คอร์ส
Multi-Modal Models with Hugging Face
- ระดับกลางระดับทักษะ
- 4.8+
- 178 รีวิว
Combine text, images, audio, and video with the latest AI models from Hugging Face, and generate new images and videos!
ปัญญาประดิษฐ์
ดูวิดีโอสั้นๆ ที่นำโดยผู้สอนผู้เชี่ยวชาญ แล้วฝึกฝนสิ่งที่คุณเรียนรู้ด้วยแบบฝึกหัดเชิงโต้ตอบในเบราว์เซอร์ของคุณ
หรือ
คอร์ส
Combine text, images, audio, and video with the latest AI models from Hugging Face, and generate new images and videos!
ปัญญาประดิษฐ์
คอร์ส
เรียนรู้วิธีจัดการข้อมูลดิบที่ยุ่งเหยิงซึ่งเก็บในฐานข้อมูล PostgreSQL เพื่อดึงข้อมูลเชิงลึกที่แม่นยำ
การเตรียมข้อมูล
คอร์ส
เรียนรู้วิธีใช้ งบกำไรขาดทุน และ งบดุล ใน Power BI
การเงินประยุกต์
คอร์ส
เรียนรู้ข้อดีของการวิเคราะห์ข้อมูลแบบเบย์เซียน และนำไปใช้กับกรณีใช้งานจริงหลากหลายรูปแบบ!
ความน่าจะเป็นและสถิติ
คอร์ส
เรียนรู้วิธีใช้สคริปต์ Python ใน Power BI สำหรับเตรียมข้อมูล การสร้างภาพ และการคำนวณค่าสัมประสิทธิ์สหสัมพันธ์
การจัดการข้อมูล
คอร์ส
เรียนรู้การสร้าง ปกป้อง และจัดการ API ด้วย Azure API Management ผ่านการฝึกปฏิบัติจริง
Cloud
คอร์ส
สำรวจ association rules ในการวิเคราะห์ตะกร้าสินค้าด้วย Python จากข้อมูลร้านหนังสือและการสร้างคำแนะนำภาพยนตร์
Machine Learning
Cloud
คอร์ส
This course provides an intro to clustering and dimensionality reduction in R from a machine learning perspective.
Machine Learning
คอร์ส
เรียนรู้การสร้างแบบจำลองและคาดการณ์ค่าข้อมูลหุ้นด้วยโมเดลเชิงเส้น, ต้นไม้ตัดสินใจ, ป่ากลุ่มสุ่ม และโครงข่ายประสาทเทียม
Machine Learning
คอร์ส
สร้างทีม AI ที่ทำงานร่วมกัน อัตโนมัติเวิร์กโฟลว์ และสร้างคอนเทนต์ด้วย CrewAI
ปัญญาประดิษฐ์
คอร์ส
เรียนรู้การวิเคราะห์ข้อมูลตามเวลา ด้วยคอร์สเชิงปฏิบัตินี้เกี่ยวกับ Time Series Analysis ใน Power BI ทำงานกับชุดข้อมูลจริงและฝึกเทคนิคที่ใช้บ่อย
การแสดงผลข้อมูลเป็นภาพ
คอร์ส
เรียนรู้การแก้ปัญหา optimization ในโลกจริงด้วย SciPy และ PuLP ของ Python ครอบคลุมตั้งแต่พื้นฐานไปจนถึง constrained และ complex optimization
การพัฒนาซอฟต์แวร์
คอร์ส
In this Google DeepMind course, you will learn the fundamentals of language models and gain a high-level of machine learning development pipelines.
Cloud
คอร์ส
ใช้พลังของ Python และ PuLP เพื่อเพิ่มประสิทธิภาพซัพพลายเชน
การวิเคราะห์ข้อมูลเชิงสำรวจ
คอร์ส
เรียนรู้พื้นฐานของการแยกวิเคราะห์ จัดการ และคำนวณวันที่และเวลาใน R
การพัฒนาซอฟต์แวร์
คอร์ส
ใช้การวิเคราะห์การแสดงออกเชิงแตกต่างของ RNA-Seq เพื่อระบุยีนที่น่าจะสำคัญต่อโรคหรือภาวะต่างๆ
ความน่าจะเป็นและสถิติ
คอร์ส
เรียนรู้การสร้างภาพข้อมูลที่น่าสนใจและดึงดูดสายตา เพื่อสื่อสารผลลัพธ์ได้อย่างมีประสิทธิภาพและรวดเร็ว
การแสดงผลข้อมูลเป็นภาพ
คอร์ส
Build conversational AI apps that answer questions from your data with Cortex Search and Cortex Analyst on Snowflake.
ปัญญาประดิษฐ์
คอร์ส
คาดการณ์เหตุการณ์ในอนาคตด้วย linear regression, generalized additive models, random forests และ xgboost
Machine Learning
คอร์ส
เรียนรู้เทคนิคหลักที่จำเป็นในการดึงข้อมูลเชิงลึกที่มีความหมายจากข้อมูลอนุกรมเวลา
ความน่าจะเป็นและสถิติ
คอร์ส
ตรวจจับความผิดปกติในการวิเคราะห์ข้อมูลของคุณและขยายชุดเครื่องมือสถิติ Python ของคุณในคอร์ส 4 ชั่วโมงนี้
ความน่าจะเป็นและสถิติ
คอร์ส
เรียนรู้การออกแบบและรันการจำลอง Monte Carlo ของคุณเองด้วย Python!
ความน่าจะเป็นและสถิติ
คอร์ส
เรียนรู้การจัดการและวิเคราะห์ข้อมูลที่มีโครงสร้างยืดหยุ่นด้วย MongoDB
วิศวกรรมข้อมูล
คอร์ส
เรียนรู้การออกแบบสถาปัตยกรรมแบบขับเคลื่อนด้วยเหตุการณ์ที่ปรับขยายได้ใน Azure โดยใช้บริการส่งข้อความและการเชื่อมต่อใช้งานจริง
Cloud
คอร์ส
Master time series data manipulation in R, including importing, summarizing and subsetting, with zoo, lubridate and xts.
การจัดการข้อมูล
คอร์ส
เรียนรู้วิธีตรวจสอบ วินิจฉัย และเพิ่มประสิทธิภาพแอปพลิเคชัน Azure ด้วย Azure Monitor, Application Insights และ Log Analytics
Cloud
คอร์ส
เรียนรู้การนำเข้า จัดการ และแปลงข้อมูลใน Java ด้วยไลบรารี Tablesaw ทำงานกับไฟล์ CSV โครงสร้างตาราง และรูปแบบ JSON ที่ซับซ้อน
การพัฒนาซอฟต์แวร์
คอร์ส
Build generative AI apps on Snowflake with Cortex LLM functions, prompt engineering, and fine-tuning.
ปัญญาประดิษฐ์
คอร์ส
เรียนรู้การเลือก สร้าง และรักษาความปลอดภัยให้กับที่เก็บข้อมูล AWS รวมถึง DynamoDB และ S3 ผ่านแบบฝึกหัดคอนโซลและสถานการณ์จริง
Cloud
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