คอร์ส
Linear Classifiers ใน Python
- ระดับกลางระดับทักษะ
- 4.8+
- 369 รีวิว
ในคอร์สนี้ คุณจะได้เรียนรู้รายละเอียดของตัวจำแนกเชิงเส้น เช่น logistic regression และ SVM
Machine Learning
ดูวิดีโอสั้นๆ ที่นำโดยผู้สอนผู้เชี่ยวชาญ แล้วฝึกฝนสิ่งที่คุณเรียนรู้ด้วยแบบฝึกหัดเชิงโต้ตอบในเบราว์เซอร์ของคุณ
หรือ
คอร์ส
ในคอร์สนี้ คุณจะได้เรียนรู้รายละเอียดของตัวจำแนกเชิงเส้น เช่น logistic regression และ SVM
Machine Learning
คอร์ส
เข้าใจหลักการ GDPR อย่างชัดเจน และเรียนรู้วิธีตั้งค่ากระบวนการที่สอดคล้องกับ GDPR ในคอร์สที่ครอบคลุมนี้
ความรู้ด้านข้อมูล
คอร์ส
เรียนรู้การจัดการข้อมูลใน Databricks ด้วย Delta Lake รวมถึงธุรกรรม ACID การบังคับใช้สคีมา และความปลอดภัย
การจัดการข้อมูล
คอร์ส
ในคอร์สนี้ คุณจะใช้ T-SQL ซึ่งเป็นรูปแบบของ SQL ที่ใช้ใน Microsoft SQL Server สำหรับการวิเคราะห์ข้อมูล
การพัฒนาซอฟต์แวร์
คอร์ส
เรียนรู้การเชื่อมต่อ Tableau กับแหล่งข้อมูลต่างๆ และเตรียมข้อมูลเพื่อการวิเคราะห์ที่ราบรื่น
การเตรียมข้อมูล
คอร์ส
ออกแบบการทดลองและวิเคราะห์สถิติอย่างแม่นยำ เพื่อสรุปผลที่ถูกต้องและน่าเชื่อถือ!
ความน่าจะเป็นและสถิติ
คอร์ส
เรียนรู้วิธีใช้ MLflow เพื่อทำให้ความซับซ้อนของการสร้างแอปพลิเคชันแมชชีนเลิร์นนิงง่ายขึ้น สำรวจ MLflow tracking, projects, models และ model registry.
Machine Learning
คอร์ส
อะไรทำให้ LLMs ทำงาน? ค้นพบว่า transformers ปฏิวัติการสร้างแบบจำลองข้อความและจุดชนวนการเติบโตของ generative AI ได้อย่างไร
ปัญญาประดิษฐ์
คอร์ส
สร้างและปรับใช้เว็บแอปและฟังก์ชันแบบ serverless ที่ปรับขนาดได้บน Azure พร้อมเชี่ยวชาญด้านความปลอดภัย การมอนิเตอร์ และระบบอัตโนมัติ
Cloud
คอร์ส
พัฒนาทักษะ OOP ของคุณด้วย descriptors, multilevel inheritance และ abstract base classes!
การพัฒนาซอฟต์แวร์
คอร์ส
สร้าง data pipelines แบบ end-to-end — ตั้งแต่การทำความสะอาดและการรวมข้อมูล ไปจนถึง streaming และ orchestration
วิศวกรรมข้อมูล
คอร์ส
ยกระดับทักษะ dbt ของคุณด้วยคอร์สลงมือทำนี้ ออกแบบมาสำหรับวิศวกรข้อมูลและผู้เชี่ยวชาญด้านการวิเคราะห์ข้อมูล
วิศวกรรมข้อมูล
คอร์ส
Learn about data science for managers and businesses and how to use data to strengthen your organization.
ความรู้ด้านข้อมูล
คอร์ส
เรียนรู้การทำงานกับ Plain Old Java Objects เชี่ยวชาญ Collections Framework และจัดการข้อยกเว้นอย่างมืออาชีพ พร้อม logging รองรับทุกอย่าง!
การพัฒนาซอฟต์แวร์
คอร์ส
ในคอร์ส 4 ชั่วโมงนี้ คุณจะได้เรียนรู้พื้นฐานการวิเคราะห์ข้อมูลอนุกรมเวลาใน Python
ความน่าจะเป็นและสถิติ
คอร์ส
ปรับ DataFrame จากรูปแบบกว้างเป็นยาว ซ้อนและแยกแถวและคอลัมน์ และจัดการ DataFrame แบบหลายดัชนี
การจัดการข้อมูล
คอร์ส
เรียนรู้วิธีสร้างรายงานและแดชบอร์ด SQL ของคุณเอง พร้อมฝึกทักษะการสำรวจข้อมูล การทำความสะอาด และการตรวจสอบข้อมูลให้คมขึ้น
การรายงาน
คอร์ส
เรียนรู้การดึงและแยกวิเคราะห์ข้อมูลจากอินเทอร์เน็ตด้วยไลบรารี Python scrapy
การเตรียมข้อมูล
คอร์ส
In this course, youll learn about the concepts of random variables, distributions, and conditioning.
ความน่าจะเป็นและสถิติ
คอร์ส
Data storytelling is a high-demand skill that elevates analytics. Learn narrative building and visualizations in this course with a college major dataset!
ความรู้ด้านข้อมูล
คอร์ส
You learn about the key features of Gemini and how they can be used to improve productivity and efficiency in Google Workspace.
ปัญญาประดิษฐ์
คอร์ส
ถามคำถามเกี่ยวกับข้อมูลเป็นภาษาอังกฤษง่ายๆ ด้วย Databricks Genie - สร้าง spaces, คัดสรร business language และติดตามคุณภาพ
วิศวกรรมข้อมูล
คอร์ส
ฝึกทักษะสำคัญด้วย Scikit-learn, SHAP และ LIME เพื่อทดสอบและสร้างระบบ AI ที่โปร่งใส น่าเชื่อถือ และตรวจสอบได้
ปัญญาประดิษฐ์
คอร์ส
This course equips security and data protection leaders with strategies to securely manage AI within their organizations.
Cloud
คอร์ส
Master sampling to get more accurate statistics with less data.
ความน่าจะเป็นและสถิติ
คอร์ส
คำนวณมาตรวัดความเสี่ยงและผลตอบแทน พร้อมสร้างพอร์ตโฟลิโอที่เหมาะสมกับระดับความเสี่ยงและผลตอบแทนที่ต้องการ
การเงินประยุกต์
คอร์ส
ฝึกทักษะ Oracle SQL ของคุณให้คมขึ้น ครอบคลุมพื้นฐาน SQL การรวมข้อมูล การผสานข้อมูล และการปรับแต่งข้อมูล
การจัดการข้อมูล
คอร์ส
This course helps your preparation for the Associate Cloud Engineer exam, learn about the Google Cloud domains in the exam and create a study plan.
Cloud
คอร์ส
เริ่มต้นเส้นทางการเรียนรู้ reinforcement learning ของคุณ! เรียนรู้ว่าเอเจนต์สามารถเรียนรู้การแก้ปัญหาสภาพแวดล้อมผ่านการโต้ตอบได้อย่างไร
ปัญญาประดิษฐ์
คอร์ส
เชี่ยวชาญการสร้างหลายขั้นตอน เครื่องมือเครือข่าย Docker และ Docker Compose เพื่อแอปคอนเทนเนอร์ที่ดีที่สุด!
การพัฒนาซอฟต์แวร์
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