คอร์ส
Claude Code 101
- Basicระดับทักษะ
- 4.8+
- 1,079 รีวิว
Learn how to use Claude Code effectively in your daily development workflows.
ปัญญาประดิษฐ์
คอร์สด้าน Data, AI และ Cloud
เชี่ยวชาญทักษะที่สำคัญดูวิดีโอสั้นๆ ที่นำโดยผู้สอนผู้เชี่ยวชาญ แล้วฝึกฝนสิ่งที่คุณเรียนรู้ด้วยแบบฝึกหัดเชิงโต้ตอบในเบราว์เซอร์ของคุณ
- เรียนในจังหวะของตัวเอง
- รับประสบการณ์ปฏิบัติจริง
- เรียนบทสั้น ๆ ขนาดพอดีคำจนครบ
สร้างบัญชีฟรีของคุณ
ดำเนินการต่อด้วย Googleแสดงตัวเลือกเพิ่มเติมหรือ
การดำเนินการต่อหมายความว่าคุณยอมรับข้อกำหนดการใช้งาน และนโยบายความเป็นส่วนตัวของเรา รวมถึงการจัดเก็บข้อมูลของคุณในสหรัฐอเมริกา
8 คอร์ส
คอร์ส
Claude Models เบื้องต้น
- ระดับกลางระดับทักษะ
- 4.8+
- 752 รีวิว
เรียนรู้การใช้งาน Claude ด้วย Anthropic API เพื่อแก้โจทย์จริงและสร้างแอปพลิเคชันที่ขับเคลื่อนด้วย AI
อื่น
คอร์ส
Claude 101
- Basicระดับทักษะ
- 4.8+
- 552 รีวิว
Learn how to use Claude for everyday work tasks, understand core features, and explore resources for more advanced learning on other topics.
ปัญญาประดิษฐ์
คอร์ส
Software Development with Claude Code
- ระดับกลางระดับทักษะ
- 4.8+
- 280 รีวิว
Claude Code brings AI assistance to your terminal. Learn the workflows that turn it into a reliable tool for real software development.
การพัฒนาซอฟต์แวร์
คอร์ส
Introduction to Agent Skills
- ระดับกลางระดับทักษะ
- 4.8+
- 158 รีวิว
Learn how to build, configure, and share Skills in Claude Code — reusable markdown instructions that Claude automatically applies to tasks at the right time.
ปัญญาประดิษฐ์
คอร์ส
Introduction to Subagents
- ระดับกลางระดับทักษะ
- 4.8+
- 125 รีวิว
Learn how to use and create sub-agents in Claude Code to manage context, delegate tasks, and build workflows that keep your conversation clean and focused.
ปัญญาประดิษฐ์
คอร์ส
Claude Code in Action
- ระดับกลางระดับทักษะ
- 4.9+
- 39 รีวิว
Get hands-on with Claude Code, Anthropics terminal AI agent: master context, plan mode, custom commands, MCP, and hooks to ship real work you can trust.
ปัญญาประดิษฐ์
คอร์ส
Model Context Protocol: Advanced Topics
- ระดับกลางระดับทักษะ
- 5
- 10 รีวิว
Go beyond MCP basics with sampling, notifications, roots, and the STDIO and StreamableHTTP transports in Python.
ปัญญาประดิษฐ์
FAQs
วิทยาศาสตร์ข้อมูลคืออะไร?
data science เป็นสาขาความเชี่ยวชาญที่มุ่งเน้นการรับข้อมูลจากข้อมูล โดยใช้ทักษะการเขียนโปรแกรม วิธีการทางวิทยาศาสตร์ อัลกอริทึม และอื่น ๆ นักวิทยาศาสตร์ข้อมูลวิเคราะห์ข้อมูลเพื่อสร้างข้อมูลเชิงลึกที่นำไปใช้ได้จริง
จะเรียน data science ได้อย่างไร?
คุณจะต้องเรียนรู้ภาษาโปรแกรมเช่น Python หรือ R และฝึกฝนหลักการของคณิตศาสตร์และสถิติ ความรู้เกี่ยวกับวิธีการวิเคราะห์ข้อมูลและเครื่องมือ data science ก็จำเป็นเช่นกัน มีหลายวิธีในการเรียน data science นอกจากการศึกษาแบบเป็นทางการ เช่น ปริญญาหรือการเรียนในมหาวิทยาลัย ยังมีแหล่งข้อมูลอื่น ๆ อีกมากมายที่ช่วยให้คุณเรียนในจังหวะของตัวเอง ทั้งคอร์สออนไลน์ บทช่วยสอน หนังสือ วิดีโอ และอื่น ๆ
ต้องการทักษะอะไรสำหรับ data science?
