คอร์ส
Python เบื้องต้นสำหรับการเงิน
- Basicระดับทักษะ
- 4.8+
- 474 รีวิว
พัฒนาทักษะ Python เพื่อยกระดับอาชีพการเงินของคุณ เรียนรู้การทำงานกับรายการ อาร์เรย์ และการแสดงภาพข้อมูล เพื่อเชี่ยวชาญการวิเคราะห์ทางการเงิน
การเงินประยุกต์
ดูวิดีโอสั้นๆ ที่นำโดยผู้สอนผู้เชี่ยวชาญ แล้วฝึกฝนสิ่งที่คุณเรียนรู้ด้วยแบบฝึกหัดเชิงโต้ตอบในเบราว์เซอร์ของคุณ
หรือ
คอร์ส
พัฒนาทักษะ Python เพื่อยกระดับอาชีพการเงินของคุณ เรียนรู้การทำงานกับรายการ อาร์เรย์ และการแสดงภาพข้อมูล เพื่อเชี่ยวชาญการวิเคราะห์ทางการเงิน
การเงินประยุกต์
คอร์ส
เรียนรู้การสร้างแบบจำลองทางการเงินใน Excel รวมถึงกระแสเงินสด การวิเคราะห์สถานการณ์ มูลค่าตามเวลา และการจัดทำงบประมาณเงินทุน
การเงินประยุกต์
คอร์ส
เรียนรู้วิธีทำการวิเคราะห์ทางการเงินใน Power BI หรือประยุกต์ใช้ทักษะทางการเงินที่มีอยู่กับการแสดงข้อมูลด้วยภาพใน Power BI
การเงินประยุกต์
คอร์ส
ต่อยอดทักษะ Python สำหรับการเงิน ด้วยการใช้ datetime, if-statements, DataFrames และอื่นๆ
การเงินประยุกต์
คอร์ส
เรียนรู้การนำกลยุทธ์การเทรดแบบกำหนดเองไปใช้ใน Python ทดสอบย้อนหลัง และประเมินประสิทธิภาพของมัน!
การเงินประยุกต์
คอร์ส
ประเมินความเสี่ยงและผลตอบแทนของพอร์ตโฟลิโอ สร้างพอร์ตหุ้นถ่วงน้ำหนักตามมูลค่าตลาด และเรียนรู้การคาดการณ์และป้องกันความเสี่ยงตลาดด้วยการสร้างสถานการณ์จำลอง
การเงินประยุกต์
คอร์ส
เรียนรู้วิธีเตรียมข้อมูลใบสมัครสินเชื่อ ใช้ machine learning และกฎทางธุรกิจเพื่อลดความเสี่ยงและเพิ่มความสามารถทำกำไร
การเงินประยุกต์
คอร์ส
เรียนรู้โครงสร้างข้อมูลสำคัญ เช่น lists และ data frames และนำความรู้นั้นไปใช้กับตัวอย่างทางการเงินโดยตรง
การเงินประยุกต์
คอร์ส
ฝึกทักษะคณิตศาสตร์การเงินที่จำเป็นด้วยแบบฝึกหัด Excel ใช้งานจริงและตัวอย่างจากโลกจริง
การเงินประยุกต์
คอร์ส
เรียนรู้เกี่ยวกับการจัดการความเสี่ยง, value at risk และอื่นๆ ที่ประยุกต์กับวิกฤตการเงินปี 2008 โดยใช้ Python
การเงินประยุกต์
คอร์ส
เรียนรู้แนวคิดการเงินพื้นฐานที่สุดด้วย Python และ NumPy
การเงินประยุกต์
คอร์ส
คุณจะใช้เทคนิค Net Revenue Management ใน Excel สำหรับบริษัทสินค้าอุปโภคบริโภคที่หมุนเวียนเร็ว
การเงินประยุกต์
คอร์ส
เรียนรู้แนวคิดทางการเงินสำคัญ เช่น การลงทุนทุน, WACC และมูลค่าผู้ถือหุ้น
การเงินประยุกต์
คอร์ส
Learn how to calculate meaningful measures of risk and performance, and how to compile an optimal portfolio for the desired risk and return trade-off.
การเงินประยุกต์
คอร์ส
เรียนรู้วิธีสร้างแดชบอร์ดกราฟิกด้วย Google Sheets เพื่อติดตามผลการดำเนินงานของหลักทรัพย์ทางการเงิน
การเงินประยุกต์
คอร์ส
เรียนรู้วิธีใช้ งบกำไรขาดทุน และ งบดุล ใน Power BI
การเงินประยุกต์
คอร์ส
ในคอร์สนี้ คุณจะได้เรียนรู้วิธีนำเข้าและจัดการข้อมูลการเงินใน Python โดยใช้เครื่องมือและแหล่งข้อมูลหลากหลายประเภท
การเงินประยุกต์
คอร์ส
เรียนรู้การทำงานของวันที่ใน R และสำรวจโลกของคำสั่ง if, ลูป และฟังก์ชันด้วยตัวอย่างทางการเงิน
การเงินประยุกต์
คอร์ส
เรียนรู้เกี่ยวกับโมเดล GARCH วิธีนำไปใช้ และปรับเทียบกับข้อมูลการเงินตั้งแต่หุ้นไปจนถึงอัตราแลกเปลี่ยนเงินตราต่างประเทศ
การเงินประยุกต์
คอร์ส
เรียนรู้วิธีเข้าถึงข้อมูลทางการเงินจากไฟล์ในเครื่องและจากแหล่งข้อมูลบนอินเทอร์เน็ต
การเงินประยุกต์
คอร์ส
เรียนรู้การสร้างแบบจำลองธุรกิจพื้นฐาน รวมถึงกระแสเงินสด การลงทุน เงินงวด การผ่อนชำระเงินกู้ และอื่นๆ ด้วย Google Sheets
การเงินประยุกต์
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
เรียนรู้การประเมินมูลค่าธุรกิจด้วยการประยุกต์ใช้จริงและกรณีศึกษา โดยใช้กระแสเงินสดคิดลด (DCF)
การเงินประยุกต์
คอร์ส
เรียนรู้การวิเคราะห์งบการเงินด้วย Python คำนวณอัตราส่วน ประเมินสุขภาพทางการเงิน จัดการค่าที่หายไป และนำเสนอการวิเคราะห์ของคุณ
การเงินประยุกต์
คอร์ส
Apply your finance and R skills to backtest, analyze, and optimize financial portfolios.
การเงินประยุกต์
คอร์ส
Apply statistical modeling in a real-life setting using logistic regression and decision trees to model credit risk.
การเงินประยุกต์
คอร์ส
ทำงานกับอนุกรมผลตอบแทนปัจจัยเสี่ยง ศึกษาคุณสมบัติเชิงประจักษ์ และประมาณค่า value-at-risk
การเงินประยุกต์
คอร์ส
ก้าวสู่บทบาท CFO และเรียนรู้วิธีให้คำแนะนำคณะกรรมการบริหารเกี่ยวกับตัวชี้วัดสำคัญ พร้อมสร้างประมาณการทางการเงิน
การเงินประยุกต์
คอร์ส
Learn to use R to develop models to evaluate and analyze bonds as well as protect them from interest rate changes.
การเงินประยุกต์
คอร์ส
Apply financial analysis in KNIME with real-world data, enhancing data preparation and workflow skills.
การเงินประยุกต์
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