คอร์ส
Transactions and Error Handling in PostgreSQL
- ระดับกลางระดับทักษะ
- 4.8+
- 102 รีวิว
รับประกันความสอดคล้องของข้อมูลด้วยการเรียนรู้การใช้ธุรกรรมและจัดการข้อผิดพลาดในสภาพแวดล้อมที่ทำงานพร้อมกัน
การพัฒนาซอฟต์แวร์
ดูวิดีโอสั้นๆ ที่นำโดยผู้สอนผู้เชี่ยวชาญ แล้วฝึกฝนสิ่งที่คุณเรียนรู้ด้วยแบบฝึกหัดเชิงโต้ตอบในเบราว์เซอร์ของคุณ
หรือ
คอร์ส
รับประกันความสอดคล้องของข้อมูลด้วยการเรียนรู้การใช้ธุรกรรมและจัดการข้อผิดพลาดในสภาพแวดล้อมที่ทำงานพร้อมกัน
การพัฒนาซอฟต์แวร์
คอร์ส
เรียนรู้เกี่ยวกับโมเดล GARCH วิธีนำไปใช้ และปรับเทียบกับข้อมูลการเงินตั้งแต่หุ้นไปจนถึงอัตราแลกเปลี่ยนเงินตราต่างประเทศ
การเงินประยุกต์
คอร์ส
คอร์สนี้สำหรับผู้ใช้ R ที่อยากเรียนรู้ Python ให้ทันใช้งาน!
การพัฒนาซอฟต์แวร์
คอร์ส
Deploy ADK agents to production using Vertex AI Agent Engine and Cloud Run. Add persistent cross-session memory with Memory Bank.
Cloud
คอร์ส
เรียนรู้เทคนิคที่มีประสิทธิภาพใน pandas เพื่อเพิ่มประสิทธิภาพโค้ด Python ของคุณ
การพัฒนาซอฟต์แวร์
คอร์ส
Learn how to efficiently collect and download data from any website using R.
การเตรียมข้อมูล
คอร์ส
Streamline your AI projects by building modular models and mastering advanced optimization with PyTorch Lightning!
ปัญญาประดิษฐ์
คอร์ส
เรียนรู้แนวคิดหลักของ machine learning พร้อมวิธีสร้างและประเมิน predictive models
Machine Learning
คอร์ส
เรียนรู้การแยกความแตกต่างจริงจากสัญญาณรบกวนแบบสุ่ม และสำรวจไม้ค้ำทางจิตวิทยาที่เราใช้ซึ่งรบกวนการตัดสินใจอย่างมีเหตุผล
ความน่าจะเป็นและสถิติ
คอร์ส
The Generalized Linear Model course expands your regression toolbox to include logistic and Poisson regression.
ความน่าจะเป็นและสถิติ
คอร์ส
เรียนรู้วิธีตรวจสอบการป้อนข้อมูลให้สะอาดและสร้างแดชบอร์ดแบบไดนามิกเพื่อแสดงข้อมูลการตลาดของคุณ
การรายงาน
คอร์ส
เรียนรู้การวิเคราะห์งบการเงินด้วย Python คำนวณอัตราส่วน ประเมินสุขภาพทางการเงิน จัดการค่าที่หายไป และนำเสนอการวิเคราะห์ของคุณ
การเงินประยุกต์
คอร์ส
ใช้แพ็กเกจ tidyr และ purrr ใน tidyverse เพื่อสร้าง สำรวจ และประเมินโมเดลแมชชีนเลิร์นนิง
Machine Learning
คอร์ส
Begin your journey with Scala, a popular language for scalable applications and data engineering infrastructure.
การพัฒนาซอฟต์แวร์
คอร์ส
In this Power BI case study you’ll play the role of a junior trader, analyzing mortgage trading and enhancing your data modeling and financial analysis skills.
การเงินประยุกต์
คอร์ส
เรียนรู้การสร้างแบบจำลองธุรกิจพื้นฐาน รวมถึงกระแสเงินสด การลงทุน เงินงวด การผ่อนชำระเงินกู้ และอื่นๆ ด้วย Google Sheets
การเงินประยุกต์
คอร์ส
เรียนรู้วิธีนำเข้า ทำความสะอาด และจัดการข้อมูล IoT ใน Python เพื่อเตรียมพร้อมสำหรับ machine learning
การจัดการข้อมูล
คอร์ส
เชี่ยวชาญ RAG ด้วย Weaviate! ฝังข้อความและรูปภาพเพื่อการค้นคืน และทดลองใช้การค้นหาแบบเวกเตอร์, BM25 และแบบไฮบริด
ปัญญาประดิษฐ์
คอร์ส
Learn to read, explore, and manipulate spatial data then use your skills to create informative maps using R.
การแสดงผลข้อมูลเป็นภาพ
คอร์ส
Learn to streamline your machine learning workflows with tidymodels.
Machine Learning
คอร์ส
เชี่ยวชาญการวิเคราะห์การตลาดด้วย Tableau วิเคราะห์ประสิทธิภาพ เปรียบเทียบเกณฑ์ชี้วัด และปรับกลยุทธ์ให้เหมาะสมข้ามช่องทาง
การเตรียมข้อมูล
คอร์ส
เรียนรู้วิธีเข้าถึงข้อมูลทางการเงินจากไฟล์ในเครื่องและจากแหล่งข้อมูลบนอินเทอร์เน็ต
การเงินประยุกต์
คอร์ส
This course introduces the comprehensive and flexible infrastructure and platform services provided by Google Cloud with a focus on Core Services.
Cloud
คอร์ส
Learn to build recommendation engines in Python using machine learning techniques.
Machine Learning
คอร์ส
Explore association rules in market basket analysis with R by analyzing retail data and creating movie recommendations.
การจัดการข้อมูล
คอร์ส
ก้าวสู่บทบาท CFO และเรียนรู้วิธีให้คำแนะนำคณะกรรมการบริหารเกี่ยวกับตัวชี้วัดสำคัญ พร้อมสร้างประมาณการทางการเงิน
การเงินประยุกต์
คอร์ส
This course will introduce the support vector machine (SVM) using an intuitive, visual approach.
Machine Learning
คอร์ส
Explore the Stanford Open Policing Project dataset and analyze the impact of gender on police behavior using pandas.
การจัดการข้อมูล
คอร์ส
Apply statistical modeling in a real-life setting using logistic regression and decision trees to model credit risk.
การเงินประยุกต์
คอร์ส
เรียนรู้วิธีพัฒนาโมเดล deep learning ด้วย Keras
ปัญญาประดิษฐ์
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