คอร์ส
R เบื้องต้น
- Basicระดับทักษะ
- 4.8+
- 2,556 รีวิว
เชี่ยวชาญพื้นฐานการวิเคราะห์ข้อมูลใน R รวมถึง vectors, lists และ data frames พร้อมฝึก R กับชุดข้อมูลจริง
การพัฒนาซอฟต์แวร์
ดูวิดีโอสั้นๆ ที่นำโดยผู้สอนผู้เชี่ยวชาญ แล้วฝึกฝนสิ่งที่คุณเรียนรู้ด้วยแบบฝึกหัดเชิงโต้ตอบในเบราว์เซอร์ของคุณ
หรือ
คอร์ส
เชี่ยวชาญพื้นฐานการวิเคราะห์ข้อมูลใน R รวมถึง vectors, lists และ data frames พร้อมฝึก R กับชุดข้อมูลจริง
การพัฒนาซอฟต์แวร์
คอร์ส
เริ่มต้นเส้นทางสู่การสำรวจและสร้างภาพข้อมูลของคุณด้วย tidyverse ชุดเครื่องมือ data science ทรงพลังและได้รับความนิยมใน R
การพัฒนาซอฟต์แวร์
คอร์ส
ต่อยอดเส้นทางสู่การเป็น R ninja ด้วยการเรียนรู้เกี่ยวกับคำสั่งเงื่อนไข ลูป และฟังก์ชันเวกเตอร์
การพัฒนาซอฟต์แวร์
คอร์ส
พัฒนาทักษะสถิติของคุณ และเรียนรู้วิธีรวบรวม วิเคราะห์ และสรุปผลอย่างแม่นยำจากข้อมูล
ความน่าจะเป็นและสถิติ
คอร์ส
พัฒนาทักษะ Tidyverse ด้วยการเรียนรู้วิธีแปลงและจัดการข้อมูลด้วย dplyr
การจัดการข้อมูล
คอร์ส
เรียนรู้การสร้างการแสดงผลข้อมูลที่สวยงามและมีความหมายด้วย ggplot2 โดยเข้าใจไวยากรณ์ของกราฟิก
การแสดงผลข้อมูลเป็นภาพ
คอร์ส
ใช้ regression analysis ใน R เพื่อทำนายราคาที่อยู่อาศัยและอัตราการคลิกโฆษณา โดยการนำไปใช้ วิเคราะห์ และตีความ
ความน่าจะเป็นและสถิติ
คอร์ส
ในคอร์สนี้ คุณจะเรียนรู้การอ่านไฟล์ CSV, XLS และไฟล์ข้อความใน R โดยใช้เครื่องมืออย่าง readxl และ data.table
การเตรียมข้อมูล
คอร์ส
เรียนรู้การใช้เทคนิคเชิงกราฟิกและเชิงตัวเลขเพื่อเริ่มค้นหาโครงสร้างของข้อมูลของคุณ
การวิเคราะห์ข้อมูลเชิงสำรวจ
คอร์ส
เรียนรู้วิธีและเวลาที่ควรใช้การทดสอบสมมติฐานใน R รวมถึง t-tests, proportion tests และ chi-square tests
ความน่าจะเป็นและสถิติ
คอร์ส
เรียนรู้การรวมข้อมูลจากหลายตารางเพื่อหาคำตอบของคำถามที่ซับซ้อนขึ้นด้วย dplyr
การจัดการข้อมูล
คอร์ส
Learn to clean data as quickly and accurately as possible to help you move from raw data to awesome insights.
การเตรียมข้อมูล
คอร์ส
Master sampling to get more accurate statistics with less data.
ความน่าจะเป็นและสถิติ
คอร์ส
Take your R skills up a notch by learning to write efficient, reusable functions.
การพัฒนาซอฟต์แวร์
คอร์ส
Learn to perform linear and logistic regression with multiple explanatory variables.
ความน่าจะเป็นและสถิติ
คอร์ส
เรียนรู้การใช้ facets, coordinate systems และสถิติใน ggplot2 เพื่อสร้างกราฟอธิบายที่มีความหมาย
การแสดงผลข้อมูลเป็นภาพ
คอร์ส
เรียนรู้การเขียนโค้ด R ให้เร็วขึ้น ค้นพบการทำ benchmarking และ profiling และปลดล็อกความลับของการเขียนโปรแกรมแบบขนาน
การพัฒนาซอฟต์แวร์
คอร์ส
ในคอร์สนี้ คุณจะได้เรียนรู้พื้นฐานของแมชชีนเลิร์นนิงสำหรับการจำแนกประเภท
Machine Learning
คอร์ส
เรียนรู้โครงสร้างข้อมูลสำคัญ เช่น lists และ data frames และนำความรู้นั้นไปใช้กับตัวอย่างทางการเงินโดยตรง
การเงินประยุกต์
คอร์ส
ใช้พลังของเครื่องมือ tidyverse เพื่อสร้างกราฟิกคุณภาพระดับตีพิมพ์และรายงานสไตล์กำหนดเองที่สื่อผลลัพธ์ของคุณ
การแสดงผลข้อมูลเป็นภาพ
คอร์ส
หลักสูตรนี้เป็นบทนำสู่พีชคณิตเชิงเส้น หนึ่งในหัวข้อคณิตศาสตร์ที่สำคัญที่สุดซึ่งเป็นพื้นฐานของวิทยาการข้อมูล
ความน่าจะเป็นและสถิติ
คอร์ส
เรียนรู้การใช้แพ็กเกจ Bioconductor ที่จำเป็นสำหรับชีวสารสนเทศด้วยชุดข้อมูลจากไวรัส เชื้อรา มนุษย์ และพืช!
ความน่าจะเป็นและสถิติ
คอร์ส
Parse data in any format. Whether its flat files, statistical software, databases, or data right from the web.
การเตรียมข้อมูล
คอร์ส
Learn how to draw conclusions about a population from a sample of data via a process known as statistical inference.
ความน่าจะเป็นและสถิติ
คอร์ส
Transform almost any dataset into a tidy format to make analysis easier.
การจัดการข้อมูล
คอร์ส
Shiny is an R package that makes it easy to build interactive web apps directly in R, allowing your team to explore your data as dashboards or visualizations.
การพัฒนาซอฟต์แวร์
คอร์ส
Learn how to make predictions about the future using time series forecasting in R including ARIMA models and exponential smoothing methods.
ความน่าจะเป็นและสถิติ
คอร์ส
In this course, youll learn about the concepts of random variables, distributions, and conditioning.
ความน่าจะเป็นและสถิติ
คอร์ส
เรียนรู้การออกแบบการทดลองขั้นพื้นฐาน ทักษะสำคัญสำหรับการวิเคราะห์ข้อมูล
ความน่าจะเป็นและสถิติ
คอร์ส
เรียนรู้การสื่อสารข้อมูลของคุณอย่างมีประสิทธิภาพด้วยภาพรวมของแผนภูมิทั่วไป ประเภทการแสดงผลข้อมูลทางเลือก และการปรับสไตล์ที่ขับเคลื่อนด้วยการรับรู้
การแสดงผลข้อมูลเป็นภาพ
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