跳至内容

数据、AI 和云课程

掌握重要技能

观看专家讲师的短视频,然后在浏览器中通过互动练习实践所学内容。

  • 按自己的节奏学习
  • 获得实践经验
  • 完成精简章节

创建您的免费帐户

继续使用 Google显示更多选项


继续操作即表示您接受我们的《使用条款》和《隐私政策》,并同意您的数据存储在美国。
127 课程

课程

案例研究:在 R 中分析城市时间序列数据

  • 中级技能水平
  • 4.8+
  • 147 条评价

用真实案例数据强化你在 R 中操作时间序列的知识。

概率与统计

4小时

课程

R 中的购物篮分析

  • 中级技能水平
  • 4.8+
  • 95 条评价

用 R 探索市场篮子分析中的关联规则,分析零售数据并创建电影推荐。

数据处理

4小时

课程

R 中级投资组合分析

  • 中级技能水平
  • 4.8+
  • 73 条评价

提升你的 R 金融技能,回测、分析并优化金融投资组合。

应用金融

5小时

课程

R 中的欺诈检测

  • 中级技能水平
  • 4.7+
  • 38 条评价

用 R 中的分析检测欺诈。

机器学习

4小时

课程

R 中的缺失值填补处理

  • 高级技能水平
  • 4.7+
  • 106 条评价

诊断、可视化并处理缺失数据,运用多种插补技术,并获取提升结果的技巧。

数据处理

4小时

课程

R 自然语言处理入门

  • 中级技能水平
  • 4.8+
  • 40 条评价

掌握在 R 中精通自然语言处理所需的全部技能和工具概览。

机器学习

4小时

课程

R 的可扩展数据处理

  • 高级技能水平
  • 4.7+
  • 28 条评价

学习如何使用 bigmemory 和 iotools 包,用 R 编写可扩展代码来处理大数据。

软件开发

4小时

课程

在 R 中分析美国人口普查数据

  • 中级技能水平
  • 4.8+
  • 38 条评价

学习使用 tidyverse 工具快速可视化并探索美国人口普查局的人口统计数据。

探索性数据分析

4小时

课程

R 中的降维

  • 基础技能水平
  • 4.7+
  • 98 条评价

学习 R 中的降维技术,掌握特征选择和特征提取,用于你自己的数据和模型。

机器学习

4小时

课程

R 中的情感分析

  • 中级技能水平
  • 4.7+
  • 97 条评价

学习情感分析:识别正负面语言、具体情绪意图,并制作有说服力的可视化。

机器学习

4小时

课程

R 统计面试题实战练习

  • 高级技能水平
  • 4.7+
  • 23 条评价

在本课程中,你将为最常见的统计主题做好准备,从分布到假设检验、回归模型等更多内容。

概率与统计

4小时

课程

使用 flexdashboard 构建仪表板

  • 中级技能水平
  • 4.7+
  • 51 条评价

在本课程中,你将学习如何使用 flexdashboard 和 shiny 创建静态和交互式仪表板。

报告

4小时

课程

在 R 中构建 GARCH 模型

  • 高级技能水平
  • 4.8+
  • 100 条评价

指定并拟合 GARCH 模型,以预测时变波动率和风险价值。

应用金融

4小时

课程

用 R 分析社交媒体数据

  • 中级技能水平
  • 4.8+
  • 90 条评价

提取并可视化 Twitter 数据,进行情感和网络分析,并映射推文的地理位置。

数据处理

4小时

课程

R 中的超参数调优

  • 高级技能水平
  • 4.8+
  • 63 条评价

学习如何调优模型的超参数,以获得最佳预测结果。

机器学习

4小时

课程

用 Rcpp 优化 R 代码

  • 中级技能水平
  • 4.8+
  • 14 条评价

用 C++ 大幅提升你的 R 代码性能。

软件开发

4小时

课程

R 并行编程

  • 中级技能水平
  • 4.7+
  • 78 条评价

释放 R 中并行计算的强大能力。提升数据分析技能,加速计算,轻松处理大型数据集。

软件开发

4小时

课程

R 中级正则表达式

  • 中级技能水平
  • 4.8+
  • 37 条评价

用 R 掌握正则表达式和字符串距离,处理文本数据、分析等更多内容。

软件开发

4小时

课程

使用 R 预测产品需求

  • 中级技能水平
  • 4.7+
  • 30 条评价

掌握识别需求关键驱动因素、分析季节性影响,并通过真实案例预测产品层级需求。

概率与统计

4小时

课程

R 中的业务流程分析

  • 中级技能水平
  • 4.8+
  • 44 条评价

学习如何用 R 分析业务流程,并从海量事件数据中提取可执行洞察。

报告

4小时

FAQs

什么是数据科学?

数据科学是一个专注于从数据中获取信息的专业领域。数据科学家使用编程技能、科学方法、算法等来分析数据,形成可操作的洞察。

如何学习数据科学?

您需要学习 Python 或 R 等编程语言,掌握数学和统计学原理。数据分析方法和数据科学工具的知识也是必不可少的。学习数据科学有很多方法。除了正式的教育途径,如学位或大学学习,还有很多其他资源可以帮助您按自己的节奏学习。除了在线课程和教程,还有书籍、视频等。

数据科学需要哪些技能?

除了数学和统计学知识,数据科学家还需要 Python、R 和 SQL 等语言的编程技能。此外,数据科学需要处理大型数据集的能力、数据可视化、数据整理和数据库管理知识。机器学习和深度学习技能也很有用。

数据科学可以用来做什么?

在专业领域,几乎每个行业都可以在某种程度上使用数据科学。医疗机构使用数据科学来检测和治疗疾病,金融公司用它来检测和预防欺诈。各种行业都将数据科学用于营销,如构建推荐系统和分析客户流失。

数据科学是好的职业选择吗?

是的,数据科学是美国和全球增长最快的行业之一。它也是薪酬最高的职业之一。根据 Payscale 的数据,在美国,有经验的数据科学家平均收入为 97,609 美元,满意度评分为五星中的四星。

成为数据科学家困难吗?

这里有几个需要考虑的因素。首先,数据科学学位的竞争可能很激烈,通常需要持续的高分。同样,数据科学所需的许多技能需要大量的学习和耐心。掌握所有必要的基础知识可能需要几个月的时间,还需要大量的实践经验才能获得入门级职位。

数据科学需要编程吗?

是的,您需要一些 Python、R、SQL、Java 和 C/C++ 等语言的编程经验。不过,由于语法相对简单,Python 编程语言通常是新手的首选。

成为数据科学家需要多长时间?

对于没有编程经验和/或数学背景的人来说,通常需要 7 到 12 个月的密集学习才能达到入门级数据科学家的水平。但是,重要的是要记住,仅仅学习数据科学的理论基础可能不会让您成为真正的数据科学家。

我可以在数据科学中学习哪些主题?

掌握数据科学基础后,您可以专攻各种领域,包括机器学习、人工智能、大数据分析、商业分析和智能、数据挖掘等。

通过 DataCamp 移动版提升您的数据技能

借助我们的移动课程和每日 5 分钟编程挑战,随时随地取得进步。