทคนิคการตรวจสอบ และเริ่มสร้างโมเดลที่ผ่านการตรวจสอบและมีประสิทธิภาพสูง
Machine Learning
คอร์ส
เรียนรู้วิธีสร้างรายงานและแดชบอร์ด SQL ของคุณเอง พร้อมฝึกทักษะการสำรวจข้อมูล การทำความสะอาด และการตรวจสอบข้อมูลให้คมขึ้น
การรายงาน
คอร์ส
Design resilient, production-ready n8n automations that fetch APIs, process data in batches, handle errors, and run unattended on a schedule.
ปัญญาประดิษฐ์
คอร์ส
Go beyond MCP basics with sampling, notifications, roots, and the STDIO and StreamableHTTP transports in Python.
ปัญญาประดิษฐ์
คอร์ส
ปลดล็อกพลังของ BigQuery: เข้าใจพื้นฐาน รันคิวรี และปรับเวิร์กโฟลว์ให้เหมาะสมเพื่อการวิเคราะห์ข้อมูลอย่างมีประสิทธิภาพ
วิศวกรรมข้อมูล
คอร์ส
ยกระดับทักษะ Java ของคุณด้วยการจัดการไฟล์ ประมวลผลข้อมูล และสร้างโค้ดที่สะอาด ใช้ซ้ำได้ ด้วยเทคนิคจากงานจริง
การพัฒนาซอฟต์แวร์
คอร์ส
ดำดิ่งสู่โลกของ machine learning และค้นพบวิธีออกแบบ ฝึกสอน และนำโมเดล end-to-end ไปใช้งาน
Machine Learning
คอร์ส
Master sampling to get more accurate statistics with less data.
ความน่าจะเป็นและสถิติ
คอร์ส
ประเมินความเสี่ยงและผลตอบแทนของพอร์ตโฟลิโอ สร้างพอร์ตหุ้นถ่วงน้ำหนักตามมูลค่าตลาด และเรียนรู้การคาดการณ์และป้องกันความเสี่ยงตลาดด้วยการสร้างสถานการณ์จำลอง
การเงินประยุกต์
คอร์ส
Learn to perform linear and logistic regression with multiple explanatory variables.
ความน่าจะเป็นและสถิติ
คอร์ส
เรียนรู้วิธีเตรียมข้อมูลใบสมัครสินเชื่อ ใช้ machine learning และกฎทางธุรกิจเพื่อลดความเสี่ยงและเพิ่มความสามารถทำกำไร
การเงินประยุกต์
คอร์ส
Learn to clean data as quickly and accurately as possible to help you move from raw data to awesome insights.
การเตรียมข้อมูล
คอร์ส
ในหลักสูตรนี้ คุณจะได้รู้จักการเรียนรู้แบบไม่มีผู้สอนผ่านเทคนิคอย่าง hierarchical clustering และ k-means clustering โดยใช้ไลบรารี SciPy
Machine Learning
คอร์ส
เรียนรู้การใช้ facets, coordinate systems และสถิติใน ggplot2 เพื่อสร้างกราฟอธิบายที่มีความหมาย
การแสดงผลข้อมูลเป็นภาพ
คอร์ส
Shift to an MLOps mindset, enabling you to train, document, maintain, and scale your machine learning models to their fullest potential.
Machine Learning
คอร์ส
เรียนรู้การสร้าง Python packages ของคุณเอง เพื่อให้โค้ดใช้งานและแชร์กับผู้อื่นได้ง่ายขึ้น
การพัฒนาซอฟต์แวร์
คอร์ส
ในคอร์สนี้ คุณจะได้เรียนรู้พื้นฐานของแมชชีนเลิร์นนิงสำหรับการจำแนกประเภท
Machine Learning
คอร์ส
เรียนรู้การสร้างแอปพลิเคชัน AI ด้วยฟังก์ชัน LLM ในตัวของ Snowflake Cortex สำหรับการวิเคราะห์ข้อความ การสร้างเนื้อหา และเวิร์กโฟลว์หลายขั้นตอน
ปัญญาประดิษฐ์
คอร์ส
ในหลักสูตรนี้ ผู้เรียนจะได้เรียนรู้การเขียนคิวรีที่ทั้งมีประสิทธิภาพและอ่านเข้าใจง่าย
การพัฒนาซอฟต์แวร์
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