นอกจากความรู้ด้านคณิตศาสตร์และสถิติแล้ว นักวิทยาศาสตร์ข้อมูลยังต้องมีทักษะการเขียนโปรแกรมในภาษาเช่น Python, R และ SQL วิทยาศาสตร์ข้อมูลยังต้องการความสามารถในการทำงานกับชุดข้อมูลขนาดใหญ่ ความรู้ด้าน data visualization การจัดการข้อมูล และการจัดการฐานข้อมูล ทักษะด้าน machine learning และ deep learning ก็อาจเป็นประโยชน์เช่นกัน
ฉันสามารถใช้ data science เพื่ออะไรได้บ้าง?
ในแง่วิชาชีพ เกือบทุกอุตสาหกรรมสามารถใช้ data science ได้ในระดับหนึ่ง องค์กรด้านสุขภาพใช้ data science เพื่อตรวจจับและรักษาโรค ในขณะที่บริษัทการเงินใช้เพื่อตรวจจับและป้องกันการฉ้อโกง ทุกประเภทอุตสาหกรรมใช้ data science สำหรับการตลาด เช่น การสร้างระบบแนะนำและการวิเคราะห์การสูญเสียลูกค้า
วิทยาศาสตร์ข้อมูลเป็นอาชีพที่ดีหรือเปล่า?
ใช่ วิทยาศาสตร์ข้อมูลเป็นหนึ่งในภาคส่วนที่เติบโตเร็วที่สุดทั้งในสหรัฐอเมริกาและทั่วโลก และยังเป็นหนึ่งในอาชีพที่มีรายได้สูงที่สุดอีกด้วย จากข้อมูลของ Payscale นักวิทยาศาสตร์ข้อมูลที่มีประสบการณ์มีรายได้เฉลี่ย $97,609 และได้รับคะแนนความพึงพอใจสี่ดาวจากห้าดาวในสหรัฐอเมริกา
การเป็นนักวิทยาศาสตร์ข้อมูลนั้นยากหรือไม่?
มีสิ่งสองสามอย่างที่ต้องพิจารณา ประการแรก ปริญญาด้าน data science อาจมีการแข่งขันสูงในการเข้าเรียน มักต้องการเกรดที่ดีอย่างสม่ำเสมอ ในทำนองเดียวกัน ทักษะหลายอย่างที่จำเป็นสำหรับ data science ต้องการการศึกษาและความอดทนมาก อาจใช้เวลาหลายเดือนเพื่อฝึกฝนพื้นฐานที่จำเป็นทั้งหมด รวมถึงประสบการณ์ปฏิบัติจริงมากมายเพื่อให้ได้ตำแหน่งระดับเริ่มต้น
data science ต้องเขียนโค้ดหรือไม่?
ใช่ คุณจะต้องมีประสบการณ์เขียนโค้ดในภาษาต่างๆ เช่น Python, R, SQL, Java และ C/C++ อย่างไรก็ตาม เนื่องจาก Python มีไวยากรณ์ที่ค่อนข้างเรียบง่าย จึงมักเป็นตัวเลือกแรกสำหรับผู้เริ่มต้น
ใช้เวลานานแค่ไหนในการเป็น data scientist?
สำหรับผู้ที่ไม่มีประสบการณ์การเขียนโค้ดและ/หรือพื้นฐานคณิตศาสตร์มาก่อน โดยทั่วไปอาจต้องใช้เวลาศึกษาอย่างเข้มข้น 7 ถึง 12 เดือนเพื่อให้ถึงระดับนักวิทยาศาสตร์ข้อมูลมือใหม่ อย่างไรก็ตาม สิ่งสำคัญที่ต้องจำไว้คือการเรียนรู้เพียงแค่ทฤษฎีของวิทยาศาสตร์ข้อมูลอาจยังไม่เพียงพอที่จะทำให้คุณเป็นนักวิทยาศาสตร์ข้อมูลที่แท้จริง
หัวข้อใดบ้างที่ฉันสามารถเรียนได้ใน data science?
เมื่อเชี่ยวชาญพื้นฐานด้านวิทยาศาสตร์ข้อมูลแล้ว คุณสามารถเจาะลึกในสาขาที่หลากหลาย ไม่ว่าจะเป็น machine learning, ปัญญาประดิษฐ์, การวิเคราะห์ข้อมูลขนาดใหญ่, business analytics, data mining และอื่นๆ อีกมากมาย
พัฒนาทักษะด้านข้อมูลของคุณด้วย DataCamp for Mobile
พัฒนาทักษะได้ทุกที่ทุกเวลาด้วยคอร์สเรียนบนมือถือและแบบฝึกหัดเขียนโค้ดประจำวัน 5 นาทีของเรา