คอร์ส
DAX ระดับกลางใน Power BI
- ระดับกลางระดับทักษะ
- 4.8+
- 4,153 รีวิว
ค้นพบการคำนวณ DAX หลากหลายรูปแบบ และเรียนรู้วิธีใช้ใน Microsoft Power BI
การจัดการข้อมูล
ดูวิดีโอสั้นๆ ที่นำโดยผู้สอนผู้เชี่ยวชาญ แล้วฝึกฝนสิ่งที่คุณเรียนรู้ด้วยแบบฝึกหัดเชิงโต้ตอบในเบราว์เซอร์ของคุณ
หรือ
คอร์ส
ค้นพบการคำนวณ DAX หลากหลายรูปแบบ และเรียนรู้วิธีใช้ใน Microsoft Power BI
การจัดการข้อมูล
คอร์ส
คุณจะตรวจสอบชุดข้อมูลจากบริษัทสมมติชื่อ Databel ใน Excel และต้องหาสาเหตุที่ลูกค้ากำลังเลิกใช้บริการ
การรายงาน
คอร์ส
เรียนรู้วิธีวิเคราะห์ตาราง SQL และรายงานข้อมูลเชิงลึกให้ฝ่ายบริหาร
ความรู้ด้านข้อมูล
คอร์ส
ดำดิ่งสู่ data science ด้วย Python และเรียนรู้วิธีวิเคราะห์และแสดงผลข้อมูลของคุณอย่างมีประสิทธิภาพ ไม่จำเป็นต้องมีประสบการณ์หรือทักษะด้านการเขียนโค้ด
การพัฒนาซอฟต์แวร์
คอร์ส
เรียนรู้วิธีสร้างรายงานที่ทรงพลังด้วย Exploratory Data Analysis (EDA) ของ Power BI เพื่อค้นพบอินไซต์ได้เร็วขึ้นและขับเคลื่อนคุณค่าทางธุรกิจ
การวิเคราะห์ข้อมูลเชิงสำรวจ
คอร์ส
พัฒนาทักษะการรู้เท่าทันข้อมูลด้วยการวิเคราะห์นโยบายการทำงานทางไกล
ความรู้ด้านข้อมูล
คอร์ส
เรียนรู้การสร้าง data pipelines ที่มีประสิทธิภาพและเชื่อถือได้ด้วยหลักการ Extract, Transform, and Load
วิศวกรรมข้อมูล
คอร์ส
เรียนรู้การใช้แนวปฏิบัติที่ดีที่สุดเพื่อเขียนฟังก์ชันที่ซับซ้อน ดูแลรักษาได้ ใช้ซ้ำได้ พร้อมเอกสารประกอบที่ดี
การพัฒนาซอฟต์แวร์
คอร์ส
ใช้ AI ในการเงินเพื่อวิเคราะห์ข้อมูล สร้างพรอมต์อย่างมีประสิทธิภาพ และทำเวิร์กโฟลว์อัตโนมัติเพื่อการตัดสินใจที่ดีขึ้น
ปัญญาประดิษฐ์
คอร์ส
เรียนรู้การใช้ SQL Server เพื่อทำงานจัดการข้อมูลทั่วไป และเชี่ยวชาญงานจัดการข้อมูลทั่วไปด้วยระบบฐานข้อมูลนี้
การพัฒนาซอฟต์แวร์
คอร์ส
ยกระดับการสร้างภาพข้อมูล Power BI ของคุณด้วยทักษะที่คุณมีอยู่แล้ว เรียนรู้เทคนิคการเล่าเรื่องด้วยข้อมูลทางเลือก แทนการสร้างแดชบอร์ดอย่างเดียว
การแสดงผลข้อมูลเป็นภาพ
คอร์ส
ใช้ทักษะของคุณในการนำเข้า วิเคราะห์ และแสดงผลข้อมูลทรัพยากรบุคคล (HR) ด้วย Power BI
การจัดการข้อมูล
คอร์ส
เรียนรู้การสร้างการแสดงผลข้อมูลที่สวยงามและมีความหมายด้วย ggplot2 โดยเข้าใจไวยากรณ์ของกราฟิก
การแสดงผลข้อมูลเป็นภาพ
คอร์ส
เรียนรู้พื้นฐานของ data governance สำรวจความหมาย วัตถุประสงค์ และวิธีนำกรอบงาน data governance ไปใช้
