คอร์ส
Big Data Fundamentals with PySpark
- ขั้นสูงระดับทักษะ
- 4.7+
- 264 รีวิว
เรียนรู้พื้นฐานการทำงานกับ big data ด้วย PySpark
วิศวกรรมข้อมูล
ดูวิดีโอสั้นๆ ที่นำโดยผู้สอนผู้เชี่ยวชาญ แล้วฝึกฝนสิ่งที่คุณเรียนรู้ด้วยแบบฝึกหัดเชิงโต้ตอบในเบราว์เซอร์ของคุณ
หรือ
คอร์ส
เรียนรู้พื้นฐานการทำงานกับ big data ด้วย PySpark
วิศวกรรมข้อมูล
คอร์ส
เรียนรู้การดึงข้อมูลจากรูปแบบไฟล์และระบบที่ใช้กันทั่วไป เช่น ไฟล์ CSV, สเปรดชีต, JSON, ฐานข้อมูล SQL และ API
การเตรียมข้อมูล
คอร์ส
สำรวจเทคนิคล่าสุดสำหรับการรัน Llama LLM ในเครื่องและผสานเข้ากับสแต็กของคุณ
ปัญญาประดิษฐ์
คอร์ส
เรียนรู้การสร้างคลาสและใช้ inheritance กับ polymorphism เพื่อใช้ซ้ำและเพิ่มประสิทธิภาพโค้ดอย่างรวดเร็ว
การพัฒนาซอฟต์แวร์
คอร์ส
เรียนรู้ทฤษฎีเบื้องหลังการจัดการข้อมูลอย่างรับผิดชอบสำหรับโปรเจกต์ AI ใดๆ ตั้งแต่ต้นจนจบและต่อเนื่องไปอีก
ปัญญาประดิษฐ์
คอร์ส
เชี่ยวชาญ Azure Management และ Governance ด้วยคอร์สครบถ้วน เหมาะสำหรับผู้เชี่ยวชาญด้านข้อมูลที่ต้องการความเชี่ยวชาญคลาวด์
Cloud
คอร์ส
เรียนรู้วิธีทำการวิเคราะห์ทางการเงินใน Power BI หรือประยุกต์ใช้ทักษะทางการเงินที่มีอยู่กับการแสดงข้อมูลด้วยภาพใน Power BI
การเงินประยุกต์
คอร์ส
สำรวจ Databricks Lakehouse — ตั้งแต่สถาปัตยกรรม medallion และคลัสเตอร์ ไปจนถึง governance, การแชร์ และการ deploy.
วิศวกรรมข้อมูล
คอร์ส
เรียนรู้การรวมข้อมูลจากหลายตารางเพื่อหาคำตอบของคำถามที่ซับซ้อนขึ้นด้วย dplyr
การจัดการข้อมูล
คอร์ส
เข้าใจพื้นฐานของ Machine Learning และวิธีนำไปใช้ในโลกธุรกิจ
Machine Learning
คอร์ส
เรียนรู้พลังของ Databricks Lakehouse และช่วยให้คุณยกระดับทักษะด้าน data engineering และ machine learning ของคุณ
วิศวกรรมข้อมูล
คอร์ส
เรียนรู้พื้นฐานของการแสดงข้อมูลด้วยภาพโดยใช้ Google Sheets
การแสดงผลข้อมูลเป็นภาพ
คอร์ส
Gain an overview of AI Agents. Discover how AI Agents use autonomous action and reasoning to solve complex problems.
Cloud
คอร์ส
เรียนรู้วิธีจัดการและแสดงผลข้อมูลเชิงหมวดหมู่ด้วย pandas และ seaborn
การจัดการข้อมูล
คอร์ส
ค้นหา ตาราง จัดเก็บและจัดการ ตารางและวิว ใหม่ และเขียนโค้ด SQL ที่ดูแลรักษาได้ เพื่อตอบคำถามทางธุรกิจ
การรายงาน
คอร์ส
ใช้ OpenAI API เพื่อเตรียมแอป AI ของคุณให้พร้อมใช้งานจริง
ปัญญาประดิษฐ์
คอร์ส
เรียนรู้วิธีสร้างฐานข้อมูล PostgreSQL และสำรวจโครงสร้าง ชนิดข้อมูล และวิธีทำให้ฐานข้อมูลเป็นปกติ
การเตรียมข้อมูล
คอร์ส
เริ่มต้นใช้งาน Sigma! เรียนรู้วิธีสร้างและปรับแต่งแดชบอร์ดแบบโต้ตอบที่เรียบง่ายสำหรับการวิเคราะห์แบบเรียลไทม์
การจัดการข้อมูล
คอร์ส
การสร้างภาพข้อมูลเป็นหนึ่งในทักษะที่เป็นที่ต้องการมากที่สุดสำหรับนักวิเคราะห์ข้อมูล คอร์สนี้ช่วยให้คุณนำเสนอผลการค้นพบได้ดีขึ้นด้วย Tableau
การแสดงผลข้อมูลเป็นภาพ
คอร์ส
ในบทนำสู่ DevOps นี้ คุณจะเชี่ยวชาญพื้นฐานของ DevOps และเรียนรู้แนวคิด เครื่องมือ และเทคนิคสำคัญเพื่อเพิ่มประสิทธิภาพการทำงาน
การพัฒนาซอฟต์แวร์
คอร์ส
เรียนรู้โครงสร้างข้อมูลสำคัญ เช่น lists และ data frames และนำความรู้นั้นไปใช้กับตัวอย่างทางการเงินโดยตรง
การเงินประยุกต์
คอร์ส
เรียนรู้วิธีและเวลาที่ควรใช้การทดสอบสมมติฐานใน R รวมถึง t-tests, proportion tests และ chi-square tests
ความน่าจะเป็นและสถิติ
คอร์ส
Transform almost any dataset into a tidy format to make analysis easier.
การจัดการข้อมูล
คอร์ส
ใช้ PyTorch กับภาพและโมเดล deep learning สำหรับการตรวจจับวัตถุด้วย bounding boxes และการสร้าง image segmentation
ปัญญาประดิษฐ์
คอร์ส
เรียนรู้การใช้ facets, coordinate systems และสถิติใน ggplot2 เพื่อสร้างกราฟอธิบายที่มีความหมาย
การแสดงผลข้อมูลเป็นภาพ
คอร์ส
Learn to clean data as quickly and accurately as possible to help you move from raw data to awesome insights.
การเตรียมข้อมูล
คอร์ส
R Markdown is an easy-to-use formatting language for authoring dynamic reports from R code.
การรายงาน
คอร์ส
เรียนรู้ Bash scripting เพื่อสร้าง analytics pipelines บนคลาวด์และจัดการข้อมูลจากหลายไฟล์ได้อย่างมีประสิทธิภาพ
การพัฒนาซอฟต์แวร์
คอร์ส
เชี่ยวชาญ Apache Kafka! ตั้งแต่แนวคิดพื้นฐานไปจนถึงสถาปัตยกรรมขั้นสูง เรียนรู้การสร้าง จัดการ และแก้ปัญหา Kafka สำหรับความท้าทายด้านสตรีมมิงข้อมูลจริง!
วิศวกรรมข้อมูล
คอร์ส
สำรวจจริยธรรมข้อมูลด้วยหลักสูตรแนะนำฉบับครบถ้วน ครอบคลุมหลักการ จริยธรรม AI และทักษะปฏิบัติ เพื่อการใช้ข้อมูลอย่างรับผิดชอบ
ความรู้ด้านข้อมูล
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