คอร์ส
การแสดงผลข้อมูลเชิงภูมิศาสตร์ด้วย Python
- ระดับกลางระดับทักษะ
- 4.7+
- 350 รีวิว
Learn how to make attractive visualizations of geospatial data in Python using the geopandas package and folium maps.
การแสดงผลข้อมูลเป็นภาพ
ดูวิดีโอสั้นๆ ที่นำโดยผู้สอนผู้เชี่ยวชาญ แล้วฝึกฝนสิ่งที่คุณเรียนรู้ด้วยแบบฝึกหัดเชิงโต้ตอบในเบราว์เซอร์ของคุณ
หรือ
คอร์ส
Learn how to make attractive visualizations of geospatial data in Python using the geopandas package and folium maps.
การแสดงผลข้อมูลเป็นภาพ
คอร์ส
Develop a strong intuition for how hierarchical and k-means clustering work and learn how to apply them to extract insights from your data.
Machine Learning
คอร์ส
เรียนรู้ประเภทต่าง ๆ ใน data modeling รวมถึงการทำนาย พร้อมฝึก linear regression และการประเมินโมเดลใน Tidyverse
ความน่าจะเป็นและสถิติ
คอร์ส
เรียนรู้ว่า Bayesian data analysis คืออะไร ทำงานอย่างไร และทำไมจึงเป็นเครื่องมือที่มีประโยชน์ในชุดเครื่องมือ data science ของคุณ
ความน่าจะเป็นและสถิติ
คอร์ส
เชี่ยวชาญการทำความสะอาดข้อมูลใน Java ด้วยวิธีทางสถิติ การแปลงข้อมูล และการตรวจสอบความถูกต้อง เพื่อแอปที่เชื่อถือได้
การนำเข้าและทำความสะอาดข้อมูล
คอร์ส
เรียนรู้การใช้ Amazon Bedrock เพื่อเข้าถึง foundation AI models และสร้างสรรค์ด้วย AI โดยไม่ต้องจัดการโครงสร้างพื้นฐานที่ซับซ้อน
ปัญญาประดิษฐ์
คอร์ส
ในอีคอมเมิร์ซ การเพิ่มยอดขายและลดต้นทุนคือกุญแจสำคัญ วิเคราะห์ข้อมูลจากบริษัทจำหน่ายอุปกรณ์สัตว์เลี้ยงออนไลน์ด้วย Power BI
การแสดงผลข้อมูลเป็นภาพ
คอร์ส
Learn how to pull character strings apart, put them back together and use the stringr package.
การพัฒนาซอฟต์แวร์
คอร์ส
กรณีศึกษา Power BI นี้ติดตามกรณีใช้งานธุรกิจจริงในการวิเคราะห์สินค้าคงคลังด้วย DAX และการแสดงผลข้อมูล
การแสดงผลข้อมูลเป็นภาพ
คอร์ส
กรณีศึกษา Power BI นี้ติดตามกรณีใช้งานธุรกิจจริงที่คุณจะนำแนวคิด ETL และการแสดงผลข้อมูลไปใช้
การแสดงผลข้อมูลเป็นภาพ
คอร์ส
Build reliable Snowflake pipelines with DevOps and observability: Git, CI/CD, and Snowflake Trail monitoring.
วิศวกรรมข้อมูล
คอร์ส
สร้างแอปคลาวด์บน AWS ด้วย API Gateway, Lambda, SQS, SNS, EventBridge และ Kinesis. เชี่ยวชาญ serverless และรูปแบบ event-driven สำหรับสอบ DVA-C02
Cloud
คอร์ส
เรียนรู้วิธีโหลด แปลง และถอดเสียงจากไฟล์เสียงดิบใน Python
การจัดการข้อมูล
คอร์ส
ในคอร์สนี้ คุณจะได้เรียนรู้วิธีนำเข้าและจัดการข้อมูลการเงินใน Python โดยใช้เครื่องมือและแหล่งข้อมูลหลากหลายประเภท
การเงินประยุกต์
คอร์ส
Build, configure, and run your first AI agent using Googles Agent Development Kit (ADK). Set up environments, create agents in Python and YAML.
Cloud
คอร์ส
เรียนรู้การทำ 2 งานสำคัญในสถิติอนุมาน: การประมาณค่าพารามิเตอร์และการทดสอบสมมติฐาน
ความน่าจะเป็นและสถิติ
คอร์ส
แสดงภาพฤดูกาล แนวโน้ม และรูปแบบอื่นๆ ในข้อมูลอนุกรมเวลาของคุณ
การแสดงผลข้อมูลเป็นภาพ
คอร์ส
เรียนรู้การออกแบบแบบสำรวจด้วยโครงสร้างการออกแบบทั่วไป จากนั้นแสดงผลและวิเคราะห์ผลลัพธ์แบบสำรวจ
ความน่าจะเป็นและสถิติ
คอร์ส
เรียนรู้แนวคิดพื้นฐานของความน่าจะเป็น เช่น ตัวแปรสุ่ม ค่าเฉลี่ยและความแปรปรวน การแจกแจงความน่าจะเป็น และความน่าจะเป็นแบบมีเงื่อนไข
ความน่าจะเป็นและสถิติ
คอร์ส
ในคอร์สนี้ คุณจะเรียนรู้วิธีรวบรวมข้อมูล Twitter และวิเคราะห์ข้อความ เครือข่าย และแหล่งกำเนิดทางภูมิศาสตร์ของ Twitter
การจัดการข้อมูล
คอร์ส
เรียนรู้วิธีใช้ Python เพื่อวิเคราะห์การเลิกใช้บริการของลูกค้าและสร้างโมเดลเพื่อคาดการณ์มัน
การวิเคราะห์ข้อมูลเชิงสำรวจ
คอร์ส
Learn to work with time-to-event data. The event may be death or finding a job after unemployment. Learn to estimate, visualize, and interpret survival models!
ความน่าจะเป็นและสถิติ
คอร์ส
สำรวจแนวคิดและการใช้งานของโมเดลเชิงเส้นด้วย Python และสร้างโมเดลเพื่ออธิบาย ทำนาย และดึงอินไซต์จากรูปแบบข้อมูล
ความน่าจะเป็นและสถิติ
คอร์ส
This course introduces the comprehensive and flexible infrastructure and platform services provided by Google Cloud with a focus on Infrastructure Foundations.
Cloud
คอร์ส
เชี่ยวชาญ SQL, การจัดการข้อมูล, การปรับแต่งประสิทธิภาพ และความปลอดภัยของ Amazon Redshift
วิศวกรรมข้อมูล
คอร์ส
เรียนรู้วิธีระบุ วิเคราะห์ ลบ และเติมข้อมูลที่ขาดหายด้วย Python
การจัดการข้อมูล
คอร์ส
พัฒนาทักษะที่คุณต้องใช้ในการทำความสะอาดข้อมูลดิบและแปลงเป็นอินไซต์ที่แม่นยำ
การเตรียมข้อมูล
คอร์ส
ตั้งแต่ customer lifetime value, การคาดการณ์ churn ไปจนถึง segmentation - เรียนรู้และนำ use cases ของ Machine Learning สำหรับ Marketing ไปใช้ใน Python
Machine Learning
คอร์ส
เรียนรู้วิธีแบ่งกลุ่มลูกค้าใน Python
การจัดการข้อมูล
คอร์ส
วิเคราะห์ข้อมูลข้อความใน R ด้วยเฟรมเวิร์ก tidy
การจัดการข้อมูล
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