คอร์ส
Google: Agent Fundamentals
- Basicระดับทักษะ
- 4.8+
- 72 รีวิว
Learn AI agent fundamentals — how they differ from LLMs, when to use them, and explore agent architecture, orchestration, and tools.
Cloud
ดูวิดีโอสั้นๆ ที่นำโดยผู้สอนผู้เชี่ยวชาญ แล้วฝึกฝนสิ่งที่คุณเรียนรู้ด้วยแบบฝึกหัดเชิงโต้ตอบในเบราว์เซอร์ของคุณ
หรือ
คอร์ส
Learn AI agent fundamentals — how they differ from LLMs, when to use them, and explore agent architecture, orchestration, and tools.
Cloud
คอร์ส
สำรวจบริการ Azure เช่น Compute, Storage และ Automation พร้อมประสบการณ์ลงมือปฏิบัติจริง
Cloud
คอร์ส
เรียนรู้การใช้ KNIME Analytics Platform สำหรับการเข้าถึงข้อมูล การทำความสะอาด และการวิเคราะห์ ด้วยแนวทาง no-code/low-code
การเตรียมข้อมูล
คอร์ส
สร้างทักษะ SQL ด้วยการเขียนพรอมต์ AI เพื่อสร้างคิวรีสำหรับการเรียงลำดับ จัดกลุ่ม กรอง และจัดหมวดหมู่ข้อมูล
การจัดการข้อมูล
คอร์ส
เชี่ยวชาญการวางแผนการเดินทางด้วย WanderBot: สร้างพรอมต์ เสริมความมั่นใจ และทำให้การผจญภัยครั้งต่อไปของคุณราบรื่นขึ้น
ปัญญาประดิษฐ์
คอร์ส
เรียนรู้การนำข้อมูลเข้าสู่ Microsoft Fabric ครอบคลุม Pipelines, Dataflows, Shortcuts, Semantic Models, ความปลอดภัย และการรีเฟรชโมเดล
อื่น
คอร์ส
This course explores how organizations can use custom gen AI agents to help tackle specific business challenges.
Cloud
คอร์ส
จัดการข้อมูลด้วย unions, joins, parsing และการเพิ่มประสิทธิภาพประสิทธิภาพใน Alteryx
การจัดการข้อมูล
คอร์ส
เรียนรู้โครงสร้างข้อมูลสำคัญ เช่น lists และ data frames และนำความรู้นั้นไปใช้กับตัวอย่างทางการเงินโดยตรง
การเงินประยุกต์
คอร์ส
ฝึกทักษะคณิตศาสตร์การเงินที่จำเป็นด้วยแบบฝึกหัด Excel ใช้งานจริงและตัวอย่างจากโลกจริง
การเงินประยุกต์
คอร์ส
สร้างกลยุทธ์ go-to-market ด้วย generative AI: เจาะอุตสาหกรรม สร้างลีด และปรับคีย์เวิร์ดเว็บไซต์ให้เหมาะสม
ปัญญาประดิษฐ์
คอร์ส
Build marketing workflows in n8n using AI agents. Automate campaign strategy, conversion optimization, and lead generation from scratch.
ปัญญาประดิษฐ์
คอร์ส
ขยายคลังคำศัพท์ Google Sheets ของคุณด้วยการเจาะลึกชนิดข้อมูล รวมถึงข้อมูลตัวเลข ข้อมูลตรรกะ และข้อมูลที่ขาดหายไป
การเตรียมข้อมูล
คอร์ส
You unlock the foundational concepts of generative AI by exploring the differences between AI, ML, and gen AI.
Cloud
คอร์ส
เรียนรู้การสร้างและปรับแต่งกราฟ Sigma เพื่อเล่าเรื่องข้อมูลที่ชัดเจนและน่าสนใจ—ไม่ต้องเขียนโค้ด
การแสดงผลข้อมูลเป็นภาพ
คอร์ส
Dive into the world of digital transformation and equip yourself to be an agent of change in a rapidly evolving digital landscape.
ความรู้ด้านข้อมูล
คอร์ส
เชี่ยวชาญการจัดการข้อมูลเชิงกลยุทธ์เพื่อความเป็นเลิศทางธุรกิจ
การจัดการข้อมูล
คอร์ส
Explore Power BI Service, master the interface, make informed decisions, and maximize the power of your reports.
การรายงาน
คอร์ส
เรียนรู้วิธีแปลงและวิเคราะห์ข้อมูลภายในบัญชี Microsoft Fabric ของคุณ
อื่น
คอร์ส
เรียนรู้แนวคิดการเงินพื้นฐานที่สุดด้วย Python และ NumPy
การเงินประยุกต์
คอร์ส
In this course, youll learn about the concepts of random variables, distributions, and conditioning.
ความน่าจะเป็นและสถิติ
คอร์ส
ช่วยบริษัทสมมติในกรณีศึกษาสำรวจ Power BI แบบอินเทอร์แอคทีฟนี้ คุณจะใช้ Power Query, DAX และแดชบอร์ดเพื่อระบุงานด้านข้อมูลที่เป็นที่ต้องการมากที่สุด!
การจัดการข้อมูล
คอร์ส
ทดสอบแชตบอตที่จับคู่ลูกค้ากับผลิตภัณฑ์ดูแลผิวที่เหมาะที่สุดด้วยทักษะการตั้งพรอมต์ของคุณ เพื่อผลลัพธ์เฉพาะบุคคล
ปัญญาประดิษฐ์
คอร์ส
วิเคราะห์พลวัตตลาดและวางแผนเข้าสู่ตลาดเชิงกลยุทธ์สำหรับผู้ผลิต EV ด้วย generative AI
ปัญญาประดิษฐ์
คอร์ส
เสริมทักษะ decision science ของคุณด้วยการออกแบบกรอบงานที่ขับเคลื่อนด้วยข้อมูลและนำโซลูชันที่มีประสิทธิภาพไปใช้
ความรู้ด้านข้อมูล
คอร์ส
เรียนรู้ความแตกต่างระหว่างการแบตช์และสตรีมมิง การปรับสเกลระบบสตรีมมิง และการใช้งานจริง
วิศวกรรมข้อมูล
คอร์ส
This course introduces Google’s gen AI applications, such as Google Workspace with Gemini and NotebookLM.
Cloud
คอร์ส
You explore the different layers of building gen AI solutions, Google Cloud’s offerings, and the factors to consider when selecting a solution.
Cloud
คอร์ส
ในคอร์สนี้ คุณจะได้เรียนรู้การใช้และนำเสนอโมเดลโลจิสติกรีเกรสชันเพื่อการพยากรณ์
Machine Learning
คอร์ส
หยุดเขียน joins และ calculations เดิมๆ แล้วเจาะลึก analytics ที่มีการกำกับดูแลดีและขยายได้ด้วย Sigma data models
การรายงาน
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