ข้ามไปยังเนื้อหาหลัก

คอร์ส

ทำความเข้าใจ Data Science

ขั้นพื้นฐาน2 ชม.

บทนำสู่ data science โดยไม่ต้องเขียนโค้ด

Python2 ชม.15 วิดีโอ47 แบบฝึกหัด2,800 XP870K+หนังสือรับรองความสำเร็จ

สร้างบัญชีฟรีของคุณ

ดำเนินการต่อด้วย Google
หรือ
เมื่อดำเนินการต่อ ถือว่าคุณยอมรับ ข้อกำหนดการใช้งานและ นโยบายความเป็นส่วนตัว และยอมรับว่าข้อมูลของคุณจะถูกจัดเก็บในสหรัฐอเมริกา

ได้รับความไว้วางใจจากผู้เรียนในบริษัทหลายพันแห่ง

กำลังฝึกอบรมทีมอยู่ใช่ไหม?

ทดลองใช้สำหรับองค์กร →

รายละเอียดคอร์ส

Data Science คืออะไร ทำไมถึงได้รับความนิยมอย่างมาก และทำไม Harvard Business Review ถึงยกย่องให้เป็น "อาชีพที่น่าตื่นเต้นที่สุดแห่งศตวรรษที่ 21" คอร์สนี้ไม่เน้นเทคนิค แต่จะพาทำความรู้จักกับทุกแง่มุมของสาขาที่กำลังเติบโตอย่างรวดเร็วนี้ โดยไม่ต้องเขียนโค้ดแม้แต่บรรทัดเดียว ผ่านแบบฝึกหัดเชิงปฏิบัติ จะได้เรียนรู้เกี่ยวกับบทบาทต่าง ๆ ของนักวิทยาศาสตร์ข้อมูล หัวข้อพื้นฐานอย่าง A/B testing การวิเคราะห์อนุกรมเวลา และ machine learning รวมถึงวิธีที่นักวิทยาศาสตร์ข้อมูลดึงความรู้และข้อมูลเชิงลึกจากข้อมูลในโลกจริง อย่าให้คำศัพท์เฉพาะทางมาเป็นอุปสรรค เริ่มเรียนรู้ เสริมทักษะในสาขาที่ตลาดต้องการสูง และค้นพบว่า Data Science เป็นเรื่องของทุกคน!วิดีโอมีคำบรรยายสดให้ดูได้โดยคลิก "Show transcript" ที่มุมล่างซ้ายของวิดีโอดูคำศัพท์ประจำคอร์สได้ที่แถบทรัพยากร ด้านขวามือเพื่อรับหน่วยกิต CPE ต้องเรียนจบคอร์สและได้คะแนนประเมินอย่างน้อย 70% โดยเข้าสู่แบบประเมินได้จากลิงก์ CPE credits ด้านขวามือ

ข้อกำหนดเบื้องต้น

คอร์สนี้ไม่มีข้อกำหนดเบื้องต้น

หลักสูตร

โครงร่างคอร์ส

1

Data Science คืออะไร

เริ่มต้นด้วยการนิยามความหมายของ Data Science จากนั้นจะครอบคลุมกระบวนการทำงานของ Data Science และการนำไปใช้แก้ปัญหาในโลกจริง แล้วปิดท้ายบทด้วยการทำความรู้จักกับบทบาทต่าง ๆ ในสายงาน Data Science
เริ่มบท
2

การรวบรวมและจัดเก็บข้อมูล

เมื่อเข้าใจกระบวนการทำงานของ Data Science แล้ว บทนี้จะเจาะลึกขั้นตอนแรก ได้แก่ การรวบรวมและจัดเก็บข้อมูล โดยจะเรียนรู้เกี่ยวกับแหล่งข้อมูลประเภทต่าง ๆ รูปแบบของข้อมูล วิธีจัดเก็บข้อมูลหลังรวบรวม และวิธีที่ data pipeline ช่วยทำให้กระบวนการทั้งหมดเป็นอัตโนมัติ
เริ่มบท
3

การเตรียม สำรวจ และแสดงผลข้อมูล

การเตรียมข้อมูลเป็นรากฐานสำคัญ นักวิทยาศาสตร์ข้อมูลใช้เวลาถึง 80% ไปกับการทำความสะอาดและจัดการข้อมูล และอีกเพียง 20% สำหรับการวิเคราะห์จริง บทนี้จะแสดงวิธีตรวจหาปัญหาในข้อมูล จัดการกับค่าที่หายไป และค่าผิดปกติ จากนั้นจะเรียนรู้เรื่อง Visualization ซึ่งเป็นเครื่องมือสำคัญทั้งในการสำรวจข้อมูลและนำเสนอผลการวิเคราะห์
เริ่มบท

ทำความเข้าใจ Data Science

เรียนคอร์สจบแล้ว

รับใบรับรองความสำเร็จ

ลงทะเบียนเลย

พัฒนาทักษะด้านข้อมูลของคุณด้วย DataCamp for Mobile

เรียนรู้ได้ทุกที่ด้วยคอร์สบนมือถือและโจทย์เขียนโค้ด 5 นาทีประจำวัน