คอร์ส
การแปลงข้อมูลด้วย Polars
- ระดับกลางระดับทักษะ
- 4.8+
- 133 รีวิว
พัฒนา Polars ให้ไกลขึ้นด้วยการจัดการข้อความ สถิติแบบ rolling การ join DataFrame และการวิเคราะห์ขั้นสูง
การจัดการข้อมูล
ดูวิดีโอสั้นๆ ที่นำโดยผู้สอนผู้เชี่ยวชาญ แล้วฝึกฝนสิ่งที่คุณเรียนรู้ด้วยแบบฝึกหัดเชิงโต้ตอบในเบราว์เซอร์ของคุณ
หรือ
คอร์ส
พัฒนา Polars ให้ไกลขึ้นด้วยการจัดการข้อความ สถิติแบบ rolling การ join DataFrame และการวิเคราะห์ขั้นสูง
การจัดการข้อมูล
คอร์ส
เรียนรู้การเขียนโค้ด R ให้เร็วขึ้น ค้นพบการทำ benchmarking และ profiling และปลดล็อกความลับของการเขียนโปรแกรมแบบขนาน
การพัฒนาซอฟต์แวร์
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
เรียนรู้วิธีออกแบบการแสดงผลและรายงาน Power BI โดยคำนึงถึงผู้ใช้เป็นหลัก
การแสดงผลข้อมูลเป็นภาพ
คอร์ส
เชี่ยวชาญ Snowflake data types และ functions เพื่อจัดการข้อความ ตัวเลข วันที่ พร้อมสร้าง custom functions และ pivot tables
การจัดการข้อมูล
คอร์ส
เชี่ยวชาญการเขียนโปรแกรม SQL Server ด้วยการสร้าง อัปเดต และเรียกใช้ฟังก์ชันและ stored procedures
การพัฒนาซอฟต์แวร์
คอร์ส
หลักสูตรนี้เป็นบทนำสู่พีชคณิตเชิงเส้น หนึ่งในหัวข้อคณิตศาสตร์ที่สำคัญที่สุดซึ่งเป็นพื้นฐานของวิทยาการข้อมูล
ความน่าจะเป็นและสถิติ
คอร์ส
Build end-to-end data pipelines in Snowflake: ingest, transform with SQL and Snowpark, deliver, and orchestrate.
วิศวกรรมข้อมูล
คอร์ส
เรียนรู้ความท้าทายของการมอนิเตอร์โมเดลแมชชีนเลิร์นนิงในโปรดักชัน รวมถึง data drift และ concept drift และวิธีรับมือกับการเสื่อมประสิทธิภาพของโมเดล
Machine Learning
คอร์ส
เข้าใจแนวคิดการลดมิติของข้อมูล และเชี่ยวชาญเทคนิคการทำใน Python
Machine Learning
คอร์ส
เรียนรู้การใช้แพ็กเกจ Bioconductor ที่จำเป็นสำหรับชีวสารสนเทศด้วยชุดข้อมูลจากไวรัส เชื้อรา มนุษย์ และพืช!
ความน่าจะเป็นและสถิติ
คอร์ส
ในหลักสูตรนี้ คุณจะได้เรียนรู้พื้นฐานของฐานข้อมูลเชิงสัมพันธ์และวิธีโต้ตอบกับฐานข้อมูลเหล่านั้น
การจัดการข้อมูล
คอร์ส
ในหลักสูตรเชิงแนวคิดนี้ (ไม่ต้องเขียนโค้ด) คุณจะได้เรียนรู้เกี่ยวกับฐานข้อมูล NoSQL หลัก 4 ประเภทและเอนจินยอดนิยม
วิศวกรรมข้อมูล
คอร์ส
เรียนรู้วิธีจัดโครงสร้างคิวรี PostgreSQL ของคุณให้ทำงานได้ในเวลาเพียงเศษเสี้ยวหนึ่งของเดิม
การพัฒนาซอฟต์แวร์
คอร์ส
เรียนรู้การเริ่มพัฒนาโมเดล deep learning ด้วย Keras
ปัญญาประดิษฐ์
คอร์ส
เรียนรู้เทคนิคการปรับจูนไฮเปอร์พารามิเตอร์อัตโนมัติใน Python รวมถึง Grid, Random และ Informed Search
Machine Learning
คอร์ส
ใช้เครื่องมือสร้างภาพข้อมูลอันซับซ้อนของ Seaborn เพื่อสร้างภาพข้อมูลที่สวยงามและให้ข้อมูลได้อย่างง่ายดาย
การแสดงผลข้อมูลเป็นภาพ
คอร์ส
ปรับ DataFrame จากรูปแบบกว้างเป็นยาว ซ้อนและแยกแถวและคอลัมน์ และจัดการ DataFrame แบบหลายดัชนี
การจัดการข้อมูล
คอร์ส
Discover Snowflake window functions to solve complex data problems with rankings, partitions, and rolling calculations.
การจัดการข้อมูล
คอร์ส
เรียนรู้สถาปัตยกรรม MLOps, เทคนิค CI/CD/CM/CT และรูปแบบอัตโนมัติ เพื่อปรับใช้ระบบ ML ที่สร้างคุณค่าได้ต่อเนื่องในระยะยาว
Machine Learning
คอร์ส
เรียนรู้การเขียนสคริปต์ที่ตรวจจับและจัดการข้อผิดพลาด พร้อมควบคุมหลายการทำงานที่เกิดขึ้นพร้อมกัน
การพัฒนาซอฟต์แวร์
คอร์ส
สำรวจวิธีทำงานกับข้อมูลวันที่และเวลาใน SQL Server สำหรับการวิเคราะห์อนุกรมเวลา
การจัดการข้อมูล
คอร์ส
เชี่ยวชาญการทำงานหลักของ spaCy และฝึกโมเดลสำหรับการประมวลผลภาษาธรรมชาติ ดึงข้อมูลจากข้อมูลที่ไม่มีโครงสร้างและจับคู่รูปแบบ
Machine Learning
คอร์ส
เรียนรู้วิธีสร้างแดชบอร์ดแบบโต้ตอบและเต็มไปด้วยอินไซต์ด้วย Dash และ Plotly
การแสดงผลข้อมูลเป็นภาพ
คอร์ส
เรียนรู้การปรับแต่ง ขยายขนาด และทดสอบไปป์ไลน์ข้อมูล Polars เพื่อประสิทธิภาพพร้อมใช้งานจริง
การจัดการข้อมูล
คอร์ส
เรียนรู้เทคนิคในการดึงข้อมูลที่เป็นประโยชน์จากข้อความและแปลงเป็นรูปแบบที่เหมาะสำหรับแมชชีนเลิร์นนิง
Machine Learning
คอร์ส
เรียนรู้วิธีตรวจจับการฉ้อโกงด้วย Python
Machine Learning
คอร์ส
Parse data in any format. Whether its flat files, statistical software, databases, or data right from the web.
การเตรียมข้อมูล
คอร์ส
สร้างพื้นฐานที่คุณต้องใช้เพื่อคิดเชิงสถิติและสื่อสารด้วยภาษาของข้อมูลของคุณ
ความน่าจะเป็นและสถิติ
คอร์ส
สร้างระบบมัลติโหมดด้วยโมเดลข้อความและเสียงของ OpenAI รวมถึงแชตบอทสนับสนุนลูกค้าแบบครบวงจร!
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
พัฒนาทักษะได้ทุกที่ทุกเวลาด้วยคอร์สเรียนบนมือถือและแบบฝึกหัดเขียนโค้ดประจำวัน 5 นาทีของเรา