คอร์ส
Advanced Data Engineering with Snowflake
- ระดับกลางระดับทักษะ
- 4.7+
- 38 รีวิว
Build reliable Snowflake pipelines with DevOps and observability: Git, CI/CD, and Snowflake Trail monitoring.
วิศวกรรมข้อมูล
ดูวิดีโอสั้นๆ ที่นำโดยผู้สอนผู้เชี่ยวชาญ แล้วฝึกฝนสิ่งที่คุณเรียนรู้ด้วยแบบฝึกหัดเชิงโต้ตอบในเบราว์เซอร์ของคุณ
หรือ
คอร์ส
Build reliable Snowflake pipelines with DevOps and observability: Git, CI/CD, and Snowflake Trail monitoring.
วิศวกรรมข้อมูล
คอร์ส
ฝึกใช้ Power BI กับกรณีศึกษาด้านการดูแลสุขภาพของเรา วิเคราะห์ข้อมูล ค้นพบข้อมูลเชิงลึกด้านประสิทธิภาพ และสร้างแดชบอร์ด
การแสดงผลข้อมูลเป็นภาพ
คอร์ส
ปรับใช้ ปกป้อง และดูแลแอปบน AWS ด้วย Lambda, API Gateway, Cognito, IAM, CloudWatch และ X-Ray เตรียมสอบ DVA-C02 แบบลงมือทำจริง
Cloud
คอร์ส
เรียนรู้การสร้างภาพข้อมูลที่น่าสนใจและดึงดูดสายตา เพื่อสื่อสารผลลัพธ์ได้อย่างมีประสิทธิภาพและรวดเร็ว
การแสดงผลข้อมูลเป็นภาพ
คอร์ส
แสดงภาพฤดูกาล แนวโน้ม และรูปแบบอื่นๆ ในข้อมูลอนุกรมเวลาของคุณ
การแสดงผลข้อมูลเป็นภาพ
คอร์ส
Master time series data manipulation in R, including importing, summarizing and subsetting, with zoo, lubridate and xts.
การจัดการข้อมูล
คอร์ส
Build CI/CD pipelines with AWS CodePipeline, CodeBuild, and CodeDeploy. Automate blue/green and canary releases, and define infrastructure with CloudFormation.
Cloud
คอร์ส
พัฒนาทักษะที่คุณต้องใช้ในการทำความสะอาดข้อมูลดิบและแปลงเป็นอินไซต์ที่แม่นยำ
การเตรียมข้อมูล
คอร์ส
สร้างภาพข้อมูลเชิงพื้นที่ที่น่าสนใจใน Python ด้วยแพ็กเกจ geopandas และแผนที่ folium
การแสดงผลข้อมูลเป็นภาพ
คอร์ส
กรณีศึกษา Power BI นี้ติดตามกรณีใช้งานธุรกิจจริงที่คุณจะนำแนวคิด ETL และการแสดงผลข้อมูลไปใช้
การแสดงผลข้อมูลเป็นภาพ
คอร์ส
คอร์สนี้สำหรับผู้ใช้ R ที่อยากเรียนรู้ Python ให้ทันใช้งาน!
การพัฒนาซอฟต์แวร์
คอร์ส
เรียนรู้ Snowflake window functions เพื่อแก้โจทย์ข้อมูลซับซ้อนด้วย rankings, partitions และ rolling calculations.
การจัดการข้อมูล
คอร์ส
เรียนรู้เทคนิคหลักที่จำเป็นในการดึงข้อมูลเชิงลึกที่มีความหมายจากข้อมูลอนุกรมเวลา
ความน่าจะเป็นและสถิติ
คอร์ส
เรียนรู้การปรับแต่ง ขยายขนาด และทดสอบไปป์ไลน์ข้อมูล Polars เพื่อประสิทธิภาพพร้อมใช้งานจริง
การจัดการข้อมูล
คอร์ส
เบื่อความวุ่นวายในสัปดาห์เปิดตัวไหม? วางแผนและเขียนแผนเปิดตัวผลิตภัณฑ์ครบวงจรในเซสชันเดียวด้วย Claude Cowork
ปัญญาประดิษฐ์
คอร์ส
ใช้การวิเคราะห์การแสดงออกเชิงแตกต่างของ RNA-Seq เพื่อระบุยีนที่น่าจะสำคัญต่อโรคหรือภาวะต่างๆ
ความน่าจะเป็นและสถิติ
คอร์ส
Build, deploy, and optimize serverless apps with AWS Lambda. Master event processing, error handling, concurrency, and safe deployments in a live AWS Console.
Cloud
คอร์ส
เรียนรู้พื้นฐานของการแยกวิเคราะห์ จัดการ และคำนวณวันที่และเวลาใน R
การพัฒนาซอฟต์แวร์
คอร์ส
This course provides an intro to clustering and dimensionality reduction in R from a machine learning perspective.
Machine Learning
คอร์ส
เรียนรู้การทำงานกับข้อมูล time-to-event. เหตุการณ์อาจเป็นการเสียชีวิตหรือการได้งานหลังว่างงาน เรียนรู้การประมาณค่า แสดงภาพ และตีความแบบจำลองการรอดชีพ!
ความน่าจะเป็นและสถิติ
คอร์ส
เรียนรู้วิธีตรวจจับการฉ้อโกงด้วย Python
Machine Learning
คอร์ส
ตรวจจับความผิดปกติในการวิเคราะห์ข้อมูลของคุณและขยายชุดเครื่องมือสถิติ Python ของคุณในคอร์ส 4 ชั่วโมงนี้
ความน่าจะเป็นและสถิติ
คอร์ส
เรียนรู้แนวคิดหลักของ machine learning พร้อมวิธีสร้างและประเมิน predictive models
Machine Learning
คอร์ส
วิเคราะห์ข้อมูลข้อความใน R ด้วยเฟรมเวิร์ก tidy
การจัดการข้อมูล
คอร์ส
ขยายชุดเครื่องมือ regression ด้วยหลักสูตร Generalized Linear Model ครอบคลุม logistic regression และ Poisson regression
ความน่าจะเป็นและสถิติ
คอร์ส
พัฒนาทักษะการสร้างแบบจำลองข้อมูลและวิเคราะห์การเงิน ผ่านกรณีศึกษา Power BI ที่ให้คุณรับบทเทรดเดอร์มือใหม่ วิเคราะห์การซื้อขายสินเชื่อที่อยู่อาศัย
การเงินประยุกต์
คอร์ส
เรียนรู้การเลือก สร้าง และรักษาความปลอดภัยให้กับที่เก็บข้อมูล AWS รวมถึง DynamoDB และ S3 ผ่านแบบฝึกหัดคอนโซลและสถานการณ์จริง
Cloud
คอร์ส
Uncover the unique challenges faced by MLOps teams when deploying and managing Generative AI models, and explore how Vertex AI empowers AI teams.
Cloud
คอร์ส
เข้าใจการทำงานของ hierarchical และ k-means clustering พร้อมนำไปใช้ค้นหาอินไซต์จากข้อมูลของคุณ
Machine Learning
คอร์ส
Deploy ADK agents to production using Vertex AI Agent Engine and Cloud Run. Add persistent cross-session memory with Memory Bank.
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
เรียนรู้ได้ทุกที่ด้วยคอร์สบนมือถือและโจทย์เขียนโค้ด 5 นาทีประจำวัน