คอร์ส
Power Automate ระดับกลาง
- ระดับกลางระดับทักษะ
- 4.8+
- 42 รีวิว
สร้างโฟลว์คลาวด์ Power Automate ที่เชื่อถือได้ด้วยทริกเกอร์ การแตกแขนง การอนุมัติ การจัดการข้อผิดพลาด และการส่งมอบสู่การใช้งานจริง
ปัญญาประดิษฐ์
ดูวิดีโอสั้นๆ ที่นำโดยผู้สอนผู้เชี่ยวชาญ แล้วฝึกฝนสิ่งที่คุณเรียนรู้ด้วยแบบฝึกหัดเชิงโต้ตอบในเบราว์เซอร์ของคุณ
หรือ
คอร์ส
สร้างโฟลว์คลาวด์ Power Automate ที่เชื่อถือได้ด้วยทริกเกอร์ การแตกแขนง การอนุมัติ การจัดการข้อผิดพลาด และการส่งมอบสู่การใช้งานจริง
ปัญญาประดิษฐ์
คอร์ส
Parse data in any format. Whether its flat files, statistical software, databases, or data right from the web.
การเตรียมข้อมูล
คอร์ส
เรียนรู้วิธีการทำงานของคอนเทนเนอร์ใน Azure รวมถึงรีจิสทรี, ACI, พื้นฐาน AKS, การปรับสเกล, การมอนิเตอร์ และการแก้ไขปัญหา
Cloud
คอร์ส
สร้าง AI Agent Harnesses ด้วย Strands Agents
ปัญญาประดิษฐ์
คอร์ส
เรียนรู้ประเภทต่าง ๆ ใน data modeling รวมถึงการทำนาย พร้อมฝึก linear regression และการประเมินโมเดลใน Tidyverse
ความน่าจะเป็นและสถิติ
คอร์ส
เรียนรู้การเริ่มพัฒนาโมเดล deep learning ด้วย Keras
ปัญญาประดิษฐ์
คอร์ส
คอร์สนี้จะช่วยให้คุณมีทักษะในการวิเคราะห์ แสดงภาพ และทำความเข้าใจเครือข่ายด้วยไลบรารี NetworkX
ความน่าจะเป็นและสถิติ
คอร์ส
สร้างทีม AI ที่ทำงานร่วมกัน อัตโนมัติเวิร์กโฟลว์ และสร้างคอนเทนต์ด้วย CrewAI
ปัญญาประดิษฐ์
คอร์ส
เรียนรู้การสร้าง ปกป้อง และจัดการ API ด้วย Azure API Management ผ่านการฝึกปฏิบัติจริง
Cloud
คอร์ส
เรียนรู้ทักษะ command-line อันทรงพลังเพื่อดาวน์โหลด ประมวลผล และแปลงข้อมูล รวมถึง pipeline ของ machine learning
การจัดการข้อมูล
คอร์ส
เรียนรู้เทคนิคการปรับจูนไฮเปอร์พารามิเตอร์อัตโนมัติใน Python รวมถึง Grid, Random และ Informed Search
Machine Learning
คอร์ส
สำรวจ association rules ในการวิเคราะห์ตะกร้าสินค้าด้วย Python จากข้อมูลร้านหนังสือและการสร้างคำแนะนำภาพยนตร์
Machine Learning
คอร์ส
ยกระดับทักษะการรายงานด้วยฟังก์ชันสถิติในตัวของ Tableau
ความน่าจะเป็นและสถิติ
คอร์ส
เชี่ยวชาญ Snowflake data types และ functions เพื่อจัดการข้อความ ตัวเลข วันที่ พร้อมสร้าง custom functions และ pivot tables
การจัดการข้อมูล
คอร์ส
ลูกค้าปลื้มสินค้าของคุณหรือบริการของคุณยังไม่ดีพอ? เรียนรู้วิธีทำงานวิเคราะห์ความรู้สึกแบบครบวงจรตั้งแต่ต้นจนจบ
Machine Learning
คอร์ส
เชี่ยวชาญการทำงานหลักของ spaCy และฝึกโมเดลสำหรับการประมวลผลภาษาธรรมชาติ ดึงข้อมูลจากข้อมูลที่ไม่มีโครงสร้างและจับคู่รูปแบบ
Machine Learning
คอร์ส
เรียนรู้เทคนิคในการดึงข้อมูลที่เป็นประโยชน์จากข้อความและแปลงเป็นรูปแบบที่เหมาะสำหรับแมชชีนเลิร์นนิง
Machine Learning
คอร์ส
ใช้พลังของ Python และ PuLP เพื่อเพิ่มประสิทธิภาพซัพพลายเชน
การวิเคราะห์ข้อมูลเชิงสำรวจ
คอร์ส
เรียนรู้วิธีจัดเก็บ ปกป้อง ขยาย และประมวลผลข้อมูลใน Azure ด้วย Blob Storage, Cosmos DB, คิว และบริการที่ขับเคลื่อนด้วยเหตุการณ์
Cloud
คอร์ส
สร้างระบบมัลติโหมดด้วยโมเดลข้อความและเสียงของ OpenAI รวมถึงแชตบอทสนับสนุนลูกค้าแบบครบวงจร!
ปัญญาประดิษฐ์
คอร์ส
เรียนรู้เกี่ยวกับ AWS Boto และการใช้ประโยชน์จากเทคโนโลยีคลาวด์เพื่อเพิ่มประสิทธิภาพเวิร์กโฟลว์ข้อมูลของคุณ
Cloud
คอร์ส
เรียนรู้การออกแบบและใช้งานทริกเกอร์ใน SQL Server ด้วยตัวอย่างจากการใช้งานจริง
การพัฒนาซอฟต์แวร์
คอร์ส
ใช้เครื่องมือสร้างภาพข้อมูลอันซับซ้อนของ Seaborn เพื่อสร้างภาพข้อมูลที่สวยงามและให้ข้อมูลได้อย่างง่ายดาย
การแสดงผลข้อมูลเป็นภาพ
คอร์ส
เรียนรู้การนำเข้า จัดการ และแปลงข้อมูลใน Java ด้วยไลบรารี Tablesaw ทำงานกับไฟล์ CSV โครงสร้างตาราง และรูปแบบ JSON ที่ซับซ้อน
การพัฒนาซอฟต์แวร์
คอร์ส
Shiny is an R package that makes it easy to build interactive web apps directly in R, allowing your team to explore your data as dashboards or visualizations.
การพัฒนาซอฟต์แวร์
Cloud
คอร์ส
สร้างแอปคลาวด์บน AWS ด้วย API Gateway, Lambda, SQS, SNS, EventBridge และ Kinesis. เชี่ยวชาญ serverless และรูปแบบ event-driven สำหรับสอบ DVA-C02
Cloud
คอร์ส
เรียนรู้การแก้ปัญหา optimization ในโลกจริงด้วย SciPy และ PuLP ของ Python ครอบคลุมตั้งแต่พื้นฐานไปจนถึง constrained และ complex optimization
การพัฒนาซอฟต์แวร์
คอร์ส
เรียนรู้การจัดการและวิเคราะห์ข้อมูลที่มีโครงสร้างยืดหยุ่นด้วย MongoDB
วิศวกรรมข้อมูล
คอร์ส
เรียนรู้การสร้างแอปพลิเคชัน AI ด้วยฟังก์ชัน LLM ในตัวของ Snowflake Cortex สำหรับการวิเคราะห์ข้อความ การสร้างเนื้อหา และเวิร์กโฟลว์หลายขั้นตอน
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