การจัดการข้อมูล
คอร์ส
เรียนรู้วิธีเป็นผู้พิทักษ์ข้อมูลและรักษาข้อมูลให้ปลอดภัยด้วยคอร์สอินเทอร์แอคทีฟสำหรับผู้เริ่มต้นนี้
การจัดการข้อมูล
คอร์ส
เรียนรู้วิธีผสานธุรกิจ ข้อมูล และ AI พร้อมกำหนดเป้าหมายเพื่อขับเคลื่อนความสำเร็จด้วยกลยุทธ์ AI ที่ปรับขยายได้อย่างมีประสิทธิภาพ
ปัญญาประดิษฐ์
คอร์ส
ใช้ generative AI จัดการ data cleaning แก้ duplicates, nulls และ formatting เพื่อให้ datasets สม่ำเสมอและแม่นยำ
ปัญญาประดิษฐ์
คอร์ส
พัฒนาทักษะ Tidyverse ด้วยการเรียนรู้วิธีแปลงและจัดการข้อมูลด้วย dplyr
การจัดการข้อมูล
คอร์ส
ผสานแอป AI/LLM กับ API, ฐานข้อมูล และระบบไฟล์ได้ง่ายกว่าที่เคยด้วย Model Context Protocol (MCP)
ปัญญาประดิษฐ์
คอร์ส
ยกระดับทักษะ Excel ของคุณด้วยการอ้างอิงขั้นสูง การค้นหา และฟังก์ชันฐานข้อมูลผ่านแบบฝึกหัดจริง
การจัดการข้อมูล
คอร์ส
Stop fighting Excel and start talking to it! Use Copilot in Excel to clean data, build charts, and get answers faster.
ปัญญาประดิษฐ์
คอร์ส
สร้าง API ระดับโปรดักชันที่แข็งแกร่งด้วย FastAPI เชี่ยวชาญ HTTP operations, validation และ async execution เพื่อสร้าง data และ ML pipelines ที่มีประสิทธิภาพ
การพัฒนาซอฟต์แวร์
คอร์ส
เรียนรู้วิธีนำเวิร์กโฟลว์วิศวกรรมข้อมูลไปใช้งานและกำหนดเวลาใช้งาน
วิศวกรรมข้อมูล
คอร์ส
เรียนรู้สถาปัตยกรรมดีปเลิร์นนิงพื้นฐาน เช่น CNNs, RNNs, LSTMs และ GRUs สำหรับการสร้างแบบจำลองข้อมูลภาพและข้อมูลลำดับ
ปัญญาประดิษฐ์
คอร์ส
เรียนรู้วิธีแปลง ทำความสะอาด และวิเคราะห์ข้อมูลอย่างมีประสิทธิภาพด้วย Polars ไลบรารี Python สำหรับจัดการข้อมูลความเร็วสูง
การจัดการข้อมูล
คอร์ส
ในคอร์สนี้ คุณจะได้เรียนรู้วิธีใช้โมเดลแบบต้นไม้และเอนเซมเบิลสำหรับการถดถอยและการจำแนกประเภทด้วย scikit-learn
Machine Learning
คอร์ส
เชี่ยวชาญ NumPy ด้วยการเรียนรู้วิธีสร้าง เรียงลำดับ กรอง และอัปเดตอาร์เรย์โดยใช้สำมะโนต้นไม้ของ NYC
การจัดการข้อมูล
คอร์ส
เข้าใจองค์ประกอบพื้นฐานของ LangChain agents และสร้าง chat agents แบบกำหนดเอง
ปัญญาประดิษฐ์
คอร์ส
เรียนรู้ Databricks SQL สำหรับวิศวกรรมข้อมูล การวิเคราะห์ และเวิร์กโฟลว์ข้อมูลแบบเรียลไทม์ในสถาปัตยกรรม lakehouse
วิศวกรรมข้อมูล
คอร์ส
ค้นพบวิธีต่างๆ ที่คุณสามารถพัฒนาทักษะการนำเข้าข้อมูล Power BI ของคุณได้
การจัดการข้อมูล
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