คอร์ส
Data Analysis in Excel
- Basicระดับทักษะ
- 4.8+
- 4,805 รีวิว
Learn how to analyze data with PivotTables and intermediate logical functions before moving on to tools such as what-if analysis and forecasting.
การรายงาน
คอร์สด้าน Data, AI และ Cloud
เชี่ยวชาญทักษะที่สำคัญดูวิดีโอสั้นๆ ที่นำโดยผู้สอนผู้เชี่ยวชาญ แล้วฝึกฝนสิ่งที่คุณเรียนรู้ด้วยแบบฝึกหัดเชิงโต้ตอบในเบราว์เซอร์ของคุณ
- เรียนในจังหวะของตัวเอง
- รับประสบการณ์ปฏิบัติจริง
- เรียนบทสั้น ๆ ขนาดพอดีคำจนครบ
สร้างบัญชีฟรีของคุณ
ดำเนินการต่อด้วย Googleแสดงตัวเลือกเพิ่มเติมหรือ
เมื่อดำเนินการต่อ คุณยอมรับ ข้อกำหนดการใช้งาน ของเรา นโยบายความเป็นส่วนตัว ของเรา และยอมรับว่าข้อมูลของคุณจะถูกจัดเก็บในสหรัฐอเมริกา
16 คอร์ส
คอร์ส
Case Study: Analyzing Customer Churn in Excel
- Basicระดับทักษะ
- 4.8+
- 2,764 รีวิว
You will investigate a dataset from a fictitious company called Databel in Excel, and need to figure out why customers are churning.
การรายงาน
คอร์ส
Analyzing Business Data in SQL
- ระดับกลางระดับทักษะ
- 4.8+
- 240 รีวิว
Learn to write SQL queries to calculate key metrics that businesses use to measure performance.
การรายงาน
คอร์ส
Applying SQL to Real-World Problems
- ระดับกลางระดับทักษะ
- 4.8+
- 1,142 รีวิว
Find tables, store and manage new tables and views, and write maintainable SQL code to answer business questions.
การรายงาน
คอร์ส
Reporting in SQL
- ระดับกลางระดับทักษะ
- 4.8+
- 778 รีวิว
Learn how to build your own SQL reports and dashboards, plus hone your data exploration, cleaning, and validation skills.
การรายงาน
คอร์ส
Reporting with R Markdown
- ระดับกลางระดับทักษะ
- 4.7+
- 321 รีวิว
R Markdown is an easy-to-use formatting language for authoring dynamic reports from R code.
การรายงาน
คอร์ส
Power BI for End Users
- Basicระดับทักษะ
- 4.7+
- 306 รีวิว
Explore Power BI Service, master the interface, make informed decisions, and maximize the power of your reports.
การรายงาน
คอร์ส
Data Modeling in Sigma
- Basicระดับทักษะ
- 4.8+
- 89 รีวิว
Stop rewriting the same joins and calculations, and dive into well-governed, scalable analytics using Sigma data models.
การรายงาน
คอร์ส
Introduction to AI Apps in Sigma
- Basicระดับทักษะ
- 4.9+
- 118 รีวิว
Build interactive AI apps in Sigma using user input, actions, and polished interfaces, no coding required.
การรายงาน
คอร์ส
Introduction to DataLab
- Basicระดับทักษะ
- 4.8+
- 108 รีวิว
Learn the fundamentals of using DataLab, an AI-powered data notebook for data analysis and exploration.
การรายงาน
คอร์ส
Marketing Analytics in Google Sheets
- ระดับกลางระดับทักษะ
- 4.8+
- 215 รีวิว
Learn how to ensure clean data entry and build dynamic dashboards to display your marketing data.
การรายงาน
คอร์ส
Building Dashboards with shinydashboard
- Basicระดับทักษะ
- 4.6+
- 74 รีวิว
Learn to create interactive dashboards with R using the powerful shinydashboard package. Create dynamic and engaging visualizations for your audience.
การรายงาน
คอร์ส
Case Studies: Building Web Applications with Shiny in R
- ระดับกลางระดับทักษะ
- 4.9+
- 16 รีวิว
Practice your Shiny skills while building some fun Shiny apps for real-life scenarios!
การรายงาน
คอร์ส
Building Dashboards with flexdashboard
- ระดับกลางระดับทักษะ
- 4.7+
- 49 รีวิว
In this course youll learn how to create static and interactive dashboards using flexdashboard and shiny.
การรายงาน
คอร์ส
Business Process Analytics in R
- ระดับกลางระดับทักษะ
- 4.8+
- 42 รีวิว
Learn how to analyze business processes in R and extract actionable insights from enormous sets of event data.
การรายงาน
คอร์ส
DataLab with SQL
- Basicระดับทักษะ
- 4.8+
- 41 รีวิว
Elevate your analysis with this hands-on course using SQL with DataLab workbooks.
การรายงาน
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